EphèseLe catalogue de la bibliothèque de l'ECAM

Titre :	Analyse et élaboration d’un sous-modèle de maintenance prédictive sur un cyclone ® Kiube de chez IBA
Type de document :	Travail de fin d'études
Auteurs :	Martin Ruyssen, Auteur ; Patrick Delcour, ; Pierre Colon,
Editeur :	ECAM
Année de publication :	2022
Note générale :	ION BEAM Application
Langues :	Français (fre)
Index. décimale :	TFE - Electromécanique
Résumé :	L’évolution du nombre de données récoltés par les capteurs ne cesse d’augmenter dans l’industrie. Le traitement et l’analyse de ces données est devenu un enjeu primordial. Chez IBA, expert en développement et réalisation de cyclotrons, ce nombre peut atteindre les millions de données par mois pour un seul capteur. Dans le cadre mon travail de fin d’étude, une analyse de ces données a été demandé depuis la database « Splunk » développé au sein d’IBA, ainsi qu’une étude des points critiques ou indicateurs de défauts. Ensuite, une étape de création d’un sous-modèle (reprenant soit la source, le stripper, la main coil, la cible, vacuum et le watercooling) permettant de faire une corrélation avec une approche physique. Pour terminer la réalisation d’un proof of concept. Cette analyse s’oriente dans une volonté d’orienter la maintenance systématique vers de la maintenance prédictive, permettant d’anticiper les défauts et une meilleure lecture de l’état de la machine lors de son fonctionnement.

Analyse et élaboration d’un sous-modèle de maintenance prédictive sur un cyclone ® Kiube de chez IBA [Travail de fin d'études] / Martin Ruyssen, Auteur ; Patrick Delcour, ; Pierre Colon,  . - ECAM, 2022.
ION BEAM Application
Langues : Français (fre)

Index. décimale :

TFE - Electromécanique

Résumé :

L’évolution du nombre de données récoltés par les capteurs ne cesse d’augmenter dans l’industrie. Le traitement et l’analyse de ces données est devenu un enjeu primordial. Chez IBA, expert en développement et réalisation de cyclotrons, ce nombre peut atteindre les millions de données par mois pour un seul capteur. Dans le cadre mon travail de fin d’étude, une analyse de ces données a été demandé depuis la database « Splunk » développé au sein d’IBA, ainsi qu’une étude des points critiques ou indicateurs de défauts. Ensuite, une étape de création d’un sous-modèle (reprenant soit la source, le stripper, la main coil, la cible, vacuum et le watercooling) permettant de faire une corrélation avec une approche physique. Pour terminer la réalisation d’un proof of concept. Cette analyse s’oriente dans une volonté d’orienter la maintenance systématique vers de la maintenance prédictive, permettant d’anticiper les défauts et une meilleure lecture de l’état de la machine lors de son fonctionnement.