[PDF] PREDICTIVE MAINTENANCE OF RAILWAYS VIA DRONES

Cercle de confiance Numérique CNIS des Industries Stratégiques

¡ Créer un cercle de confiance regroupant les décideurs du numérique des industriels des industries stratégiques et les forces vives de l’AFNeT ¡ Créer une dynamique de partage et de progrès autour des problématiques du numérique dans l’entreprise étendue, au travers d’échanges de haut niveau entre acteurs ayant des

Booster la compétitivité des filières industrielles grâce au

Depuis 2011, l’AFNeT organise le Cercle de Confiance Numérique des Industries Stratégiques (CNIS) Le “Kick-Off Meeting” du CNIS a lieu à l’Ecole des Mines de Paris Prochaine édition le 25 septembre 2019 Objectifs du CNIS : • Créer un cercle de confiance regroupant les décideurs, • Créer une dynamique de partage et de progrès

CNIS Programme 2011-2012-V6

5ème édition des Etats Généraux de la Transformation

5ème édition des Etats Généraux de la Transformation Numérique des filières industrielles Jeudi 30 novembre 2017 de 9h00 à 18h45 MEDEF, 55 Avenue Bosquet, 75007 Paris Boost-Industrie, organisé par l’AFNeT, est le rendez-vous annuel sur la transformation numérique des filières industrielles :

Fédération des industries électriques, électroniques et de

à l’implication des acteurs de nos industries au sein des commissions, groupes de travail et comités de liaison spécialisés Les orientations stratégiques de ces derniers ont une nouvelle fois été adaptées afin de répondre aux priorités 2017, collectivement définies autour d’objectifs et de résultats partagés

INDUSTRIES

de vente sur le coût des matières premières ou de s’assurer un engagement moral de leurs clients sur les volumes importants Autres pistes d’actions : la diversification des fournisseurs et le recyclage pour obte - nir des matières premières de 2ème vie Les réflexions engagées sur la politique

La « Nouvelle France Industrielle

Emmanuel Macron, ministre de l'Economie, de l'Industrie et du Numérique Articulé autour des neuf solutions industrielles, il poursuit trois objectifs : - proposer des solutions, offres intégrées de biens et de services répondant à un nombre resserré de marchés prioritaires Pour chacune des solutions, une feuille de route est définie

Que pensent les chefs de direction canadiens?

d’importantes questions La confiance des entreprises est en hausse, mais elle s’accompagne d’une certaine prudence à cause de la situation géopolitique, de l’évolution technologique et des enjeux liés à l’innovation et au recrutement de talents PwC 3 1 Résultats de la 19e enquête mondiale annuelle auprès des chefs de direction

PREDICTIVE MAINTENANCE OF RAILWAYS VIA DRONES

Dans le cadre de ses missions, il a développé une expertise intégrée au monde ferroviaire en vision industrielle, les systèmes de mesure et sur l’usage des drones Aujourd’hui CTO d’Altametris, il pilote l’ensemble des programmes de R&D de la société, pour le développement d’applications et de systèmes

Echange avec Miguel Gonzalez- Sancho Cercle Europe & DG

numérique, cela se décline par nécessité à travers l’ambition d’une coopération renforcée pour la cybersécurité Or en la matière la confiance entre les Etats membres est déterminante Cette vision entre en résonnance avec les derniers rapports de l’agence de l’UE pour la cybersécurité

[PDF]

[PDF] STATUTS DE L ASSOCIATION

[PDF] I - Contexte : Cahier des Charges

[PDF] Convention collective nationale de la coiffure et des professions connexes du 10 juillet 2006. Etendue par arrêté du 3 avril 2007 JORF 17 avril 2007.<

[PDF] RESPONSABLE ADMINISTRATIF ET FINANCIER DU PROJET D APPUI À LA GOUVERNANCE INSTITUTIONNELLE (PAGI)

[PDF] COMMENT LES BANQUES PRIMAIRES POURRAIENT FACILITER L ACCES DU SECTEUR PRIVE AU FINANCEMENT

[PDF] BULLETIN OFFICIEL DES ARMÉES. Édition Chronologique n 12 du 24 mars PARTIE TEMPORAIRE Armée de l'air. Texte 12

[PDF] rihab coaching Espace d intervision de coachs

[PDF] BULLETIN OFFICIEL DE POLE EMPLOI

[PDF] Votre présence parmi nous témoigne de l esprit d ouverture, d échanges d expériences et de coopération qui nous anime tous.

