L’expertise IoT et IA au service de la maintenance prédictive de Stélia Aérospace

Les cadences de production dans le monde industriel nécessitent de garantir une meilleure disponibilité des outils tout en sécurisant la production. Découvrez comment Stelia Aerospace s’appuie sur le machine learning dans un objectif de maintenance prédictive. Et comment, au-delà de l’efficacité opérationnelle, l’IA participe, à plus grande échelle, à la transformation digitale de l’entreprise.

L’une des préoccupations quasi quotidiennes d’un industriel est l’arrêt machine. Qu’il dure quelques jours et le coût devient vite prohibitif. De sorte que le Graal d’un fabricant quel que soit son secteur d’activité est de pouvoir prévenir une panne avant qu’elle n’intervienne. Ce qui suppose de truffer les machines de capteurs connectés et d’être capable de remonter et d’analyser une masse très volumineuse de données. Stelia Aerospace, une filiale d’Airbus, qui est l’un des principaux fabricants mondiaux de pièces d’aérostructures de grande taille, a ainsi missionné Capgemini pour concevoir une solution globale de maintenance préventive, ou prédictive. Ce projet a démarré au début de 2018 avec un premier cas d’application sur des machines d’usinage 5 axes installés dans l’un des sites de Stelia Aerospace, une usine basée à Tunis et qui fabrique des petits sous-ensembles métalliques.

« Nous avons démarré avec 4 machines dans lesquelles nous avons implanté différents capteurs », raconte François Calvignac, responsable de l’activité Industrial Internet Of Things de Capgemini. Naturellement, les experts de l’IoT de Capgemini n’ont pas choisi au hasard où ils allaient installer ces capteurs, en l’occurrence trois accéléromètres et deux capteurs de température. En concertation avec Stelia Aerospace, c’est la broche qui est sélectionnée, une pièce maîtresse dans une machine d’usinage puisque c’est elle qui maintient l’outil en place. Les accéléromètres servent à mesurer les vibrations autour de… Lire la suite

L’expertise IoT et IA au service de la maintenance prédictive de Stélia Aérospace
Cookies

En continuant à naviguer sur le site web, vous acceptez l’utilisation des cookies

Pour changer la configuration des cookies sur votre ordinateur ou obtenir davantage d’information, veuillez consulter la page Données personnelles

Fermer

Fermer les informations cookies