L’intelligence artificielle au service de la maintenance des roulements

Une caméra intégrée avec source lumineuse permet de piloter la broche en continu. © KIT

L’institut de technologie de Karlsruhe a conçu un système mêlant caméra intégrée et intelligence artificielle pour déterminer l’état des broches dans les machines-outils. Quand la data se met au service de la mécanique…

En ingénierie mécanique, la maintenance et le remplacement à temps de composants défectueux dans les machines-outils constitue une part primordiale du processus de production. Dans le cas des vis d’entraînements à billes, comme celles utilisées dans les tours pour guider avec précision la production de composants cylindriques, l’usure a jusqu’à présent été déterminée manuellement. Le professeur Jürgen Fleischer, de l’institut des technologies de production (WBK), au sein de l’institut de technologie de Karlsruhe, précise : « Notre approche consiste à intégrer une caméra intelligente directement dans l’entraînement, ce qui permet à l’utilisateur de contrôler en continu l’état de la broche. Si une action est nécessaire, le système en informe l’utilisateur automatiquement. » Ce nouveau système combine une caméra équipée d’une source lumineuse fixée sur l’écrou de l’entraînement. L’intelligence artificielle évalue les données visuelles. Lorsque l’écrou se déplace sur la broche, le système photographie chaque portion, ce qui permet l’analyse de l’intégralité de la surface de la broche.

L’IA au service de la mécanique
Combiner les données visuelles issues d’opérations en cours avec les méthodes de machine-learning permet aux utilisateurs de ce système de d’évaluer directement l’état de la surface de la broche. « Nous avons développé notre algorithme sur la base de milliers d’images, de manière à ce qu’il puisse faire la différence entre une broche défectueuse et une broche en bon état » estime Tobias Schlagenhauf, de l’institut de technologie de Karlsruhe, qui a participé au développement de ce système.
Il poursuit : « En examinant plus précisément les images, nous pouvons évaluer avec précision l’état d’usure et affirmer si la décoloration résulte simplement de la saleté ou d’une érosion. » Durant l’entraînement de l’intelligence artificielle, l’équipe a tenu compte des diverses formes de détérioration visibles, et a validé l’algorithme sur la base de données jamais utilisées auparavant. Cet algorithme convient à tous types d’applications identifiant les défauts de surface visible sur une broche, et peut bien sûr être transposé à d’autres applications.

Nos dernières actualités

Poclain Hydraulics vient d’entrer au capital de deux entreprises : Emsiso, une société slovène experte des machines électriques, et Samsys, start-up française dédiée à l’internet des objets et l’IA.

Avec une hausse de 21% en 2021, à 1,16 milliard d'euros, ifm electronic enregistre des résultats records, qui valident la stratégie de cet ETI familial.

Le spécialiste des capteurs Baumer investit plus de 19 millions d'euros dans un nouveau centre de R&D au siège de Frauenfeld, en Suisse.

Tony Welter remplace désormais Astrid Mozes à la tête de la division hydrostatique.

Le chiffre d'affaires du fabricant Sick est en hausse de 19% et les commandes augmentent de 34% en 2021.

Le laboratoire d'Endress+Hauser vient d'obtenir son accréditation Cofrac pour l'étalonnage de chaînes de mesures et transmetteurs de température exploitant des sondes Pt100.