Automated Prédictive Maintenance Systeme - Projet Transverse - M2 BDML Efrei Paris
Le but du projet transverse en cycle apprentissage (TransverseApp) 2022-2023 est de proposer une solution innovante qui répond à un besoin. Notre équipe s’est alors intéressée à la maintenance des systèmes industriels. Actuellement, la maintenance de ces systèmes comporte de nombreux défauts. Ce fonctionnement entraine beaucoup de complications, ce qui conduit à des surcoûts importants. Pour répondre à ce besoin, nous nous sommes intéressés à la maintenance prédictive automatisée.
Le projet s'inscrit dans la démarche de l'industrie 4.0 vers laquelle toutes les industries s'orientent. Grace aux données recueillies par l'IoT, l'objectif est de déterminer les anomalies de fonctionnement des machines. Cela peut être sur des compresseurs, pompes, tuyauteries ou toute autre machine équipée de capteurs. Nous souhaitons proposer une solution qui ne requiert aucune connaissance de développement à l'utilisateur ainsi qu’en dégageant du temps à l’expert métier.
https://github.com/kokikwbt/predictive-maintenance
https://www.kaggle.com/code/robinteuwens/anomaly-detection-with-auto-encoders
https://www.kaggle.com/datasets/arnabbiswas1/microsoft-azure-predictive-maintenance