Systèmes intelligents de maintenance et d’opérations (IMOS)
Notre recherche se concentre sur le développement d’algorithmes intelligents visant à améliorer les performances, la fiabilité et la disponibilité des actifs industriels complexes et à optimiser les coûts de maintenance.
La quantité de données de surveillance des conditions mesurées et collectées pour les actifs industriels complexes a récemment augmenté de manière significative en raison de la baisse des coûts, de l’amélioration de la technologie et de l’augmentation de la fiabilité des capteurs et de la transmission des données.
Les signaux de surveillance des conditions mesurées des actifs industriels complexes sont généralement multidimensionnels, hautement redondants, ont plusieurs interdépendances et présentent des relations non linéaires prédominantes. La diversité des types de défauts et des conditions de fonctionnement rend souvent impossible l’extraction et l’apprentissage des modèles de défauts de tous les types possibles affectant un système. De même la collecte d’un ensemble de données représentatif avec toutes les conditions de fonctionnement possibles peut être une tâche difficile, en particulier en raison de la variabilité des régimes de fonctionnement des actifs, et peut retarder la mise en place de systèmes de détection de défauts basés sur les données.
Cette mission implique de relever les défis suivants :
- Aide à la décision : La prise de décision pour une maintenance efficace de systèmes complexes et de flottes de systèmes est complexe et nécessite l’intégration de plusieurs sources d’informations avec différents niveaux d’incertitude :
- L’état de santé actuel de chaque système.
- L’évolution prévue de l’état du système incluant l’incertitude des prédictions effectuées.
- Le plan de maintenance prévu.
- Le plan de production ou d’exploitation prévu.
- Les conditions d’exploitation futures anticipées.
- Les coûts des ressources de maintenance et d’indisponibilité.
- Les restrictions de disponibilité des ressources.