Conception d’un Digital Twin industriel intelligent pour la surveillance des équipements et la maintenance prédictive basée sur l’Edge AI.

Conception d’un Digital Twin industriel intelligent pour la surveillance des équipements et la maintenance prédictive basée sur l’Edge AI.

IoT & Systèmes Embarqués

L'arrêt inopiné d'un équipement critique dans une usine entraîne des coûts d'exploitation et des pertes de production colossaux. Ce projet consiste à concevoir un Jumeau Numérique (Digital Twin) temps réel combiné à des algorithmes de Machine Learning embarqués (Edge AI / TinyML) sur microcontrôleurs pour analyser en direct les vibrations, le courant et la température de machines industrielles, afin de prédire les pannes mécaniques avant leur survenue.

Élève Ingénieur / Master en Systèmes Embarqués, IoT, Génie Mécatronique ou Automatique

• Instrumenter un banc de test industriel avec des capteurs physiques de haute précision (accéléromètres MEMS, sondes thermiques, pinces ampèremétriques). • Développer et optimiser des modèles TinyML légers (autoencodeurs, FFT + SVM/CNN) capables de s'exécuter sur cibles microcontrôleurs à très basse consommation. • Mettre en place un jumeau virtuel 3D synchronisé en temps réel via MQTT / OPC-UA reflétant l'état de santé cinématique de l'équipement. • Fournir un tableau de bord de maintenance prédictive calculant la durée de vie utile restante (RUL - Remaining Useful Life).

Digital Twin, Edge AI / TinyML, Edge Impulse, STM32 / ESP32, MQTT, OPC-UA, InfluxDB, Grafana, Three.js, Python

1. Firmware Edge AI embarqué pour la détection temps réel d'anomalies vibratoires.
2. Modèle virtuel 3D interactif synchronisé bidirectionnellement avec le composant physique.
3. Plateforme logicielle de supervision de maintenance avec calcul prédictif de RUL.
4. Rapport de PFE scientifique avec analyse des performances énergétiques et algorithmiques.

Fiche du sujet : https://drettousyjamal.com/pfe/conception-dun-digital-twin-industriel-intelligent-pour-la-surveillance-des-equ

Candidature : https://intern.yanecode.com/apply