14:00-14:45 – Cutting Tool Health Monitoring with Artificial Intelligence par Lorenzo COLANTONIO (PhD candidate, University of MONS, Belgium)
Abstract: In the manufacturing industry, the state of the cutting tool is of crucial importance. During machining, the tool inevitably degrades leading to production of suboptimal parts. The degradation of the tool is due to different mechanisms occurring simultaneously thus predicting in advance the evolution of the degradation of the tool is impossible. Therefore, we propose to monitor in real time the degradation of the cutting tool with artificial intelligence (AI) by instrumentalizing the machine with different sensors. The sensors signals are processed by AI to estimate the state of the tool and lead to its replacement at the optimal time.
14:45-15:30 – Étude de durée de vie de filtres moteurs par Jean-Pierre NOOT (PhD candidate, Université de Strasbourg)
Résumé: Estimation de durée de vie de composants moteurs (filtres à huile) à partir des séries chronologiques issues des capteurs moteurs. Méthodes basées sur les données : modèles de Deep Learning (LSTM, Transformers) pour estimer la durée de vie des filtres. Deux approches seront présentées, i) méthodes classiques de régression et ii) méthodes prenant en compte les données censurées. Ces méthodes seront présentées sur le jeu benchmark du C-MAPSS, ainsi que sur les données Liebherr
15-30-16:00 – Failure prognostics and predictive maintenance for manufacturing system with sensor data uncertainty par Thanh THAI (PhD candidate, CRAN/UL)