An experimental software environment that connects heterogeneous operational data, reproducible validation, trustworthy diagnosis, explainable prognostic fusion and justified maintenance decisions. Un environnement logiciel expérimental qui relie données opérationnelles hétérogènes, validation reproductible, diagnostic fiable, fusion pronostique explicable et décisions de maintenance justifiées.
The video is muted automatically. Use the player controls to enable the original soundtrack.La vidéo démarre automatiquement sans son. Utilisez les commandes du lecteur pour activer la bande sonore originale.
A clear path connects operational data to a justified maintenance decision.Un parcours lisible relie les données opérationnelles à une décision de maintenance justifiée.
Variables, time stamps, operating conditions and failure events remain visible before any transformation.Variables, horodatages, conditions de fonctionnement et événements de panne restent visibles avant toute transformation.
Each module exposes its configuration, validation and evidence. Click a screen to inspect it.Chaque module expose sa configuration, sa validation et ses preuves. Cliquez sur une capture pour l’inspecter.
KNN imputation, resampling, temporal windows and asset-aware splits remain traceable.Imputation KNN, rééchantillonnage, fenêtres temporelles et découpages par actif restent traçables.
Classical ML and advanced boosting with feature selection, independent testing and class-sensitive evaluation.ML classique et boosting avancé avec sélection de variables, test indépendant et évaluation sensible aux classes.
Confidence-filtered pseudo-labels are assessed through performance, calibration and local uncertainty.Les pseudo-labels filtrés par confiance sont évalués par la performance, la calibration et l’incertitude locale.
Healthy-reference models, anomaly evidence and stacking support robust downstream diagnosis.Modèles de référence sains, preuves d’anomalie et stacking renforcent le diagnostic en aval.
AdaBoost+ and GradientBoost+ address rare or imbalanced faults, heterogeneous local uncertainty and noisy measurements. Standard baselines are evaluated under the same conditions.AdaBoost+ et GradientBoost+ traitent les défauts rares ou déséquilibrés, l’incertitude locale hétérogène et les mesures bruitées. Les méthodes standards sont évaluées dans les mêmes conditions.
Visualisation, modification, feature selection, PCA, training, testing and evaluation are linked in a single traceable workflow.Visualisation, modification, sélection de variables, ACP, apprentissage, test et évaluation sont reliés dans un seul workflow traçable.
PHM-D3 evaluates predictive performance, probability quality and difficult cases in the same report.PHM-D3 évalue dans un même rapport la performance prédictive, la qualité probabiliste et les cas difficiles.
The report combines class-balanced metrics, calibration and local uncertainty, then identifies samples that require expert review.Le rapport combine métriques équilibrées par classe, calibration et incertitude locale, puis identifie les échantillons nécessitant une expertise.
The Fusion Lab combines complementary models, preserves temporal coherence and produces an auditable RUL.Le laboratoire de fusion combine des modèles complémentaires, préserve la cohérence temporelle et produit un RUL auditable.
Random Forest and Gradient Boosting estimate ordered health states.Random Forest et Gradient Boosting estiment les états de santé ordonnés.
Validation learns where each model is most reliable.La validation apprend où chaque modèle est le plus fiable.
Probabilistic evidence is combined and temporal jumps are filtered.Les preuves probabilistes sont combinées et les sauts temporels filtrés.
The fused trajectory is converted into remaining useful life with a visible error.La trajectoire fusionnée devient une durée de vie résiduelle avec une erreur visible.
Select the data, complementary methods, health states and temporal filter in one workspace.Sélectionnez les données, les méthodes complémentaires, les états de santé et le filtre temporel dans un même espace.
Reference · Decision fusionRéférence · Fusion de décisions Khaoula Tidriri “Decision fusion dedicated to the monitoring of complex systems”, PhD thesis, University of Angers, 2018, NNT 2018ANGE0014.« Fusion de décisions dédiée à la surveillance des systèmes complexes », thèse de doctorat, Université d’Angers, 2018, NNT : 2018ANGE0014. Supervision team: Nizar Chatti, Sylvain Verron and Téodor Tiplica.Équipe d’encadrement : Nizar Chatti, Sylvain Verron et Téodor Tiplica.Individual and fused confusion matrices, expertise weights and RUL error remain auditable side by side.Matrices de confusion individuelles et fusionnée, poids d’expertise et erreur de RUL restent auditables côte à côte.
The demonstrators are not simple dashboards. They connect the methodological evidence to fleet monitoring, asset investigation, prognosis and an actionable maintenance plan.Les démonstrateurs ne sont pas de simples tableaux de bord. Ils relient les preuves méthodologiques au suivi de flotte, à l’analyse d’un actif, au pronostic et à un plan de maintenance actionnable.
From fleet health to prioritised maintenance actions.De l’état de santé de la flotte aux actions de maintenance priorisées.
From SCADA and failure logs to degradation analysis and prognosis.Des données SCADA et journaux de pannes à l’analyse de dégradation et au pronostic.
Variables, events and operating rules are mapped while preserving validation, uncertainty and decision traceability.Variables, événements et règles d’exploitation sont mis en correspondance en préservant validation, incertitude et traçabilité de la décision.
The essential scientific contributions are implemented in one experimental and operational environment.Les contributions scientifiques essentielles sont implémentées dans un même environnement expérimental et opérationnel.
From raw signals to operator-facing maintenance decisions.Des signaux bruts aux décisions de maintenance destinées à l’opérateur.
Classical ML, advanced boosting, semi-supervised, unsupervised and ensemble learning.ML classique, boosting avancé, semi-supervisé, non supervisé et apprentissage d’ensemble.
Asset-aware folds, common metrics and exportable evidence reports.Plis tenant compte des actifs, métriques communes et rapports de preuve exportables.
Calibration, local confidence and explicit identification of difficult cases.Calibration, confiance locale et identification explicite des cas difficiles.
State-dependent expertise, temporal coherence and auditable prognosis.Expertise par état, cohérence temporelle et pronostic auditable.
Priority, deadline, resources and operating constraints in one plan.Priorité, échéance, ressources et contraintes d’exploitation dans un même plan.
A discussion can focus on the demonstrator datasets, the validation protocol, a test on your data, deployment conditions or a scientific and industrial collaboration.L’échange peut porter sur les jeux de données des démonstrateurs, le protocole de validation, un test sur vos données, les conditions de déploiement ou une collaboration scientifique et industrielle.