Back to all Internships

Thumb

Internship

Mons

Multitel asbl

Maintenance prédictive par traitement automatique des signaux vibratoires

Company description

Reconnu comme un centre d'excellence au niveau international, Multitel développe et intègre des technologies émergentes dans le secteur industriel. Ces technologies s'articulent autour de quatre pôles d’activités : Réseaux et Télécoms, Photonique Appliquée, Signal & Systèmes Embarqués et Certification Ferroviaire.

Au sein du département Signal & Systèmes Embarqués, l'équipe d'Intelligence Artificielle joue un rôle crucial dans l'accompagnement des entreprises dans leurs projets d'innovation technologique et les accompagne depuis la phase de faisabilité jusqu’au produit minimum viable dans divers domaines applicatifs tels que l’aéronautique, l’automobile, les Smart Cities, l’Industrie 4.0, les sciences médicales, la défense, etc.

Job description

L'Internet des objets industriels (IoT) et les technologies centrées sur les données ont révolutionné l’industrie (industrie 4.0) en permettant aux réseaux informatiques de recueillir d'énorme quantité de données sur les machines connectées et de les transformer en informations exploitables. La surveillance de la santé des machines (Machine Health Monitoring) a pleinement intégré cette révolution et offre des solutions pour la détection des défauts après certaines défaillances (diagnostic), la prédiction des conditions de fonctionnement futures et la durée de vie restante (pronostic).

Les techniques d'apprentissage automatique (machine learning) sont considérées comme une solution puissante pour extraire des connaissances utiles et prendre des décisions appropriées à partir de grandes quantités de données. Ces nouvelles technologies sont donc utilisées aujourd’hui dans le domaine du traitement intelligent de signaux vibratoires où des capteurs de vibration miniatures sont développés. Ceux-ci permettent d'obtenir des informations sur les conditions de fonctionnement de l'équipement testé et de détecter la présence d'un défaut. On cherche donc des moyens de diagnostiquer automatiquement l'état de santé des machines tournantes, des plus petits roulements et engrenages aux plus gros moteurs à combustion et aux turbines.

 

Le suivi des conditions de fonctionnement de la machine et la détection de défaut est une technique cruciale pour garantir l'efficacité et la qualité de tout processus de production. La situation idéale étant de pouvoir prédire la défaillance de la machine à l'avance et effectuer l'entretien avant que la panne ne se produise.

 

Multitel possède une grande expérience dans le domaine du traitement du signal et dans les techniques d’apprentissage automatique (Machine Learning), et pourra ainsi fournir à l’étudiant le matériel et l’accompagnement nécessaires au bon déroulement du stage.

 

Les différentes étapes du stage sont les suivantes :

- Etat de l’art succinct des méthodes d’analyse automatique de signaux vibratoires ;
- Analyse exploratoire d’une base de données de signaux vibratoires ;
- Choix de la (des) méthode(s) de détection de défauts ;
- Prise en main des langages et librairies nécessaires (Python, Pandas, Scikit-learn...) ;
- Implémentation de la (des) méthode (s) choisie (s) ;
- Test et évaluation des performances ;
- Amélioration des approches algorithmiques (en option si TFE) ;
- Rédaction du rapport.

Searched Profile

Compétences en traitement du signal, connaissance du langage de développement Python, capacités d'analyse et de synthèse, autonomie.

 

We offer

Stage / TFE.

Durée : minimum 3 mois.

Possibilité d'embauche à la fin du stage.

Apply for this job
Only for undergraduate students

Articles you may want to read