Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Colloque
Membre a labase
Zouheir Malki : Ivado
L'émergence de nouvelles technologies de collecte et de valorisation des données a révolutionné le domaine de la maintenance prédictive. En effet, une quantité massive des données est de plus en plus disponible grâce aux réseaux de capteurs et senseurs qui collectent et transmettent les données relatives au fonctionnement de l’équipement en temps réel. La valorisation de ces données par des modèles prédictifs avancés permet de détecter les anomalies de fonctionnement dès l’apparition des premiers symptômes et prédire ainsi la date probable de la panne. Ceci permet d’intervenir au bon moment : ni trop tôt ni trop tard.
L’objectif de cette présentation est de faire ressortir l’apport des approches de valorisation des données pour la maintenance prédictive. Nous discutons les principales étapes de cette valorisation des données pour la maintenance prédictive, et les défis de son application en pratique.
L’apprentissage profond a permis plusieurs avancées dans des domaines historiquement difficiles tels que la classification des images. Cependant, peu de ces progrès ont été intégrés aux produits et aux processus. En effet, la plupart des résultats n’ont pas été appliqués à l’ensemble des problèmes qu’ils peuvent résoudre.
Dans ce colloque, nous nous intéressons à deux secteurs, le génie logiciel et la numérisation des processus industriels, qui sont à première vue très éloignés, mais qui en réalité peuvent être très proches quant à l’expérience de l’application de l’apprentissage profond à leurs problématiques.
Dans le domaine du génie logiciel, selon une analyse des articles publiés, l’apprentissage profond a été exploité pour aider les développeurs dans plusieurs tâches du génie logiciel, telles que la synthèse des programmes ou la prévision des défauts.
L’augmentation de la valeur ajoutée des produits et l’atteinte de l’excellence opérationnelle des processus sont entre autres les effets positifs de l’utilisation de l’apprentissage profond pour la numérisation en industrie. Plusieurs applications illustrent ces effets, comme la maintenance prédictive et la prise de décision en temps réel. Ces applications présentent des opportunités, mais aussi des défis. L’automatisation intelligente des processus par l’intermédiaire de la mécatronique a contribué à l’émergence de l’industrie 4.0.
L’avènement de l’apprentissage profond, les avancées de celui-ci et la démocratisation des outils utilisés dans le domaine ont suscité un grand intérêt, mais n’ont pas donné de résultats convaincants pour le génie logiciel ni pour le développement de solutions pouvant être moins coûteuses, par exemple dans le monde de l’industrie.
Ces dernières années, de grands investissements ont été consentis pour intégrer les progrès de l’apprentissage profond dans de nouveaux produits. Cependant, il est clair que plusieurs secteurs ont été délaissés, car le rendement de l’investissement semble moins prometteur.
Ce colloque, organisé par le Laboratoire de recherche en génie logiciel et en intelligence artificielle (GLIA) de l’UQAR, offrira une occasion exceptionnelle de :
Thème du congrès 2021 (88e édition) :
Thème du colloque :
Date :
4 mai 2021
Titre du colloque :
Responsables :
