L'IA pour l'aérospatiale et les flottes de drones : des données que vous enregistrez déjà aux décisions auxquelles vos équipes font confiance.

Où la maintenance prédictive et l'analytique prédictive rapportent

La maintenance est le point de départ naturel parce que les données existent déjà et que le coût d'une erreur est visible. Pour les drones, la maintenance peut représenter plus de 50 % des coûts directs d'exploitation, et les analyses de fiabilité publiées situent le taux de défaillance global des systèmes de drones autour de 25 %. Les études intersectorielles placent la maintenance prédictive de 8 à 12 % sous la maintenance préventive sur le plan des coûts et jusqu'à 40 % sous la maintenance corrective. Les cas d'usage que nous voyons le plus souvent :

• Maintenance prédictive à partir des journaux de vol. Prévoir quand un composant devra être entretenu à partir des signaux de tension, de courant, de gaz, inertiels et GPS que l'aéronef enregistre, pour remplacer les pièces sur des preuves plutôt que selon un calendrier ou après une panne.
• État de santé des batteries. Retirer les blocs quand la capacité prédite approche 80 % plutôt qu'à un nombre de cycles prudent, affecter les blocs les plus sains aux missions les plus longues, et planifier l'autonomie selon la capacité réelle du bloc à bord.
• Santé des moteurs et de la cellule. Prédire l'usure à partir des accéléromètres, des gyroscopes, du baromètre et du GPS qu'un drone transporte déjà, avec les images de caméra comme second avis, au lieu d'ajouter des capteurs de vibration qui peuvent peser un dixième d'un petit aéronef.
• Analytique prédictive pour la planification et les pièces de rechange. Prévoir la demande de maintenance à l'échelle de la flotte, planifier les fenêtres de maintenance en conséquence, et commander les pièces selon les dates prévues plutôt qu'un stock de sécurité dimensionné pour le pire mois.
• Disponibilité de la flotte. Prévoir quels aéronefs seront en état de service à une date donnée à partir de la santé prédite des composants et des travaux planifiés, pour planifier les missions et les équipes selon la flotte que vous aurez réellement.

La valeur se trouve dans les décisions qui changent, pas dans le modèle. Un cas d'usage qui ne peut pas nommer la décision qu'il changerait, et ce que cette décision coûte aujourd'hui, n'est pas prêt pour un projet pilote.

À quoi vos données doivent ressembler

La plupart des opérations aérospatiales et de drones ont déjà plus de données utilisables qu'elles ne le pensent. Le diagnostic de préparation que nous menons sur vos journaux et vos dossiers pose cinq questions :

1. Chaque aéronef, bloc ou composant a-t-il un identifiant stable qui apparaît à la fois dans les journaux de vol et dans les dossiers de maintenance? Sans cela, les signaux ne peuvent pas être reliés aux résultats.
2. Les journaux de vol sont-ils conservés avec horodatage, à une fréquence d'échantillonnage constante, assez longtemps pour couvrir la vie du composant qui vous intéresse?
3. Les dossiers de maintenance indiquent-ils ce qui a été remplacé, quand et pourquoi, sous une forme lisible comme une étiquette et non seulement en texte libre?
4. Y a-t-il assez d'historique? La recherche sur les batteries ci-dessous a atteint une erreur de 2,26 % à partir de 631 vols sur deux types de blocs. Quelques centaines de vols bien étiquetés par type d'équipement peuvent suffire quand la méthode convient aux données.
5. Qui agit sur le résultat? Une prévision qui aboutit sur un tableau de bord que personne ne consulte avant un vol ne change rien.

Si les réponses sont surtout oui, un projet pilote peut généralement démarrer sans nouvelle instrumentation. Si elles sont surtout non, le premier projet est le pipeline de données, et nous le disons avant que quiconque budgète un modèle.

Comment un mandat se déroule

1. Diagnostic de préparation. Deux à six semaines sur vos journaux de vol, vos dossiers de maintenance et vos systèmes, qui se terminent par une liste priorisée de cas d'usage, les lacunes de données qui bloqueraient chacun, et un premier projet pilote recommandé.
2. Un composant, une décision. Le projet pilote choisit un seul composant ou une seule classe d'équipement et la seule décision que la prévision changerait, avec la base de référence écrite : comment cette décision se prend aujourd'hui, à quelle fréquence elle échoue, et ce que chaque issue coûte.
3. Construire, acheter ou s'associer. Nous passons en revue les fournisseurs pour le cas d'usage, testons les produits présélectionnés sur vos données, et construisons seulement quand le produit n'existe pas ou que l'avantage des données vous appartient.
4. Mode parallèle. Le modèle fonctionne en parallèle du programme de maintenance actuel sur des données qu'il n'a jamais vues pendant le développement, et nous comparons ce qu'il aurait fait avec ce qui s'est réellement passé.
5. Intégration. Le résultat arrive dans le système de maintenance, de flotte ou l'ERP que vos équipes utilisent déjà, avec la surveillance, le réentraînement et les procédures de retour arrière documentés.
6. Adoption et transfert. Formation avec les personnes qui signent pour les équipements, procédures d'exploitation, et documentation qui explique les décisions, pour que votre équipe traverse une mauvaise semaine sans nous appeler.

