Une nouvelle méthode de surveillance continue de l’état des machines est actuellement développée par une équipe de recherche dirigée par le professeur Andreas Schütze de l’Université de la Sarre en Allemagne. Le système basé sur une tablette mobile fournit des informations sur l’état de fonctionnement de l’équipement des machines et des installations industrielles et peut informer les opérateurs si une pièce doit être remplacée ou si une réparation peut être reportée. Le système utilise des capteurs qui acquièrent en continu des données sur des paramètres tels que la fréquence de vibration ou la température. Les ingénieurs de l’équipe de recherche travaillent avec le Centre allemand de recherche sur l’intelligence artificielle (DFKI) et le groupe HYDAC pour associer automatiquement des motifs dans les données avec les conditions d’erreurs typiques ou les modes de défaillance. Les chercheurs présenteront la méthode utilisant un banc d’essai hydraulique à la HANNOVER MESSE du 13 au 17 Avril.
Il est bien connu que, bien avant qu’une pièce d’un équipement technique tombe en panne, des changements se produisent dans son comportement opérationnel. La machine peut commencer à faire des sons différents ou à vibrer plus fortement, ou devenir chaud. Et ce ne sont pas seulement des machines à laver domestiques qui agissent de cette façon, le même comportement se retrouve dans de très grandes machines telles que les éoliennes ou les usines industrielles.
Si une pièce casse ou si une vanne ou une pompe s’arrête soudainement de fonctionner, en cas de dysfonctionnement du système de refroidissement ou si la pression est trop faible, la conséquence est que très souvent, l’usine entière doit fermer pour réparation – ce qui peut s’avérer très coûteux.
«Notre système de détection nous permet d’observer l’état actuel d’une usine. Nous travaillons sur l’obtention du système afin d’émettre des alertes très précoces au premier signe de panne ou de dysfonctionnement de l’usine. En combinant de multiples capteurs, nous sommes en mesure d’enregistrer le plus petit des changements – des changements qui tout simplement ne sont pas détectables avec un capteur unique », explique Andreas Schütze.
L’approche adoptée par l’équipe consiste à fixer des capteurs de vibrations à de nombreuses positions sur la machine pour fournir un flux continu de données de mesure. Les ingénieurs intègrent également des données provenant des capteurs de processus qui sont maintenant installés en standard sur la plupart des machines actuelles. Le groupe de recherche utilisera un banc d’essai hydraulique pour démontrer leur système à la HANNOVER MESSE 2015.
«Nous étudions comment nous pouvons corréler de modèles de signaux de capteurs, tels que les fréquences vibratoires, avec les modes de dommages et de rupture typiques, tels que la performance de refroidissement réduite ou la baisse de pression de l’accumulateur », explique Andreas Schütze. Pour ce faire, les chercheurs ont analysé de grandes quantités de données de mesure afin d’identifier les tendances dans les données qui peuvent être attribuées à des changements particuliers dans l’état de la machine.
«De la masse de données acquises, nous filtrons une quantité gérable de données de capteurs pertinents qui est caractéristique de certains scénarios de dommages de la machine», explique l’ingénieur Nikolai Helwig, qui a co-développé le le banc d’essai hydraulique. «Notre objectif est d’être en mesure de détecter de manière fiable des perturbations dans le cycle d’exploitation de la machine lors de la phase de dommages naissante et d’établir des modèles mathématiques pour les différents niveaux de défaut. »
Cette information sur la relation entre les modèles de signal de capteur et le dysfonctionnement naissant ou les dommages, est utilisée par les ingénieurs pour enseigner le système de sorte qu’à l’avenir, il sera en mesure d’identifier ces états automatiquement. Le projet est une entreprise de collaboration entre l’équipe d’ingénieurs de l’Université de la Sarre d’Andreas Schütze, le Centre de Technologie Mécatronique et Automation (Zema), des chercheurs au Centre de recherche allemand sur l’intelligence artificielle (DFKI) et le groupe HYDAC.
«Nous utilisons des méthodes statistiques pour analyser les données. Les futurs utilisateurs du système doivent être en mesure d’interpréter les données numériques correctement. C’est pourquoi nous travaillons sur l’attribution automatique de sens aux résultats générés par le système qui sont ensuite traduites en des informations utiles pour l’utilisateur. Le but est de développer le système de sorte qu’il peut être formé pour travailler avec différents types d’équipement de machines et d’installations et peut être adapté et personnalisé pour répondre à leurs besoins spécifiques », assure Andreas Schütze.
En surveillant en permanence l’état de la machine, le système peut également recommander d’effectuer notamment des mesures correctives, telles que le remplacement d’une pièce de rechange.
«Cela rend plus facile de planifier des opérations de maintenance sur de grandes machines grande ou des usines d’accès difficile. Non seulement cette aide pour éviter des pannes, des temps d’arrêt machine et des arrêts de production, mais elle évite également des travaux d’entretien inutiles, comme le remplacement prévu d’un composant d’une machine qui est, en fait, toujours totalement fonctionnelle», lance Andreas Schütze. « Comme le système est également capable d’analyser si les machines de production fonctionnent correctement pendant un processus de fabrication, il peut également être utilisé à des fins de contrôle de qualité. Il existe un grand nombre d’applications potentielles pour ce système, notamment dans les procédés de fabrication intelligents envisagées dans le cadre de l’industrie 4.0 ».
En outre, le réseau intégré de capteurs surveille si les capteurs eux-mêmes fonctionnent correctement. «Le système vérifie constamment si les capteurs individuels fournissent des données de mesure fiables. Si un capteur particulier ne semble pas fonctionner correctement, les données qu’il fournit ne sont pas incluses dans l’analyse. Le système est donc robuste et n’a aucune difficulté à faire face à la panne de capteurs individuels, car les capteurs défectueux sont simplement contournés », conclut Andreas Schütze.
http://www.uni-saarland.de/nc/en/news/article/nr/12356.html en allemand