[PDF] ANNEXE B : Cahier des charges de la prestation «conseil en ressources humaines»

[PDF] Propulsion. Propulsez vos gestionnaires vers l excellence! OBJECTIFS DU PROGRAMME

[PDF] I. Renseignements généraux

[PDF] 1.2.2. Les initiatives en faveur de l annulation de la dette des pays pauvres

[PDF] BROCHURE D INFORMATION. Examen professionnel de catégorie B Accès au grade de secrétaire de documentation de classe supérieure

PREDICTIVE MAINTENANCE

OF RAILWAYS VIA DRONESV2.2

FRÉDÉRICK VAUTRAIN, Société VISEO

Experienced Director Data Science with a demonstrated history of working in the information technology and services industry. Skilled in Industry, E-commerce, Statistical Modeling, Big Time series, Entrepreneurship, and Data Science Management. Strong research professional graduated from PhD MathsAppliUniversitéDauphine -HEC Paris Challenge +

Linked

-in :https://www.linkedin.com/in/frédérick-vautrain-175552/

GUILHEM VILLEMIN, SOCIÉTÉ ALTAMETRIS

(Ecoles, Universités, Laboratoires, Entreprises, Collectivités). Il a pu élargir son champ de

compétences au design de système de diagnostic et au Système Ferroviaire, plus focalisé sur la Surveillance et la Maintenance. Dans le cadre de ses missions, il a développé une expertise intégrée au monde ferroviaire en vision industrielle, les

Linked

-In: https://www.linkedin.com/in/guilhem-villemin-71b97b8a www.thavo.com @vThavo

2017/18: Microsoft RegionalDirector

2015,16,17,18, 19: Azure MVP Award

2015: MS p-Seller Azure+ DevOps + Data/AI

2015: WPC Orlando: Top 5 best pSellerFr

2013-2015 : Microsoft vTSPAzure

CERTIFICATIONS / DEGREES:

-PgD& MScIT in Intelligent Systems (distinction & 1st rank) ; BEngHonors -ITIL v3, PRINCE2, ScrumMaster, -Microsoft CertifiedProfessional

Author & co-author : DevOps & Azure

(France & internationalwww.aka.ms/aiplaybook) -Published books, white paper & magazines -Round Table panels including live streaming

Activitéschez VISEO

-Responsable du partenariat

Microsoft France et Corp

-Partenaire OPC UA (standard mondial IoT industriel) -Etablissement de stratégies pour obtenir les médailles : . Microsoft Gold Partner . N°1 monde en "Azure IoT

Central»

. N°1 France en Microsoft AI . Acteur majeur en Azure IoT en

France et IoT Edge

. Co-écriture livres MS Corp -PoC Innovants en IoT Edge et AI et Quantique

Microsoft RegionalDirector:

Nommé par Microsoft Corp à

travailler sur la stratégie sous NDA de Microsoft Corp et ses clients clefs.

Cercle fermé limité à 500 individus

dans le monde

VINCENT THAVONEKHAM, Société VISEO

Microsoft RegionalDirector& Microsoft MVP Azure

Speaker dont keynote15000 participants

durant MS Experiences, avec VP ExecMS Corp 5

PREDICTIVE MAINTENANCE -

BACKEDBY OUREXPERTISE IN

ARTIFICIAL INTELLIGENCE

analysis

Better knowledge and understanding of

your data, closer to similar profiles, reduced number of variables prediction

Analysis, advanced mathematical

modelling and forecasting (rare events, evolution of values in time...) technology

Optimization of data processing,

architecture, collection infrastructures interpretation

Interactive visual representation, abnormal

behavior detection, sorting of data in defined classes

MAINTENANCE

6

Predictive maintenance

minimize the number of unexpected breakdowns and maximizing asset uptime which improves asset reliability

reduce operational costs by optimizing the time you spend on maintenance work (in other words, doing maintenance only when you

need to do it practically eliminates any chance of you wasting time doing excessive maintenance) improve your bottom line by reducing long-term maintenance costs and maximizing production hours Fix whenitBreaksMaintainitat regularintervalPredictexactlywhen itwillbreak

Identifylever for action to avoid

predictivefailure

REACTIVEPREVENTIVEPREDICTIVEPrescriptive

DATA FOR MAINTENANCE PREDICTIVE/PRESCRIPTIVE

7

Predictive

maintenance: usingcondition-monitoring sensors

Image / video

Vibration

Temperature

Pressure

Sound Oil

DATA FOR MAINTENANCE PREDICTIVE/PRESCRIPTIVE

8

Predictive

maintenance: usingcondition-monitoring sensors

Prescriptive maintenance:

usingcondition-monitoring sensors+ externaldata

Image / video

Vibration

Temperature

Pressure

Sound Oil

Work order

Climate

Usage traffic

Raw MaterialMachine Type

DATA FOR MAINTENANCE PREDICTIVE/PRESCRIPTIVE

9

Predictive

maintenance: usingcondition-monitoring sensors

Prescriptive maintenance:

usingcondition-monitoring sensors+ externaldata

Image / video

Vibration

Temperature

Pressure

Sound Oil

Work order

Climate

Usage traffic

Raw MaterialMachine Type

DATA SCIENCE

ARTIFICIAL

INTELLIGENCE

ARTIFICIAL INTELLIGENCE: TWO SCENARIOS

Adequacy between the availableinformation and the use case

Detect

preciselya phenomenon

Explain

a phenomenonto identifyleverage

Neural networks

-Deep learning

Modeling

-regression

Many images to

collect and annotate for to learn

Few images needed: ModelingForms

Use casesAlgorithm

Data Why is a metal plate defective?Detectwhichinsulatorhas default

OUR APPROACH

11

Collaborative and iterative

FRAMECOLLECTE/EXPLORESCALEPERFORM

Contextunderstanding

Identification of scenarios on

the components to implement

IT environment

Scope of the project

SuccessCriteria

Planning and main hypothesis

for NextSteps

Exploratoryanalysisin the Labto test

the value of the data.