Fondé sur une recherche évaluée par les pairs

Dans le cadre du projet PHUMS, Vozwin a travaillé avec l'Université McGill et l'Université de Sherbrooke, avec le soutien du programme Mitacs Accélération, pour prédire l'état de santé des batteries de drones à partir des données de vol. L'équipe a réalisé 631 expériences sur des blocs lithium polymère de 2 200 mAh et de 1 100 mAh, en utilisant seulement la tension, le courant et les gaz de chaque cycle de décharge. La série temporelle de chaque vol a été convertie en image pour qu'un modèle de vision préentraîné ResNet-50 puisse en extraire des caractéristiques, et ce que le modèle a appris sur un type de bloc a été transféré à l'autre.

Le résultat publié est une erreur de test de 2,26 % sur une batterie que le modèle n'avait jamais vue. L'entraînement continu sur un jeu de données plus grand depuis la publication a ramené ce chiffre à 1,57 %. Les moteurs sont le prochain composant, prédits à partir des capteurs qu'un drone transporte déjà. Les deux guides liés ci-dessous détaillent la méthode et ce qu'elle signifie pour une flotte.

Où se situent Vozwin AI, Vermilion et Vozwin Aerospace

Vozwin a financé et détient la recherche sur l'état de santé des batteries et des moteurs décrite ci-dessus, menée par sa division Labs. Vermilion est la plateforme de production construite dessus : un modèle de raisonnement informé par la physique, incubé dans le studio de création d'entreprises de Vozwin et qui opère maintenant comme sa propre entreprise, prêt pour la production et disponible pour déploiement en périphérie, en infonuagique ou en environnement isolé. Vozwin Aerospace travaille du côté des aéronefs, en construisant des plateformes de drones qui enregistrent ces signaux dès le premier vol.

Vozwin AI est la partie du groupe qui aide une opération aérospatiale ou de drones à passer de l'intérêt à un projet pilote fonctionnel, puis du pilote à la production : le diagnostic de préparation, la décision construire, acheter ou s'associer, le pipeline de données et l'intégration à vos systèmes de maintenance, la conception du pilote et sa base de référence, et le travail d'adoption avec vos équipes. Nous restons neutres envers les fournisseurs dans ce travail. Quand Vermilion est la bonne plateforme, nous le disons, et quand un produit configuré ou un développement sur mesure convient mieux, nous le disons aussi.

Les contraintes que nous intégrons dès la conception

• Poids et énergie. Rien de ce que nous proposons n'ajoute de matériel à l'aéronef, à moins qu'il ait été démontré que les données déjà à bord ne portent pas le signal.
• Programmes de maintenance approuvés. Les prévisions éclairent les décisions que votre programme de maintenance permet et documentent les preuves qui les appuient. Elles ne remplacent pas le programme approuvé pour l'aéronef.
• Sécurité et déploiement. Les exploitants de la défense, de la sécurité publique et des secteurs réglementés ont souvent besoin d'un déploiement sur site ou en environnement isolé, et l'architecture est choisie en conséquence dès le départ.
• Opérations bilingues. Les mandats se déroulent en français ou en anglais, y compris la formation et la documentation pour les équipes au Québec et partout au Canada.

Le financement canadien qui s'applique

Les projets de maintenance prédictive et d'état de santé comportent une véritable incertitude technique, ce que les principaux programmes d'innovation du Canada sont conçus pour soutenir. Les crédits d'impôt RS&DE s'appliquent au développement expérimental admissible, comme la construction d'un modèle pour un composant où aucune approche éprouvée n'existe. Le PARI du CNRC finance une partie des salaires et des coûts de sous-traitance des projets d'innovation admissibles pour les petites et moyennes entreprises. Mitacs Accélération cofinance des stages de recherche avec des universités canadiennes, ce qui a donné à la recherche sur les batteries ci-dessus accès à une expertise de modélisation universitaire. La plupart des provinces ajoutent leurs propres programmes d'adoption technologique et de soutien à la R-D qui se cumulent avec les programmes fédéraux.

Structurez le projet autour des programmes avant le début des travaux, pas après. L'admissibilité dépend de la façon dont le travail est cadré et documenté, et nous cadrons les mandats en conséquence.