v2.11.0 (5687)

Cours scientifiques - CSC_5IA13_TA : Maintenance prédictive

Domaine > Computer Science.

Descriptif

-        Préambule :

L’objectif donné par l’école concernant  la maintenance prédictive est le suivant :

 

L’objectif de cet enseignement est de donner, dans un contexte industriel, les attentes et enjeux de l’utilisation des techniques d’intelligence artificielle. La maintenance prédictive est une activité en plein développement devant permettre la réduction des coûts de maintenance en diagnostiquant au plus tôt les éventuelles pannes d’un système (électrique, de transport, etc.)

 

-        Objectif du cours :

 

Au cours de ces dernières décennies, les technologies de surveillance de l'état des systèmes (Control Monitoring) se sont beaucoup développées. On peut citer des techniques telles que l‘analyse vibratoire et acoustique, l‘analyse des huiles ou la thermographie. Ces technologies ont révolutionnée  notre manière de faire de la maintenance. En effet ils ont permis l’émergence de la maintenance d’un nouveau type de maintenance à savoir la maintenance prédictive. Cette approche s’appuie essentiellement sur l’exploitation et le traitement des données générées par ces nouvelles technologies. Le défi des années avenir est de pouvoir analyser ces quantités de données, de synthétiser et d‘intégrer ces nouvelles informations dans les calculs de fiabilité et dans la programmation des opérations de maintenance.

La maintenance conditionnelle/prédictive est caractérisée par 4 éléments éléments clés qui sont :

-        L'acquisition de données (à savoir la collecte et le stockage de l'information de l’état de santé des systèmes),

-        La transmission d’information (4G, Wifi, Radio,…)

-        Le traitement des données (l'extraction et la sélection des données acquises),

-        La prise de décision (à savoir la recommandation de mesures de maintenance grâce à un diagnostic et / ou un pronostic).

 

Après un rappel des grands principes de la maintenance (dite classique) l’objectif du cours sera de montrer :

 

1-     L’impact du coût de maintenance versus coût d’acquisition

2-     Influence du type de la maintenance (corrective,  préventive systématique/conditionnelle et prédictive) sur le coût LCC (Life Cycle Cost).

3-     Des cas concrets  de maintenance prédictive (Ferroviaire et aéronautique) avec un zoom particulier sur les technologies utilisées, de l’acquisition de données  jusqu’au système de prise de décision.

Objectifs pédagogiques

-        Connaître les différents types de maintenance qui existent

-        Connaître l’utilité et le cas d’usage de chaque type de maintenance

-        Savoir calculer un cout de maintenance

-        Connaître les systèmes d’acquisition existant sur le marché dans un but d’optimisation de maintenance

-        Notion de traitement de donnée et Big data

-        Connaître les architectures fonctionnelles train

-        Connaître les éléments du CBM (Condition Based Maintenance) et du Télé-diagnostique

21 heures en présentiel (6 blocs ou créneaux)

effectifs minimal / maximal:

10/30

Diplôme(s) concerné(s)

Format des notes

Numérique sur 20

Littérale/grade européen

Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées

Vos modalités d'acquisition :

Un projet évalué par une présentaiton orale 

Le rattrapage est autorisé (Max entre les deux notes écrêté à une note seuil)
  • le rattrapage est obligatoire si :
    Note initiale < 6
  • le rattrapage peut être demandé par l'étudiant si :
    6 ≤ note initiale < 10
L'UE est acquise si Note finale >= 10
  • Crédits ECTS acquis : 1.5 ECTS

Le coefficient de l'UE est : 1

La note obtenue rentre dans le calcul de votre GPA.

L'UE est évaluée par les étudiants.

Programme détaillé

- Séance 1 : maintenance prédictive 

- Séance 2 : maintenance prédictive 

- Séance 3 : maintenance prédictive 

- Séance 4 : maintenance prédictive 

- Séance 5 : maintenance prédictive 

- Séance 6 : maintenance prédictive 

- Séance 7 : maintenance prédictive 

- Séance 8 : projet 

Mots clés

Maintenance prédictive
Veuillez patienter