Le cycle de vie des produits de l’industrie est soumis à de nombreuses étapes et transformations pour lesquelles le diagnostic et le pronostic sont des enjeux majeurs en termes de sécurité, d’environnement, de fiabilité et de compétitivité. Dans ce domaine, les solutions développées au CEA-List s’appuient sur un large éventail de compétences, où l’instrumentation, la simulation et la science des données jouent un rôle prépondérant.
Le CEA-List travaille au développement d’outils innovants pour le diagnostic et la prédiction, en s’appuyant sur de nombreux domaines d’expertise, avec au cœur de cette thématique la transformation et l’exploitation de la donnée.
L’objectif est de mettre au point des méthodologies innovantes, d’être capable de quantifier leurs niveaux de fiabilité, et de les rendre compatibles avec un fonctionnement temps réel.
Les solutions du CEA-List ont vocation à s’intégrer pleinement dans le processus industriel que ce soit pour assister et guider l’opérateur dans son rôle décisionnel, ou pour sécuriser et fiabiliser la mise en œuvre de processus entièrement automatisés.
Le CEA-List mobilise ses différents outils d’analyse et d’expertise en méthodes algorithmiques et en science de la donnée (méthodes inverses, approche heuristique, IA, etc.) pour permettre une automatisation partielle ou complète du diagnostic. La simulation joue aussi un rôle prépondérant pour l’apprentissage et la prédiction.
Selon les domaines et les applications, il s’agira d’outils d’automatisation robustes à la variabilité des conditions opérationnelles, ou d’outils d’assistance à la décision, avec un objectif commun : améliorer la fiabilité et la compétitivité des processus industriels.
Le CEA-List a contribué à la mise en place d’un outil de diagnostic automatique permettant de contrôler les structures, notamment les soudures d’un parc d’éoliennes Off-shore.
Pour cela, le CEA-List a mis en œuvre un algorithme basé, d’une part sur les outils du logiciel « CIVA Analyse » (détection automatique par segmentation, caractérisation et dimensionnement des indications) et, d’autre part, sur un module dédié permettant de dissocier les indications liées à la structure de celles générées par les défauts.
Une automatisation complète de l’analyse a ainsi pu être réalisée, avec un temps d’analyse global passé de plusieurs mois à quelques jours.
Le pronostic repose sur une succession de mesures et d’observations des tendances et des flux de données dans le temps.
L’interopérabilité des modèles et des données au sein d’une chaîne numérique constitue un élément clef du déploiement des technologies prédictives développées par l’institut. Il permet de prédire l’état futur des composants à partir de modèles de vieillissement et de dégradation du système surveillé. Cette démarche trouve tout son sens pour mettre en place une stratégie de maintenance prédictive ou, encore, pour définir la durée de vie d’une structure.
Avec des plateformes logicielles mutualisées, le CEA-List combine IA et simulation pour répondre aux enjeux du contrôle industriel. Les équipes travaillent sur la construction de modèles analytiques et numériques destinés à une exploitation temps réel en embarqué.
Le CEA-List dispose aujourd’hui d’outils puissants pour l’analyse des données et l’établissement des diagnostics : simulation, méthodes inverses exploitant des modèles directs, algorithmes et outils dédiés d’IA, algorithme heuristique et formalisation de la connaissance. De plus l’expertise du CEA-List sur les différentes approches et technologies permet d’adopter une démarche systémique pour aboutir à des solutions les plus adaptées, et in fine à des diagnostics fiables dans des conditions opérationnelles réelles.
Europe :
National :
Les enjeux du diagnostic sont souvent importants, notamment en matière de sûreté, c’est pourquoi nous avons une obligation de fiabilité, même lorsque la donnée est peu nombreuse. La variété des techniques utilisées, en lien avec l’IA, est un gage de performance pour traiter des signaux souvent complexes, dans des conditions opérationnelles variables…
