Le Machine Learning au secours du diagnostic moteur

PSA et Acsystème travaillent depuis un an à l’élaboration d’une nouvelle stratégie de diagnostic afin d’identifier les dysfonctionnements des organes groupes moto-propulseurs (GMP). Cette stratégie se base sur une méthode d’analyse graphique de type portrait de phase, analyse qui permet de déterminer les axes les plus discriminants entre des essais nominaux et des essais en défaut.

Une fois ces axes déterminés, nous utilisons des méthodes type réseau de neurones ou approximation de gaussiennes pour calculer sur chaque point de mesure sa probabilité d’être un point en défaut ou nominal. Ces méthodes utilisent MATLAB^® et Statistics and Machine Learning Toolbox™.

Ensuite, un algorithme de décision est mis en place pour lever une éventuelle alerte sur l’essai étudié. Cette méthode permet ainsi de tracer des défauts de manière beaucoup plus précise (distinction défauts électriques et mécaniques notamment) et d’éviter de mauvaises déposes en après-vente.