INTELLIGENCE ARTIFICIELLE
Quand les machines se mettent à parler
ACL Digital, une société ALTEN, a développé une plateforme intégrée de maintenance prédictive basée sur l’IoT et l’IA/ML pour un grand fournisseur d’énergie aux États-Unis, combinant analyse de données capteurs et vision par ordinateur pour superviser en temps réel les infrastructures d’électricité, de gaz et de vapeur, en surface comme en sous-sol, et agir sur les problèmes d’équipement avant qu’une panne ne survienne.
Les fournisseurs d’énergie sont soumis à une pression constante : maintenir la fiabilité de leurs infrastructures tout en maîtrisant leurs coûts d’exploitation. Pour les entreprises qui gèrent à grande échelle la production d’électricité, de gaz et de vapeur, les pannes d’équipement non planifiées, qu’elles touchent des machines visibles ou des structures électriques souterraines, peuvent perturber le service et faire grimper les coûts de maintenance, ce qui rend la détection précoce des comportements anormaux essentielle à une distribution d’énergie fiable. Un grand fournisseur d’énergie aux États-Unis a fait appel à ACL Digital pour répondre à ces enjeux.
Le défi : Développer un système intelligent capable d’analyser les données issues des équipements ainsi que des actifs électriques souterrains, d’identifier les opérations anormales et de permettre une maintenance préventive pour éviter des pannes d’équipement coûteuses.
La solution : Une plateforme intégrée de maintenance prédictive basée sur l’IoT et l’IA/ML, combinant analyse de données capteurs et vision par ordinateur, qui collecte, traite et analyse à la fois les données de capteurs des équipements et l’imagerie thermique pour déclencher une maintenance préventive avant qu’une panne ne survienne.
Les bénéfices :
- Surveillance avancée et maintenance prédictive;
- Efficacité des coûts et optimisation des ressources;
- Capacités avancées de diagnostic et de résolution;
- Jusqu’à 50 % d’économies sur les coûts de maintenance;
- Services plus rapides et plus efficaces;
- Résolutions rapides et satisfaction client élevée;
- Plus de 250 000 structures électriques souterraines intégrées au périmètre d’inspection;
- Précision de détection des points chauds supérieure à 95 % par imagerie thermique.
Indicateurs clés :
- Modèle de machine learning basé sur TensorFlow, entraîné et validé sur infrastructure de calcul, puis porté sur une plateforme matérielle embarquée NXP.
- Déploiement en edge AI permettant une inférence au plus près de l’actif, réduisant la dépendance à un traitement centralisé.
- Inspection visuelle automatisée des actifs électriques, contribuant à réduire l’effort d’inspection manuelle et la dépendance à une expertise terrain spécialisée.
- Identification potentielle de plusieurs classes d’actifs et de défauts à partir de l’imagerie thermique.
Deux flux de données, une seule plateforme
La plateforme s’appuie sur deux flux de données complémentaires pour offrir au client une vision plus complète de l’état de ses actifs. En surface, ACL Digital a développé un système IoT sur AWS pour collecter les données de capteurs, notamment les relevés de vibration et de température, depuis les équipements via des passerelles CENTAURI 200 utilisant des protocoles sans fil ; des modèles d’IA/ML analysent ensuite ces données de capteurs pour identifier les comportements anormaux des équipements et déclencher une maintenance préventive avant qu’une panne ne survienne. En sous-sol, la plateforme applique la vision par ordinateur à l’imagerie thermique des structures électriques du client : un modèle de machine learning basé sur TensorFlow a été entraîné et validé sur infrastructure de calcul, puis porté sur une plateforme matérielle embarquée NXP, permettant une inférence en edge AI au plus près de l’actif et réduisant la dépendance à un traitement centralisé.
Cette approche automatise l’inspection visuelle des actifs électriques, contribuant à réduire l’effort d’inspection manuelle et la dépendance du client à une expertise terrain spécialisée, tout en identifiant plusieurs classes d’actifs et de défauts à partir de l’imagerie thermique, y compris les signes précoces de points chauds électriques. Pour rendre ces deux flux de données exploitables, ACL Digital a conçu un tableau de bord personnalisable permettant aux équipes du client de visualiser facilement les données de capteurs et d’analyser l’état de santé du système grâce à des paramètres configurables, les aidant à repérer les problèmes potentiels en amont, sur l’ensemble de l’infrastructure. La solution s’appuie sur le framework IoTiFy, Python, TensorFlow Lite et Scikit-learn, AWS IoT Cloud, l’Edge ML, ainsi qu’un modèle TensorFlow porté sur du matériel edge embarqué NXP.
Indicateurs de performance clés :
- Plus de 250 000 structures électriques souterraines intégrées au périmètre d’inspection
- Plus de 25 000 images thermiques annotées pour l’entraînement du modèle de machine learning
- Précision de détection des points chauds supérieure à 95 %
Une énergie fiable, des coûts réduits
En détectant précocement les comportements anormaux des équipements, qu’il s’agisse de signatures vibratoires en surface ou de points chauds thermiques en sous-sol, la plateforme permet au client de passer d’une maintenance réactive à une maintenance préventive, générant jusqu’à 50 % d’économies sur les coûts associés tout en offrant des services plus rapides et plus efficaces. Les capacités de résolution rapide et de diagnostic avancé donnent aux équipes opérationnelles la confiance nécessaire pour agir avant que les problèmes ne s’aggravent, soutenant ainsi une distribution d’énergie fiable et une satisfaction client élevée.
La puissance de l’IA a permis à ce fournisseur d’énergie de moderniser la surveillance de ses infrastructures, en surface comme en sous-sol, et de réduire ses coûts de maintenance, tout en garantissant une distribution d’énergie fiable.
