Détails du projet

Type: Projet du centre CRTI
Organisme: Centre de Recherche en Technologies Industrielles (CRTI)
Unité: Unité de Recherche en Mines et Métallurgie
Division: Division de Contrôle des systèmes industriels et des produits
Equipe résponsable: Equipe N°71 « Surveillance des systèmes industriels »
Période: 2022 - 2024
Version PDF: (.pdf)
Mots Clés: Industrie 4.0, machines tournantes, temps-réel, diagnostic des défauts, surveillance industrielle, intelligence artificielle, internet des objets IoT.
Description:
La maintenance prédictive est une tâche essentielle au bon fonctionnement de l’usine et à la sécurité des personnes. Compte tenu des coûts, il est judicieux d’établir un bon équilibre entre entretien préventif systématique et entretien correctif. La surveillance des installations concourt à limiter le niveau d’entretien préventif. Dans ce contexte, l’analyse vibratoire constitue un outil efficace de détection puis de diagnostic de défauts des installations industrielles. D’autre part, l’émergence de nouvelles technologies et la révolution numérique donnent vie à une nouvelle génération d’usines connectées et intelligentes qui s’amenuisent les frontières entre le monde physique et digital. Ce type d’industrie est appelé industrie du futur, l’industrie 4.0 ou quatrième révolution industrielles représentant un défi et une véritable opportunité pour l’industrie algériennequi reste actuellement dominée par la persistance de données économiques héritées du concept conventionnel d'industrie, c’est-à-dire une étroite dépendance technique, technologique etfinancière. Dans le but de participer à surmonter ce défi, ce projet vise à introduire des systèmes dediagnostic automatique et en ligne des organes mécaniques tournants notamment les machines tournantes qui occupent une place prépondérante dans l’industrie nationale dans un environnement de production de l’industrie 4.0. Donc, après avoir décrit les principales manifestations vibratoires des défauts de fonctionnement des machines, notre but est de réaliser des systèmes de diagnostic embarqué pour la détection , localisation et classification des défauts des machines tournantes en nous appuyant sur l’intelligence artificielle, approche d’internet des objets et la similarité et en analysant les signaux vibratoires permettant de déduire une politique de gestion efficace de maintenance.