Producefeature

Engineeringenrichment& selection),

Test and train severalModelsand

keepthe best,

Datavisualisation development

Extension of the use case and the

model beyonditsinitial Perimeter

Industrializationof the production

of analyses and recommendations.

Supervise and monitor the

decision-makingsystem and

AssociatedModels

disseminateinformation and actions throughouttea

Organizationand ensure

Adoption.

START SMALL

To Secure the economicimpact and return on investmentof thesisprojects;

Quicklydetectthe lackof value.

THINK BIG

Aimingfor an industrializableDeviceby design.

AI isan oldstory

WHY thishype?

ARTIFICIAL INTELLIGENCE / INTELLIGENT EDGE

. EXEMPLE OF THE "MARKETING» HYPE . WHAT IS IT ? . WHY ? . HOW ? 13 EXAMPLE OF THE "MARKETING» HYPE "JUST» ON THE IOT & ARTIFICIALINTELLIGENCE TOPIC 14

Cercle de confiance Numérique

des Industries Stratégiques

Tous les salariés France

VISEO on Keynote

Event of 15000 people over 2 days

It isa 10 000 m^2 event

Theater of 4000 people

200 000 people connected on Live TV

(Vice-PresidentCorporateMicrosoft Azure worldwide). 15

Julia White Keynote, VP corpAzure worldwide

4000 attendees, 200000 on LiveTV. Video

https://youtu.be/uC6skEWqgdg?t=370 16

Vincent

Thavonekham, MVP,

MS Regional Director

Event of 124000 people over 3 days

2500 journalists

231 millions people of social network

3 billions of unique visitorson the Internet !

The SNCF wasthe numberone in termsof buzz

ARTIFICIAL INTELLIGENCE / INTELLIGENT EDGE

. EXEMPLE OF THE "MARKETING» HYPE . WHAT IS IT ? . WHY ? . HOW ? 18

WITHOUT INTERNET

19 weeks

WITH INTERNET

$$$$ & energy

IoT Hub

Stream

analytics

Not real-time analysis !

WithoutIntelligent Edge

GAIN FOR ALTAMETRIS / SNCF

AVEC INTELLIGENT EDGE

20 "Simple processing» near-real-time "Complexprocessing» in central

ARTIFICIAL INTELLIGENCE / INTELLIGENT EDGE

. EXEMPLE OF THE "MARKETING» HYPE . WHAT IS IT ? . WHY ? . HOW ? 21

NEED OF ALTAMÉTRIS

1.Capturing the massive data / topological

Images, video

Head maps

2.Have a Digital Twins of the reality

3D-clouds of laser dots

Infinite "zoom»

3.Inspection / Detection / prediction of failiure

22

Massive projet :

-Asset management 30 000 km (19000 Miles) railway nationwide -Training VR / Maintenance -IoT with trains & drones

3D model based on 42 056 858 445 laser points

750 km (466 miles) Paris Lyon

ARTIFICIAL INTELLIGENCE / INTELLIGENT EDGE

. EXEMPLE OF THE "MARKETING» HYPE . WHAT IS IT ? . WHY ? . HOW ? 24

OVERVIEW: LIFECYCLEOF AN AI

IoT Droneet

R&D Data

Acquisition

DataSet

annotations!

Compute

(train + execute)

ModelihgEvaluation

Do it again

Cameras choices

= weeks!

2 weeks

over 1000 images = Trainees !

3 weeks3 weeks

Many hours of GPUEvaluation of

performance 25

MASSIVE DATASET

26

Thousands

of images & video

Combined

withreal insulators

Labelling withrectangles

ALGORITHM

Weeks of reseaches

Numerous

iterations with ALTAMETRIS / SNCF 6

Example :

https://youtu.be/uC6skEWqgdg?t=370

CreditGuilhem Villemin, CTO ALTAMETRIS

MANUAL TRANSFER TO THE DRONE VS AUTOMATEDDEPLOYMENT SOIT DIRECTEMENT de la box ADVANTECH vers le DRONE

Or, via AZURE IoT Edge (& DOCKER/LINUX)

via DevOps

Either

DIRECTcopy/pastfromADVANTECH box to the DRONE

CONCLUSION

29

CONCLUSION

The IoT and Intelligent Edge are a reality

AI isthe nextBIG THING

There isa robustapproach, but isNO genericsolution Need "real» DataScientistswithsolidstatistical& mathematical background AND KnowledgeExpertise

And alreadypresentin Factoriesfor manyyears

30
31
31

INDUSTRY 4.0 / SMART FACTORY

32

Whereefficiencyisseekedfor manydecades:

Smart Factory: Cloud + IoT + 3D + training

QUESTIONS

33

HARDWARE

34
quotesdbs_dbs12.pdfusesText_18