Etude de la fiabilité à base des techniques de l’intelligence artificielle

Abstract

L’intelligence artificielle est aujourd’hui considérée comme la nouvelle électricité des sciences. Les secteurs dans lesquels elle intervient sont de plus en plus nombreux et variés. De l’informatique à la médecine en passant par l’industrie, ses applications sont sans cesse croissantes. Les premières applications de l’IA se sont beaucoup plus orientées dans le domaine de la santé, et nous voyons son impact positif dans ce domaine. Ces prouesses de l’IA dans ce domaine nous ont conduit donc à nous interroger sur l’impact que l’IA pourrait avoir sur la maintenance industrielle en Afrique en général et au Cameroun en particulier, quand nous connaissons tous les problèmes auxquels notre industrie fait face en maintenance industrielle (pannes à répétition, temps de maintenance trop long, long temps d’arrêts, faible fiabilité, coût élevé de la maintenance). Pour ce faire nous avons tout d’abord élaboré une méthodologie qui permettrait à toute personne d’utiliser l’IA pour résoudre son problème. Puis, nous avons utilisé cette méthodologie pour résoudre un cas réel, celui de la prédiction d’une défaillance sur le réseau de transport optique du Cameroun. Ainsi, nous avons procédé à la collecte des données devant être utilisées pour résoudre notre problème. Ensuite, nous avons procédé au nettoyage de ces données c'est-à-dire à l’élimination des données non pertinentes pour la résolution de notre problème pour ne laisser que celle qui sont utiles, et incontournables pour effectuer notre prédiction. Et c’est sur la base de tout ceci que nous avons écrit l’algorithme qui nous permettrait de prédire un incident sur le réseau de transport optique du Cameroun. Les différentes étapes permettant de faire cette prédiction ont été détaillées et expliquées. Les codes du programme d’apprentissage automatique pour la résolution du problème écrits avec le logiciel Anaconda et son IDE Jupyter notebook ont aussi été présentés. Au bout de ce travail, nous avons fait la prédiction des pannes avec une précision de 65%. Ces pannes correspondant à l’indisponibilité du signal réseau de télécommunications à fibre optique chez ses abonnés