Newtech
Découvrez comment DiagRams Technologies optimise la maintenance prédictive
Par Thierry Parisot, publié le 01 mai 2023
La start-up nordiste a développé un logiciel de maintenance prédictive pour anticiper les pannes et les anomalies sur les chaînes industrielles en utilisant les données remontées par les capteurs installés nativement sur les équipements.
Issue de l’Institut national de recherche en sciences et technologies du numérique (Inria), la start-up lilloise DiagRams Technologies propose depuis deux ans un logiciel de maintenance prédictive pour l’industrie, destiné à prévoir les pannes et mieux détecter les anomalies sur les chaînes de production. Ses algorithmes aident les techniciens à suivre l’état de santé du parc de machines et à corriger les dysfonctionnements.
Maintenance prédictive « made by » l’Inria
Incubée à EuraTechnologies puis aujourd’hui au Village by CA, la jeune pousse est le fruit de la rencontre entre Margot Corréard et Jean-François Bouin, alors collaborateurs à l’Inria, en charge des partenariats pour valoriser les technologies des équipes de recherche. « Approchés par plusieurs industriels qui souhaitaient faire de la maintenance prédictive sans investir dans de nouveaux équipements, nous avons initié un projet de R&D pour tester notre technologie sur leur historique de données, racontent-ils. Deux ans plus tard, après avoir été rejoints par Quentin Grimonprez, docteur en statistique et spécialiste en machine learning, lui-aussi à l’Inria, la demande du marché et les résultats obtenus nous ont donné envie de lancer notre entreprise. »
Comprendre l’origine d’un dysfonctionnement
Baptisée DiagRams Technologies, en référence aux études Rams (reliability, availabilty, maintenability, safety), la start-up s’est d’abord consacrée au business plan avant de travailler avec cinq entreprises pour concevoir les fonctionnalités et les interfaces du système cible, sur la base d’enquêtes et d’interviews terrain. Côté technique, « à partir d’une technologie issue des travaux de l’Inria, nous avons développé des algorithmes robustes, capables de s’adapter au contexte de chacun de nos clients et de répondre à leurs objectifs spécifiques : détecter le plus tôt possible un problème, comprendre l’origine d’un dysfonctionnement récurrent, optimiser les plannings d’intervention, améliorer les performances des équipements, etc. », explique Margot Corréard.
DiagRams affichant
le tableau de bord
et les anomalies
sur les équipements
d’un chantier.
Faire face à la pénurie de techniciens
Pour cela, le système analyse des séries temporelles, c’est-à-dire des courbes de données telles que la température, la pression, le débit, les vibrations ou la consommation énergétique. « La plupart de ces données sont collectées par des capteurs nativement intégrés dans les machines et donc déjà à disposition, ce qui évite les aléas de nouveaux équipements », précise-t-elle. Autres enjeux, faire face à la pénurie des techniciens de maintenance et aux coûts d’interruption de la production. En effet, s’appuyant sur des études d’Aberdeen Research et de McKinsey, Margot Corréard indique qu’« au-delà des pièces de rechange et de la main-d’œuvre, une panne peut coûter jusqu’à 260 000 € par heure d’arrêt ». Selon elle, il s’agit aussi d’« éviter de gaspiller de l’énergie ou de la matière première en faisant fonctionner une machine en mauvais état », pour limiter l’impact environnemental.
Un développement d’abord européen
Avec déjà une dizaine de clients, des grands comptes principalement, DiagRams Technologies ne se fixe pas d’objectifs précis quant à l’évolution de son activité. À moyen terme, elle envisage cependant de se développer à l’étranger, en commençant par l’Europe et notamment l’Allemagne. Son effectif devrait ainsi doubler d’ici à fin 2024, en renforçant les équipes techniques et commerciales.
LE PITCH
Margot Corréard, directrice générale et cofondatrice de DiagRams Technologies : « Anticiper les dysfonctionnements permet de répondre aux enjeux de coûts, de compétences et d’impact environnemental.
L’ENTREPRISE
CRÉATION : 2019
SIÈGE : Lille
ORIGINE : Spin-off de l’Inria
EFFECTIF : 12 collaborateurs
FINANCEMENT : Fonds propres, Bpifrance, levée de fonds (2021)
RÉFÉRENCES : Nokia, Paprec Energies, Fiat Powertrain Technologies…
