au sommaire


    Depuis quelques années, l'intelligence artificielleintelligence artificielle s'invite dans notre quotidien. On la retrouve ainsi au cœur du système de surveillance de certains équipements des bâtiments comme un ascenseurascenseur, un escalier mécaniqueescalier mécanique ou encore une porteporte d'entrée.

    Dès que l'intelligence artificielle IBM Watson identifie un problème, un technicien est averti. © Tous droits réservés
    Dès que l'intelligence artificielle IBM Watson identifie un problème, un technicien est averti. © Tous droits réservés

    Aujourd'hui, les équipementiers d'ascenseurs doivent faire face à de véritables défis logistiques. C'est notamment le cas pour KONE et son parc composé de plus de 13,5 millions d'ascenseurs et escaliers mécaniques, installés dans des résidences, mais aussi des hôpitaux, aéroports, bâtiments publics... 

    Grâce à l'Internet des objets (IoTIoT), il est désormais possible d'installer au cœur des équipements des capteurscapteurs connectés, qui envoient en temps réel de nombreuses informations sur l'état de fonctionnement de chaque appareil. Sur chaque équipement, ce sont ainsi plus de 200 paramètres critiques qui peuvent être communiqués par seconde, comme la vitesse de déplacement, les vibrations, l'ouverture et la fermeture des portes...

    Le deep learning pour prévoir les dysfonctionnements

    Afin de gérer et analyser toutes ces données, les entreprises peuvent aujourd'hui compter sur l'intelligence artificielle (IA). C'est par exemple le cas de KONE, qui a choisi pour cela la plateforme IBMIBM Watson IoT. Ce partenariat représente un avantage pour les deux acteurs : KONE reçoit un outil précieux pour la surveillance de ses équipements, IBM a accès à une grande quantité de données pour entraîner son IA. Cela permet également de travailler sur l'analyse prédictive des dysfonctionnements.

    En effet, en croisant les données des capteurs avec les informations collectées sur les pannes, IBM Watson IoT est capable de déterminer des signes avant-coureurs de dysfonctionnements. Pour cela, l'IA a recours à l'apprentissage automatique et aux techniques du deep learningdeep learning pour repérer dans les données des motifs récurrents, lesquels peuvent survenir longtemps avant l'apparition d'un problème. Les équipes techniques sont alors prévenues d'un problème potentiel, ainsi que du degré d'urgence : la réparation peut attendre la prochaine maintenance, un dysfonctionnement est imminent, ou l'équipement vient de tomber en panne.

    Les ascenseurs sont en service et connectés 24h/24 et 7j/7. Si une anomalie est constatée, les techniciens KONE reçoivent des informations détaillées sur son origine. Ils peuvent ainsi intervenir rapidement et avec les pièces nécessaires, avant même qu'un dysfonctionnement ne survienne. © Tous droits réservés

    Des interventions avant l’apparition d’une panne

    Il est donc désormais possible de lancer une intervention dès l'identification d'un dysfonctionnement éventuel, sans devoir attendre d'être prévenu par le gestionnaire de l'immeuble. C'est un gain de temps côté maintenance puisque le technicien connaît déjà la nature de la panne et peut apporter les pièces nécessaires, mais aussi évidemment pour les personnes qui pourraient être bloquées dans l'ascenseur. 

    Le constat est sans appel : pour des acteurs comme KONE, le nombre de pannes baisse de manière significative grâce aux Services connectés 24/7. Les utilisateurs de ce nouveau service de maintenance quant à eux auraient d'ailleurs constaté une baisse du taux de pannes dans les six mois suivant l'adoption de la nouvelle technologie, allant même jusqu'à 44 % de baisse pour l'entreprise Sanofi.

    Ces performances devraient continuer à s'améliorer, puisque la plateforme cognitive IBM Watson IoT travaille à optimiser la fiabilité du système d'analyse prédictive. Surveillant un grand parc d'ascenseurs, l'IA dispose d'un gros volume d'informations et peut comparer plus spécifiquement les modèles identiques, pour créer un système de prévisions pour chaque type d'ascenseur. À chaque nouvelle panne, elle affine ses prédictions et apprend petit à petit à détecter un plus grand éventail de dysfonctionnements, plus tôt et avec plus de pertinence.