Machine Learning Pour La Maintenance Prédictive.
No Thumbnail Available
Date
2021
Journal Title
Journal ISSN
Volume Title
Publisher
Université Oum El Bouaghi
Abstract
A cause des conditions opérationnelles et environnementales, le processus de production dans les entreprises est très sensible à la détérioration et aux défaillances. Donc, il est indispensable de définir la stratégie de maintenance correcte afin de réduire au minimum les temps d'arrêt causés par les pannes inattendues et de minimiser par conséquent les coûts très élevés de maintenance. Récemment, la maintenance prédictive a profité du développement dans les domaines de la science de données et du machine learning pour surpasser plusieurs limitations de la maintenance conventionnelle. Le but de ce projet est d'exploiter une énorme quantité de données relatives au comportement des moteurs d'avion simulés afin d'entraîner des modèles capables de prédire l'état de fonctionnement futur de ces moteurs. Ainsi, nous avons créé des modèles prédictifs pour estimer la durée de vie restante d'un moteur, trouver quels moteurs tomberont en panne dans une période donnée, ainsi pour prédire la période pendant laquelle un moteur tombera en panne. Ces modèles sont générés par des algorithmes selon trois catégories : la régression, la classification binaire et la classification multiple. Enfin, nous avons vérifié l'efficacité de nos modèles à l'aide des métriques d'évaluation des performances adéquates.
Description
Keywords
Classification, Regression, Machine learning, Maintenance prédictive