Aller au contenu
Smith Lino Moreno
Retour aux projets

PredictMOP, maintenance prédictive

IA, 2026

Plateforme qui anticipe les pannes à partir des vibrations et de la thermographie.

Tableau de bord PredictMOP : synthèse de 21 équipements par sévérité et carte de chaleur par zone.
Tableau de bord PredictMOP : synthèse de 21 équipements par sévérité et carte de chaleur par zone.

5

modèles comparés

ISO

sévérité vibratoire

ProblèmeLes arrêts imprévus étaient détectés tard : vibrations et images thermiques étaient revues à la main, sans critère de sévérité commun.
SolutionModèles de Machine Learning (Random Forest, Gradient Boosting, XGBoost, Ridge, ElasticNet) avec détection d'anomalies Isolation Forest, filtre de Kalman et nettoyage IQR validés par k-fold ; vision par ordinateur (ORB, homographie, RANSAC) lisant la température des thermographies ; sévérité vibratoire ISO et tableau de santé des actifs sur FastAPI et PostgreSQL.
RésultatsAlertes précoces sur l'état des équipements et une seule vue de sévérité et criticité pour décider où intervenir d'abord.
TechnologiesPython, scikit-learn, XGBoost, OpenCV, FastAPI, PostgreSQL

Autres projets

Prêt à mieux décider grâce à vos données ?

Réservez une consultation gratuite de 30 minutes et recevez un premier diagnostic de votre situation.