FleetAId | Intelligence artificielle collective conçue pour la surveillance, fondée sur des données, de l’état d’actifs industriels

Ce projet visait à créer un environnement de recherche enrichi par l’IA qui soutienne et facilite l’exploitation de données issues d’un parc d’équipements dans le but d’en maximiser le rendement. Cet environnement accueille des technologies avancées de traitement des données associées à la modélisation intégrative, à l’apprentissage actif et à l’apprentissage par transfert. Le développement de plusieurs prototypes industriels conçus pour le photovoltaïque a permis de valider ces technologies s’appliquant à l’analyse des causes profondes et à la surveillance continue du rendement.

Contexte 

De nos jours, bon nombre d’entreprises se livrent à l’exploitation et à la gestion de vastes groupes d’actifs industriels complexes de nature similaire, mais se différenciant par leurs caractéristiques concrètes. Ces actifs sont susceptibles de présenter une distribution géographique significative, mais les sous-ensembles constitutifs de ces actifs sont souvent implantés sur le même site. Exemples : équipements photovoltaïques (PV) installés dans des usines, éoliennes montées dans des parcs d’éoliennes, compresseurs et pompes installés dans un environnement industriel ou parcs de véhicules utilitaires.
Habituellement, l’énorme quantité de données générée par un tel parc d’actifs est sous-exploitée. Le plus souvent, le personnel de maintenance et d’entretien se contente d’utiliser ces données à des fins de maintenance réactive. Certaines entreprises utilisatrices majeures ont récemment opté pour une maintenance proactive, mais même en pareil cas, l’analyse des données relatives aux machines s’effectue à un niveau individuel. Par conséquent, le potentiel inexploré d’exploitation des données relevées à l’échelle d’un parc d’équipements est considérable : les méthodes traditionnelles d’IA ne tirent aucun parti d’importantes caractéristiques intrinsèques associées à la dimension collective de ces équipements ; à savoir, l’immense richesse des données découlant de l’hétérogénéité inhérente à un parc d’équipements et la hiérarchisation des différentes composantes d’un actif ainsi que des différents actifs regroupés au sein d’un parc donné.
Dans ce contexte, le projet FleetAId visait à créer un environnement de recherche enrichi par l’IA qui soutienne et facilite l’exploitation semi-automatique des données issues de parcs d’équipements dans le but de maximiser le rendement de vastes parcs hétérogènes d’actifs industriels complexes en exploitation. Le développement de plusieurs prototypes industriels conçus pour le photovoltaïque a permis de valider les technologies d’IA élaborées dans ce cadre.

Objectif et résultats 

Le développement, dans le cadre du projet FleetAId, de plusieurs prototypes industriels conçus pour le photovoltaïque a permis de démontrer la pertinence des fonctionnalités développées de l’IA en relevant trois défis concrets dans le domaine de l’exploitation commerciale des centrales photovoltaïques : 

1. optimisation de choix de conception basés sur une analyse comparative des performances sensibles au contexte (équipements, installations, environnement) au sein des parcs d’actifs, 
2. réduction des coûts d’exploitation grâce à une détection automatique et fiable de la dégradation des performances ainsi que des anomalies affectant les composants, et 
3. diagnostic automatique fiable des causes profondes.

Financement

• Organisme de financement: Innoviris (logo Innoviris, Région de Bruxelles-Capitale et Shifting Economy).
• Modalités: Appel à projets Team Up (intelligence artificielle, Innoviris) 

Ce projet a été financé par la Région de Bruxelles-Capitale. Innoviris est cet organisme public qui soutient et finance la recherche et l’innovation dans la Région de Bruxelles-Capitale.