Retour au portefeuille

AMIRAL TECHNOLOGIES

Startups créées

Visualiser là où ça ne tourne pas rond

Photo de profil de   Philippe Mattia
Contact Linksium Philippe Mattia +33 (0)4 57 13 81 65 philippe.mattia@linksium.fr
AMIRAL TECHNOLOGIES Katia Hilal, CEO katia.hilal@amiraltechnologies.com

Bénéfices

  • Augmenter la disponibilité des machines
  • Réduction de coût de maintenance
  • Prototypage rapide des algorithmes de décision

Mots clefs

  • Maintenance prédictive
  • Machine learning
  • Intelligence artificielle
  • Industrie 4.0

Propriété Intellectuelle

  • 5 logiciels

Partenariats & Récompenses

  • Lauréat i-Lab 2019

Laboratoire

  • GIPSA-LAB

Établissements

  • CNRS
  • GRENOBLE INP
  • UGA

Continuum Linksium

  • Maturation
  • Incubation
  • Accélération

Résultats

  • Startups créées

Contexte

Les maintenances des parcs machines sont le plus souvent basées sur des méthodes correctives et préventives qui présentent l’inconvénient de surestimer la nécessité d’inspections et d’arrêts machines sans pour autant minimiser les risques de panne. Aujourd’hui, une tendance de fond se dégage dans le monde de l’industrie 4.0, celle de la maintenance prédictive qui exploitent les multiples données issues de divers capteurs pour prédire les défauts, le vieillissement et la fin de vie utile d’un équipement. La technologie d’Amiral Technologies, basée sur une innovation du laboratoire CNRS GIPSA-Lab, s’adresse aux industriels, aux équipementiers/manufacturiers et aux fournisseurs de plateformes d’IoT industrielles.

Technologie

Amiral Technologies propose :

  1. Une innovation unique dans les algorithmes de génération automatique de propriétés “features”, quelque soit la nature des signaux temporels en entrée (signal électrique, température, humidité, vibration, … ou une combinaison de ces signaux) et sans besoin d’expertise métier. Les features ainsi générées sont plus riches, plus discriminantes et produisent des performances supérieures avec les algorithmes d’IA et de Machine Learning.
  2. Des modèles génériques et spécifiques d’IA, prêts à être adaptés aux spécificités des équipements pour apprendre, prédire et générer des alertes de maintenance pertinentes : matériels défectueux, signes de vieillissement, approche de fin de vie utile.

Avantages

  • Des modèles prédictifs rapide à concevoir (quelques jours au lieu de plusieurs mois)
  • Des gains immédiats sur les coûts de maintenance (de 30 à 50% selon le processus actuel).
  • Des gains immédiats en disponibilité des équipements Jusqu’à 100% (résultats obtenus sur un dataset industriel réel).

Maturité

La technologie a été mise en œuvre au laboratoire et validée sur des données industrielles. Amiral Technologies a remporté le challenge « Digital Industry Program » organisé par General Electric pour la maintenance prédictive pour le client HP. Plusieurs cas d’étude industriels sont en cours pour obtenir une preuve de concept complète sur sites.

Applications

  • Prédiction de la durée de vie utile : Modèle générique et son application pour les contacteurs industriels et les turbo réacteurs.
  • Prédiction de défauts : Modèle générique et son application aux points d’aiguillage des rails et aux imprimantes industrielles.
  • Prédiction de vieillissement : Modèle générique et son application aux éoliennes et aux moteurs à induction.