Ce projet permettra d’identifier et de diagnostiquer les causes de la dégradation des actifs (locomotives, wagons de minerai, wagons utilitaires, équipements périphériques) avant que leur état ne provoque une défaillance ou une interruption de service. L’approche préconisée utilise la méthode « cbmLAD », une technique basée sur les mathématiques d’intelligence artificielle et mise au point par l’École Polytechnique de l’Université de Montréal. L’exploitation des données recueillies et l’extraction de l’information, qui n’est pas évidente au premier abord, permettent d’optimiser la fiabilité et la disponibilité des actifs et ainsi de parvenir à une plus grande précision au chapitre de la priorisation des activités d’entretien.
cbmLAD
Logical Analysis of Data (LAD) : méthode d’exploration des données avec une composante combinatoire de traiter un nombre très important de données et de dégager les aspects les plus intéressants de la structure. Condition-Based Maintenance (CBM) : maintenance préventive basée sur une surveillance du fonctionnement du bien et/ou des paramètres significatifs de ce fonctionnement intégrant les actions qui en découlent.
Conférenciers
M. Yves Perron, Directeur projets spéciaux, ArcelorMittal Infrastructure Canada
Dr. Hany Osman, Postdoctoral Fellow, Department of Mathematics and Industrial Engineering, École Polytechnique de Montreal
M. Mark Miller, Conseiller en développement technologique, CATE Côte-Nord
