Entraîner un modèle prédictif de défaillance d’équipement énergétique

• Entraîner un modèle prédictif de défaillance d’équipement
• Préparer les données de maintenance et de capteurs
• Évaluer la fiabilité d’un modèle avant son déploiement

Data scientists, ingénieurs maintenance et fiabilistes

Notions de statistiques et de maintenance d’équipements

• Définir la défaillance d’un équipement énergétique et ses modes
• Recenser les données de capteurs, d’historique et de maintenance
• Nettoyer les données et traiter les valeurs manquantes
• Construire les variables explicatives de la dégradation
• Choisir un algorithme de prédiction adapté au problème
• Séparer les jeux d’entraînement, de validation et de test
• Entraîner le modèle et régler ses paramètres principaux
• Évaluer la précision, les fausses alertes et les défaillances manquées
• Interpréter les facteurs qui expliquent chaque prédiction du modèle
• Intégrer le modèle dans le plan de maintenance de l’exploitant

• Préparer un jeu de données de capteurs pour l’entraînement
• Comparer deux modèles de prédiction sur un même jeu de test
• Interpréter les alertes générées par un modèle de défaillance

• Modèle de dictionnaire de données de maintenance prédictive
• Méthodologie d’entraînement d’un modèle de défaillance
• Check list d’évaluation d’un modèle prédictif d’équipement