Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à la maintenance prédictive
- Qu'est-ce que la maintenance prédictive ?
- Approches réactive, préventive et prédictive
- Retour sur investissement (ROI) réel et études de cas sectorielles
Collecte et préparation des données
- Capteurs, IoT et journalisation des données dans les environnements industriels
- Nettoyage et structuration des données pour l'analyse
- Données temporelles et étiquetage des défaillances
Apprentissage automatique pour la maintenance prédictive
- Aperçu des modèles d'apprentissage automatique (régression, classification, détection d'anomalies)
- Choix du modèle adapté à la prédiction des pannes d'équipement
- Entraînement, validation et métriques de performance du modèle
Construction du workflow de maintenance prédictive
- Pipeline de bout en bout : ingestion des données, analyse et alertes
- Utilisation de plateformes cloud ou de l'informatique en périphérie pour l'analyse en temps réel
- Intégration aux systèmes CMMS ou ERP existants
Modélisation des modes de défaillance et de l'indice de santé
- Prédiction des modes de défaillance spécifiques
- Calcul de la durée de vie restante (RUL - Remaining Useful Life)
- Développement de tableaux de bord de santé des actifs
Systèmes de visualisation et d'alerte
- Visualisation des prédictions et des tendances
- Définition des seuils et création d'alertes
- Conception d'informations exploitables pour les opérateurs
Bonnes pratiques et gestion des risques
- Surmonter les problèmes de qualité des données
- Éthique et explicabilité dans les systèmes d'IA industriels
- Gestion du changement et adoption au sein des équipes
Synthèse et prochaines étapes
Pré requis
- Compréhension des équipements industriels et des workflows de maintenance
- Familiarité de base avec les concepts de l'IA et de l'apprentissage automatique
- Expérience avec les systèmes de collecte et de surveillance des données
Public cible
- Ingénieurs de maintenance
- Équipes fiabilité
- Responsables des opérations
14 Heures