Grant: Engage Grants Program
École de technologie supérieure
$25,000.00
Outils d'ingénierie des connaissances pour la prédiction des défauts en maintenance industrielle prédictive avec intelligence artificielle****
FY 2018-19
Summary
La littérature sur l'apprentissage automatique prend pour acquis que le données sont disponibles pour les algorithmes d'apprentissage, mais n'aborde pas la problématique de la collecte des données individuelles nombreuses mais incomplètes pour le repérage des symptômes à inclure pour construire des modèles prédictifs de défaillances en maintenance prédictive. Ce projet explorera les techniques d'ingénierie des connaissances adaptables aux repérages des symptômes pour développer des outils qui pourront être utilisés à l'intérieur d'ateliers-pilotes en industrie sur la base des connaissances empiriques des techniciens des opération et maintenance.* *Le Canada doit constamment faire des progrès technologiques face à ses concurrents, incluant en maintenance industrielle. Or l'industrie 4.o exige une mise à niveau considérable de l'infrastructure des données et de technologies de l'entreprise. Pour convaincre les entreprises que ces pratique de l'industrie 4.0 sont applicables à leur contexte et qu'elles peuvent en récolter rapidement des avantages, il faut souvent leur proposer en premier des projets pilotes réalisables avant d'avoir compléter cette longue et coûteuse mise à niveau. Cette recherche, en améliorant les pré-étapes de projet pilotes, permettra d'accélérer l'adoption des techniques d'apprentissage automatique pour la prédiction dans le domaine de la maintenance industrielle.
Program
Engage Grants Program
Recipient
Location
Quebec, Canada
Recipient Type
Academia
Type
Grant
Source
NSERC's Awards Data
As published
Application id
533882-2018
Name nom
ABRAN, Alain
Department département
Génie logiciel et des TI
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
2018
Competition year année de concours
2018
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
500
Area of application group en
Manufacturing processes and products
Area of application group fr
Procédés et produits industriels
Area of application en
Manufacturing processes and products
Area of application fr
Procédés et produits industriels
Research subject code
2705
Research subject group en
Information technology
Research subject group fr
Technologie de l'information
Research subject en
Software and development
Research subject fr
Logiciels et développement
Partie
1
Nb partie
1
Application title
Outils d'ingénierie des connaissances pour la prédiction des défauts en maintenance industrielle prédictive avec intelligence artificielle****
Keyword
NSERC
Application summary
La littérature sur l'apprentissage automatique prend pour acquis que le données sont disponibles pour les algorithmes d'apprentissage, mais n'aborde pas la problématique de la collecte des données individuelles nombreuses mais incomplètes pour le repérage des symptômes à inclure pour construire des modèles prédictifs de défaillances en maintenance prédictive. Ce projet explorera les techniques d'ingénierie des connaissances adaptables aux repérages des symptômes pour développer des outils qui pourront être utilisés à l'intérieur d'ateliers-pilotes en industrie sur la base des connaissances empiriques des techniciens des opération et maintenance.* *Le Canada doit constamment faire des progrès technologiques face à ses concurrents, incluant en maintenance industrielle. Or l'industrie 4.o exige une mise à niveau considérable de l'infrastructure des données et de technologies de l'entreprise. Pour convaincre les entreprises que ces pratique de l'industrie 4.0 sont applicables à leur contexte et qu'elles peuvent en récolter rapidement des avantages, il faut souvent leur proposer en premier des projets pilotes réalisables avant d'avoir compléter cette longue et coûteuse mise à niveau. Cette recherche, en améliorant les pré-étapes de projet pilotes, permettra d'accélérer l'adoption des techniques d'apprentissage automatique pour la prédiction dans le domaine de la maintenance industrielle.