Apprentissage profondCette technologie comprend toutes les techniques d’apprentissage (apprentissage automatique) et en particulier l’apprentissage profond. L’apprentissage profond s’appuie sur la technologie des neurones artificiels conçue à la fin des années 1950, ainsi que sur l’énorme puissance de calcul dont nous disposons aujourd’hui pour doter les ordinateurs d’un « cerveau virtuel » composé de milliers, voire de millions de neurones capables d’apprendre.C’est cette technique d’apprentissage profond qu’Acoem utilise aujourd’hui au sein du moteur d’intelligence artificielle AccurexTM pour développer des capacités de diagnostic automatique des solutions de surveillance des vibrations. C’est cette technique d’apprentissage profond qu’Acoem utilise aujourd’hui au sein du moteur d’intelligence artificielle AccurexTM pour développer les capacités de diagnostic automatique des solutions de surveillance des vibrations. Tout d’abord, elle permet d’éviter d’analyser des signaux provenant de machines saines ou de celles dont les défauts sont évidents. Les experts peuvent ainsi surveiller un groupe plus important de machines et consacrer plus de temps à des cas plus complexes pour limiter le risque d’erreur dans l’analyse. Deuxièmement, il fournit un diagnostic fiable et facilement compréhensible permettant aux non-spécialistes d’être autonomes dans leur prise de décision, et là encore les experts gagneront du temps car ils ne seront pas sollicités à tout bout de champ.Cependant, comment apprendre à un ordinateur à formuler un diagnostic vibratoire fiable ? C’est là tout l’intérêt d’un module d’intelligence artificielle pertinent. La réponse est simple : fournir de bons enseignants.
Chez Acoem , les enseignants sont nos propres experts, ce sont eux qui sélectionnent les données qui servent de base à la réflexion dans AccurexTM (données d’entrée). C’est leur diagnostic qui sert de résultat à atteindre (output), et c’est leur méthode d’analyse que nous nous efforçons de reproduire (process).En mettant toute notre expertise dans ce processus d’apprentissage supervisé où la machine, en utilisant le diagnostic humain comme référence, travaille sur les données représentatives du problème à identifier, nous améliorons plus efficacement le modèle mathématique, les algorithmes et la stratégie d’apprentissage d’AccurexTM.Grâce à ses professeurs, AccurexTM est maintenant parfaitement formé aux bases de l’analyse vibratoire, ayant maîtrisé toutes les règles explicites. Il ne reste plus qu’à lui faire acquérir le sens de l’intuition qui conduit un expert chevronné à formuler un diagnostic exact à partir de quelques symptômes mais sans preuve indiscutable. C’est ce que nous tentons de réaliser aujourd’hui, mais nous n’avons pas l’intention de nous arrêter là. Nous travaillons déjà sur un processus d’apprentissage non supervisé dans lequel l’outil d’analyse des vibrations apprendra à explorer et à comprendre les données elles-mêmes avant de les regrouper en sous-ensembles d’éléments similaires. Avec l’apprentissage non supervisé, l’outil pourrait aller jusqu’à signaler un changement de comportement dans une machine tout en nous expliquant d’où vient ce changement. Il pourrait même améliorer l’expertise de nos experts en leur permettant de découvrir des preuves au sein de données qui restent encore invisibles à l’œil nu.Avec l’intelligence artificielle, nous entrons dans un véritable cycle vertueux d’analyse vibratoire qui profitera à l’humanité. Et l’aventure ne fait que commencer !
