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 2 Programme de travail 2.1 Objectifs et résultats attendus L’objectif de ce projet est la contribution d’outils d’IA à notre solution d’estimation temps réel de la fatigue et de la durée de vie résiduelle des structures et cela grâce à la détection précoce d’une dérive potentielle. Cette solution nous permettra de proposer à nos clients une solution complète et efficace à la maintenance prédictive et la gestion de risque des structures monitorées. Les axes de travail définis sont les suivants : • Création d’une base de données intégrant notamment les sources impactant la structure, • Robustification de la base de données via technologies I.A. : clustering et classification, • Apprentissage de ces sources : détection automatique et autonome des évènements, • Recherche d’anomalies et de signaux faibles en temps réel à la suite de l’apprentissage des sources, • Compréhension, interpr étation et exploitation de l’anomalie par le Digital Twin de la structure, • Estimation/prédiction de l’état structurel futur de la structure, Alerte précoce sur les dérives structurelles et identification autonome du problème potentiel. Figure 5: Tâches du projet Les résultats attendus du projet sont : • Création d’une base de données complète sur les sources d’excitation d’une structure, basée sur des données multi-variables synchrones et temps réel, intégrant : accéléromètres, magnétomètres, vent (force et direction), pluie, HR, température et vidéo (statique / dynamique) ; • Détection automatique de phénomènes non-connus sur la structure ; • Identification autonome de la source du nouveau phénomène ; • Alerte précoce sur les dérives potentielles de la structure et maintenance prédictive. Afin d’atteindre les objectifs définis et de produire les résultats proposés, nous avons découpés le projet en 3 tâches distinctes : • Tâche 1. Constitution de la base de données et apprentissage a. Instrumentation d’une passerelle métallique piétonne avec les instruments listés ci-dessus et récupération en continue et temps- réel des données massives et hétérogènes grâce à l’architecture AXON de Morphosense ; b. Clustering et classification des sources d’évènements (naturelles et « non naturelles ») de la v ie « standard » de la structure ;