MORPHO-IA - IA et Digital Twin au service de la maintenance prédictive | FEREC 2020

MORPHO-IA : ETUDE ET RESULTATS MORPHOSENSE ▪ SAS au capital de 120 366 € ▪ SIRET : 822 036 265 00012 18 allée du Lac Saint André, BP 60278 73370 Le Bourget du Lac ▪ TVA FR13 822036265 Figure 24 : Comparaison de la déformée maximale en un point de la structure par rapport aux températures internes et externes de la station météo Une régression polynomiale d’ordre 2 (algorithme d’apprentissage supervisé) a été utilisée afin d’effectuer la prédiction de déformation en fonction de la température. Plusieurs modèles prenant en entrée différentes températures ont été comparés : température interne de la station météo, des nœuds de mesure du tablier ou des câbles, ou encore température ambiante. Des précisions moyennes oscillant entre 1 cm et 0,6 cm ont été obtenues. La flèche de la structure variant de quelques centimètres lors du fonctionnement standard, une précision de l’ordre du centimètre peut sembler suffisant avec une seule entrée (la température ). Pour améliorer la précision de l’algorithme, d’autres données pertinentes doivent être ajoutées en entrée du modèle. Ci-dessous un graphique comparant les prédictions obtenues avec un modèle basique avec les « vraies » valeurs de flèche sur 6 jours de données. En turquoise sont représentées les « vraies » valeurs de la déformée, calculées par les algorithmes Morphosense, et en jaune les valeurs prédites par l’algorithme d’apprentissage automatique. Figure 25: Comparaison entre les "vraies" valeurs de flèche et celles prédites par l'algorithme d’apprentissage automatique sur 6 jours de données L’algorithme semble plutôt bien prédire les tendances générales. Toutefois, il ne suit pas très bien les petites variations (notamment les pics de journée). Cela démontre que seule la température ne peut pas expliquer à elle seule la déformation de la structure. Le modèle d’apprentissage automatique est donc en cours d’amélioration.