Surveillance des machines industrielles : attention aux mirages de l'Intelligence Artificielle!

L'essor des technologies numériques a ouvert un nouveau champ d'opportunités pour l'industrie, notamment avec l'arrivée des objets connectés. Cependant, dans la surveillance des machines industrielles, il est de plus en plus courant de voir un usage abusif des termes "Intelligence Artificielle", notamment quand il s'agit simplement de déclencher une alerte lorsqu'un seuil est dépassé. Dans ce contexte, comment distinguer le vrai du faux ?

Depuis l'invention des capteurs, la méthode la plus simple pour détecter un problème a toujours été l'instauration d'un seuil qui, une fois dépassé, déclenche une alerte. Pourtant, dans la surveillance d'une machine tournante, cette technique est loin d'être suffisante.

• Une augmentation de la vibration peut-elle vraiment être considérée comme un signe de dysfonctionnement ?
• Ou s'agit-il simplement d'un changement de process, ou même d'une machine voisine qui vibre 
• Et quel organe de la machine est à l'origine de cette variation de la vibration ?

Avec des milliards de machines tournantes dans le monde, toutes présentant une variabilité de conception et d'utilisation, il est illusoire de croire qu'un simple indicateur suffise pour assurer une surveillance adéquate. Pourtant, de nombreux acteurs proposent aujourd'hui des outils d'analyse, souvent uniquement vibratoires, ne remontant qu'un nombre limité d'informations. Le discours de ces fournisseurs est suffisamment confus pour faire croire aux utilisateurs qu'ils font de la prédiction de panne.

Cependant, la mise en place de simples seuils n'est pas chose aisée et peut même générer des fausses alertes ou ignorer des défauts cachés. L'analyse de l'état d'une machine doit aller bien au-delà de simples seuils, impliquant une corrélation de plusieurs indicateurs pour évaluer fonctionnement de la machine et identifier les organes concernés.

Chez Asystom, nous avons une approche différente. Depuis notre création en 2016, nous n'avons cessé de faire évoluer nos algorithmes afin de simuler l’analyse d’un expert en domaine vibratoire et acoustique. Nous avons pour principale obsession de considérer que chaque machine à surveiller est unique. C'est pourquoi nous avons développé des algorithmes spécifiques capables d’apprendre, de comprendre et de modéliser le comportement normal de chaque machine.

Notre objectif est de ne pas simplement détecter une anomalie, mais aussi d'aider nos clients à comprendre ce qui se passe avec leurs machines. Pour ce faire, nous avons mis au point des algorithmes d'aide au diagnostic de panne capables de corréler différentes mesures, de détecter des signaux faibles et de proposer des hypothèses de diagnostic.

En conclusion, l'appellation "Intelligence Artificielle" ne doit pas être utilisée à la légère, surtout dans un domaine aussi crucial que la surveillance de machines industrielles. Il ne s'agit pas seulement de surveiller, mais aussi de comprendre et de prédire pour garantir une maintenance prédictive optimale.