Modèle proactif de gestion de la maitenance industrielle à base d'une démarche d'analyse des données

Abstract

La maintenance prédictive basée sur l'analyse des données vise à résoudre les problèmes liés aux défaillances soudaines des machines et à réduire les temps d'arrêt. Nous avons réalisé une revue exhaustive de la littérature en analysant plusieurs articles de recherche dans ce domaine. Cette étude nous a permis de comparer nos pratiques actuelles et de développer une approche innovante en utilisant une architecture basé sur les techniques de l'intelligence artificielle. Notre étude s'est concentrée sur l'application d'une méthode d'apprentissage profond DL notamment le modèle LSTM, implémenté en langage Python. Nous avons testé notre méthode sur deux ensembles de données afin de prédire la durée de vie restante des équipements avant leur panne. En comparant les résultats de nos prédictions, nous avons observé que notre architecture LSTM surpassait d'autres recherches dans le domaine en termes de précision et de taux d'erreur.