Entraîner un modèle prédictif de défaillance d’équipement industriel

• Comprendre les principes d’un modèle prédictif de défaillance
• Préparer les données d’historique des équipements industriels
• Entraîner et évaluer un modèle de prédiction de pannes

Techniciens maintenance, data analysts, ingénieurs fiabilité

Connaître les équipements suivis et les bases des statistiques

• Définir ce qu’un modèle prédictif de défaillance permet d’anticiper
• Identifier les équipements critiques et les modes de panne à cibler
• Rassembler les historiques de pannes, capteurs et interventions
• Nettoyer les données et corriger les valeurs aberrantes
• Construire les variables utiles à la prédiction d’une panne
• Séparer les données d’apprentissage et les données de validation
• Entraîner un modèle et comparer plusieurs algorithmes simples
• Mesurer les fausses alertes et les pannes non détectées
• Interpréter les facteurs qui expliquent le risque de défaillance
• Définir les seuils d’alerte et les actions de maintenance associées

• Choisir les capteurs utiles à la prédiction d’une panne
• Lire une matrice de confusion sur des alertes de panne
• Fixer un seuil d’alerte et l’action de maintenance liée

• Guide de préparation des données de maintenance prédictive
• Fiche repère des mesures de qualité d’un modèle prédictif
• Modèle de plan d’action déclenché par une alerte de panne