MétaCan
Menu
Retour à la cohorte
Enregistrement W6983415828

Méthodologie d’étude et de la mise en place d’un modèle de maintenance 4.0

2023· other· fr· W6983415828 sur OpenAlexaboutno aff

Notice bibliographique

RevueEspace École de technologie supérieure (École de technologie supérieure) · 2023
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Center pivot irrigationAudit trail
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La maintenance dans l’industrie, ainsi que dans d’autres types de structures telles que les services publics, les hôpitaux, les mines est un des éléments indispensables pour leur bon fonctionnement. La plupart des méthodes et outils utilisés pour la maintenance sont souvent dépassés ou mal exploités, ce qui peut entrainer des pertes de temps, un bilan financier déficitaire et une dégradation de la qualité des services. Les audits et les visites effectuées dans les différentes organisations présentées dans ce mémoire nous ont permis de constater qu’elles font face à certaines problématiques similaires. En s’intéressant à celles-ci, nous leur avons proposé des outils d’évaluations de leurs méthodes de travail, processus et ressources. Nous avons proposé aussi quelques approches qui pourraient permettre d’implanter un modèle de maintenance 4.0. \n \nLe modèle de maintenance 4.0 est une approche innovante qui consiste à restructurer l’organisation de la maintenance des équipements grâce à l’internet des objets, à l’intelligence artificielle, à l’exploitation et à la valorisation des données de maintenance. \n \nAfin de répondre aux problématiques rencontrées, nous avons commencé par explorer les pratiques de maintenance, les méthodes et les algorithmes des traitements de données de maintenance existants. Nous avons proposé des actions préliminaires à effectuer avant de sélectionner un algorithme pour un modèle futur de maintenance 4.0. Dans une perspective de restructuration, nous avons étudié et proposé des outils de transformation numérique et de détection de maturité numérique. \n \nGrâce aux différentes vites effectuées à la station d’épuration des eaux usées de Montréal, nous avons pu développer et proposer des idées, des outils et méthodes qui pourraient être exploitées dans le cadre de la transition des solutions analogiques vers des solutions numériques; avec comme objectif l’implantation d’un modèle de maintenance 4.0. \n \nAprès avoir étudié le principe de fonctionnement de la maintenance biomédicale à l’hôpital Honoré-Mercier, nous leur avons proposé des méthodes d’étude de la maturité numérique et de sélection des algorithmes intelligents compatibles avec leurs modèles de maintenance et les équipements à maintenir. Nous leur avons aussi proposé des méthodes pour planifier les différentes étapes de mise en place d’un modèle de maintenance 4.0, afin d’optimiser leurs opérations et le taux de disponibilité des dispositifs. \n \nAfin d’illustrer une des façons dont les données de maintenance pourraient être exploitées, nous avons dans le cadre de notre mission à Eldorado Gold Québec présenté des données valorisées d’alarmes des camions, afin de pouvoir effectuer un suivi de leurs utilisations par les opérateurs sous terre. Grâce à ce troisième exemple, nous avons pu aussi observer la différence au niveau des modèles de maturité numérique qui pourrait exister entre une organisation qui souhaiterait passer de l’analogique à un modèle de maintenance 4.0 et une autre qui l’a débuté.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,044
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,002
Communication savante0,0090,006
Science ouverte0,0040,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,296
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEspace École de technologie supérieure (École de technologie supérieure)Travaux en français237 207