Grant: Engage Grants Program
École de technologie supérieure
$25,000.00
Intégration de données secondaires dans la mise en oeuvre de modèles prédictifs pour la maintenance
FY 2015-16
Summary
Le concept de la maintenance basée sur la fiabilité a été introduit à la fin des années 1970 pour atteindre des
objectifs de sécurité dans le domaine de l'aviation. L'apparition de nouvelles techniques d'échantillonnage et de
traitement des données provenant des équipements permet de développer des outils de maintenance prédictive
basée sur la fiabilité pour des chaines de production industrielles.
La compagnie Matricis développe un service commercial pour offrir de la maintenance prédictive, et ainsi,
bonifier les systèmes de GMAO déjà en place dans la plupart des entreprises.
Le principe de fonctionnement actuel est de capter des données primaires provenant de capteurs installés sur les
équipements et d'utiliser des outils statistiques pour prévoir une détérioration de l'état des équipements. Ces
données primaires comportent des variations qui sont attribuables à plusieurs paramètres provenant du
fonctionnement des équipements et des systèmes connexes.
Ces variations rendent les prévisions de comportement moins rentables à analyser à l'aide des modèles
statistiques intuitifs.
L'objectif de ce projet est de générer des données secondaires permettant de caractériser des propriétés
fonctionnelles des équipements et de mesurer leurs conditions.
Cette approche devrait permettre de résoudre des problèmes causés par la variabilité des données primaires
provenant des capteurs et aussi, par le fait même, permettre de bâtir une solution simplifiée dont les résultats
seront plus intuitifs à interpréter par les utilisateurs.
Il sera nécessaire de bâtir une procédure pour convertir les données primaires d'échantillonnage en données
secondaires décrivant des comportements physiques.
Il sera possible de leur appliquer des outils prédictifs à partir de modèles statistiques de régression et de
modèles neuronaux
Program
Engage Grants Program
Recipient
Location
Quebec, Canada
Recipient Type
Academia
Type
Grant
Source
NSERC's Awards Data
As published
Application id
490960-2015
Name nom
Chaabane, Amin
Department département
Génie de la production automatisée
Organization id
53
Institution établissement
École de technologie supérieure
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2015
Competition year année de concours
2015
Award amount
25000
Program id
EGP
Program name en
Engage Grants Program
Program name fr
Programme de subventions d'engagement partenariat
Group en
Research partnerships programs
Group fr
Programmes de partenariat
Committee code
1552
Committee name en
Quebec Internal Decision Committee
Committee name fr
Comité de décision interne pour le Québec
Area of application code
801
Area of application group en
Information and communication services
Area of application group fr
Services d'information et de télécommunications
Area of application en
Computer software
Area of application fr
Logiciel
Research subject code
1600
Research subject group en
Industrial engineering
Research subject group fr
Génie industriel
Research subject en
Industrial engineering
Research subject fr
Génie industriel
Partie
1
Nb partie
1
Application title
Intégration de données secondaires dans la mise en oeuvre de modèles prédictifs pour la maintenance
Keyword
NSERC
Application summary
Le concept de la maintenance basée sur la fiabilité a été introduit à la fin des années 1970 pour atteindre des
objectifs de sécurité dans le domaine de l'aviation. L'apparition de nouvelles techniques d'échantillonnage et de
traitement des données provenant des équipements permet de développer des outils de maintenance prédictive
basée sur la fiabilité pour des chaines de production industrielles.
La compagnie Matricis développe un service commercial pour offrir de la maintenance prédictive, et ainsi,
bonifier les systèmes de GMAO déjà en place dans la plupart des entreprises.
Le principe de fonctionnement actuel est de capter des données primaires provenant de capteurs installés sur les
équipements et d'utiliser des outils statistiques pour prévoir une détérioration de l'état des équipements. Ces
données primaires comportent des variations qui sont attribuables à plusieurs paramètres provenant du
fonctionnement des équipements et des systèmes connexes.
Ces variations rendent les prévisions de comportement moins rentables à analyser à l'aide des modèles
statistiques intuitifs.
L'objectif de ce projet est de générer des données secondaires permettant de caractériser des propriétés
fonctionnelles des équipements et de mesurer leurs conditions.
Cette approche devrait permettre de résoudre des problèmes causés par la variabilité des données primaires
provenant des capteurs et aussi, par le fait même, permettre de bâtir une solution simplifiée dont les résultats
seront plus intuitifs à interpréter par les utilisateurs.
Il sera nécessaire de bâtir une procédure pour convertir les données primaires d'échantillonnage en données
secondaires décrivant des comportements physiques.
Il sera possible de leur appliquer des outils prédictifs à partir de modèles statistiques de régression et de
modèles neuronaux