Analyse prédictive de données événementielles pour le contrôle et le bilan de santé de systèmes industriels – TECHMAINT

Le PHM est une philosophie récente déployée dans les systèmes industriels qui vise à pronostiquer, à partir de données en temps réel, l'évolution de l'état du système sur la base de sa surveillance passée, courante et de ses futures missions afin d'anticiper ses pannes. Ainsi, le PHM est référencé au cadre de l'analyse prédictive en exploitant des outils de l’IA pour développer des modèles prédictifs pertinents à partir des données collectées en temps réel. Cependant, la surveillance continue est généralement coûteuse, voire impossible à faire. Une alternative est d’utiliser des données discrètes représentatives des événements recensés sur le système (ex. alarmes, modes). Le pronostic se construit alors à partir de la reconnaissance de séquence d'événements discrets, leurs règles d'occurrence et leurs interactions. Dans ce projet, nous visons à développer de nouvelles approches probabilistes combinant avec des approches d'apprentissage automatique pour l'analyse de données d'événements discrets. Nous intégrerons également des méthodes hybrides et multidimensionnelles pour traiter des informations discrètes et continues. Un tel pronostic n'est pas scientifiquement mature aujourd'hui, ce qui conduit à soumettre cette proposition TECHMAINT pour contribuer à ces fondements