Ce projet vise à évaluer les données générées par les systèmes informatiques du diagnostic afin de définir la faisabilité de la mise en œuvre d’une solution de maintenance prédictive pour l’industrie automobile.
L’une des difficultés majeures de la maintenance automobile est l’évolution des prestations clients qui s’enrichissent et s’appuient sur des systèmes électroniques qui tendent à devenir de plus en plus complexes. De plus, le produit automobile est prévu pour fonctionner pendant 20 à 25 ans avec une configuration électronique qui est amenée à évoluer (maintenance, réparation EE, etc..). Compte tenu de la complexité croissante du produit automobile d’une part, et des avancées dans le domaine du machine learning, d’autre part, la maintenance devient un enjeu économique majeur pour les constructeurs attachés à respecter les contraintes de sécurité des biens et des personnes.
Ce projet de recherche est axé sur l’évaluation des données générées par les systèmes IT du diagnostic appliqué à l’automobile afin de déterminer la faisabilité de l’implémentation d’une solution de maintenance préventive. D’une durée de quatre mois, ce projet est mené par le Swiss Data Science Center, un centre commun de l’EPFL et de l’ETH Zurich. Il est financé par Groupe PSA.
| Investigateur principal | Olivier Verscheure |
|---|---|
| Sponsor | Groupe PSA |
| Période | 2017-2018 |
| Laboratoire | SDSC |
| Collaboration | TRACE |