MISE: Predictive Maintenance

Grâce à la maintenance prédictive, nous cherchons à détecter les besoins de maintenance des équipements à un stade précoce et à déterminer et anticiper le moment idéal pour les travaux de maintenance. Les problèmes sur un équipement peuvent ainsi être détectés avant qu’une défaillance ou une panne ne se produise.

Contrairement aux stratégies de maintenance basées sur le temps, les méthodes de maintenance prédictive fournissent des recommandations fondées sur l’état réel de l’installation. Cela nécessite une surveillance continue de l’équipement et de ses sous-systèmes critiques avec des systèmes de capteurs appropriés. La maintenance prédictive permet d’améliorer la disponibilité tout en réduisant les couts, les travaux de maintenance n’étant effectués que lorsque l’état effectif de l’installation le justifie.

Projets de recherche

Dans le cadre de notre projet de recherche avec l’entreprise WinJi AG, nous développons des algorithmes d’apprentissage automatique pour la détection automatique précoce des défaillances dans les centrales éoliennes. Pour cette phase, nous combinons les données issues des capteurs de vibromètres à haute fréquence et du système de supervision SCADA. Les algorithmes d’apprentissage automatique conçus sont utilisés pour la plateforme TruePower de WinJi. Celle-ci aide les gestionnaires d’actifs dans les parcs éoliens et les centrales solaires à mener un suivi rentable et à détecter en amont les défaillances de performance et les défauts fonctionnels, permettant ainsi une maintenance basée sur l’état des centrales.

Predictive maintenance - Mise
Predictive maintenance - Mise

Réseau: Smart Maintenance Network

Le Swiss Smart Maintenance Network regroupe des gestionnaires d’actifs, des scientifiques des données et des professionnel-le-s de la maintenance qui développent ou utilisent des systèmes et logiciels intelligents pour la maintenance basée sur l’état des actifs et des infrastructures, ou encore qui s’intéressent aux nouveaux développements et aux tendances dans le domaine de la maintenance prédictive. Les évènements de réseautage offrent un cadre aux échanges entre expert-e-s en maintenance basée sur les données et favorisent leur mise en réseau en Suisse.

Publications

  • Meyer, A., 2021, Multi-target normal behaviour models for wind farm condition monitoring, Applied Energy, Elsevier, doi: 10.1016/j.apenergy.2021.117342.

  • Meyer, A. and B. Brodbeck, 2020, Data-driven Performance Fault Detection in Commercial Wind Turbines, Proceedings of the 5th European Conference of the Prognostics and Health Management Society 2020, Turin, Italy, ISBN 978-1-93-626332-5 

  • B. Brodbeck and A. Meyer, Patent application PCT/EP2020/058768 “Device, Method and Computer Program for Evaluating the Operation of a Power Plant”, 2020