3 Maintenance Prédictive pour Industries PFE

Contexte et objectifs

• Développement d’une plateforme mobile basée sur l’IA et l’IoT destinée aux industries et PME.
• Objectifs : surveiller l’état des machines en temps réel, prédire les pannes, optimiser les plannings de maintenance, générer rapports et fournir alertes automatiques.
• Public cible : industries et PME souhaitant réduire coûts et temps d’arrêt via maintenance prédictive.

Responsabilités et tâches

• Intégration de capteurs IoT (Arduino, Raspberry Pi, ESP32) pour collecte de données machines en temps réel.
• Conception et entraînement de modèles de détection/prédiction de pannes (scikit-learn, TensorFlow/PyTorch).
• Développement d’un backend pour traitement et stockage des données (Flask/Django ou Node.js) et d’un dashboard mobile/web pour visualisation.
• Implémentation d’alertes automatiques, recommandations d’intervention et génération de rapports exportables.

Profil recherché & compétences techniques

• IoT / Capteurs : expérience avec Arduino, Raspberry Pi, ESP32 pour acquisition et transmission de données.
• Data Science / IA : maîtrise de Python, Pandas, NumPy, scikit-learn et frameworks deep learning (TensorFlow ou PyTorch).
• Développement Web / Mobile : compétences en React.js ou Vue.js et frameworks CSS (Tailwind, Bootstrap) pour dashboards interactifs.
• Backend & BD : expérience en Python (Flask/Django) ou Node.js ; utilisation de PostgreSQL ou MongoDB pour historiques et interventions.

Livrables attendus

• Application mobile/web fonctionnelle permettant la surveillance en temps réel et la visualisation des états machines.
• Modèles prédictifs documentés et intégrés au pipeline de données pour anticiper pannes.
• Mécanisme d’alerte et génération de rapports interactifs et exportables (historique, interventions, KPIs).

📧 Pour postuler: internship@photocarb.com