Photo Michael Schwarzenberger / Pixabay
Le pronostic de défaillance ou PHM (Prognostics and Health Management) est l’un des outils de transformation numérique dont peuvent se saisir les entreprises sur la voie de l’industrie du futur. Le concept de PHM permet d’anticiper une panne susceptible de survenir sur une machine ou un équipement industriel à partir des informations que ceux-ci délivrent en temps réel au cours de leur utilisation. Cette démarche est intéressante à plus d’un titre : elle donne les moyens d’assurer la sécurité des opérateurs, d’éviter les ruptures ou les ralentissements de production, de prolonger le cycle de vie des systèmes, et en définitive de mieux gérer son parc machines.
Pour être réalisé de façon numérique et automatique, le suivi des équipements exige des informations qui viendront nourrir les algorithmes de prédiction. Les données sont en général disponibles en quantité dans l’entreprise, mais demandent souvent à être mieux structurées pour une exploitation plus efficace. Cette problématique, particulièrement vraie dans les PME, fait l’objet d’une thèse CIFRE conclue entre l’Institut FEMTO-ST, où elle est encadrée par Noureddine Zerhouni et Zeina Al Masry, l’entreprise comtoise SCODER, sous la responsabilité de Sylvian Giampiccolo et Nicolas Mairot, et le doctorant Nabil Omri, dont le domaine de recherche combine analyse de données et intelligence artificielle.
Le travail du jeune chercheur a pour objectif d’optimiser le concept de PHM auprès de SCODER, spécialisée dans la découpe et l’emboutissage de pièces de précision, grâce à la mise au point d’une méthodologie adaptée aux spécificités et aux attendus de la PME. Détermination de la nature et du niveau de qualité des informations à collecter, du temps de recension nécessaire, de l’opportunité de mettre en œuvre une technologie complémentaire sur une machine pour obtenir des données manquantes sont autant de paramètres à l’étude. La démarche de PHM ainsi optimisée servira de base aux recommandations qui seront fournies aux techniciens pour une meilleure maîtrise des systèmes de production.
Cette thèse CIFRE a fait l’objet d’une présentation de Zeina Al-Masry et Christophe Varnier, enseignants-chercheurs à l’ENSMM / Institut FEMTO-ST, lors de e.micronora. L’événement en ligne s’était substitué en septembre dernier à l’édition classique du salon Micronora initialement prévue. La parole avait été donnée à des chercheurs de l’Institut FEMTO-ST lors d’une demi-journée interactive, au cours de laquelle des travaux illustrant les cœurs de métiers de l’institut avaient été exposés aux industriels.
Pour en savoir plus : www.micronora.com/e-micronora
