Forgepulse
Des machines qui préviennent des semaines avant de lâcher.
- Client
- Draycott Precision Engineering
- Année
- 2023
- Durée
- 10 mois
- Taille de l'équipe
- 8 ingénieurs
Démo interactive
Une maquette interactive du produit que nous avons développé — cliquez, explorez.
Interface de démonstration en anglais.
Le défi
Les trois ateliers de Draycott faisaient tourner 64 machines CNC en continu pour des clients aéronautiques aux plannings pénalisés. Chaque heure d’arrêt imprévu coûtait environ 18 000 £ une fois comptés pièces rebuts, réusinage et pénalités de retard — et la maintenance suivait un simple calendrier : roulements changés trop tôt ou catastrophiquement trop tard. L’atelier était un environnement hostile : brouillard de liquide de coupe, copeaux, machines de quarante ans sans port réseau à côté de centres cinq axes neufs, et un Wi-Fi qui lâchait dès que les grosses presses tournaient. Le réseau de capteurs devait se poser sans arrêter la production, survivre au milieu et continuer de fonctionner quand la connectivité, non.
Notre solution
Nous avons déployé des passerelles edge sur batterie exécutant K3s, lisant capteurs de vibration et de courant en MQTT et machines anciennes en OPC-UA, avec 72 heures de tampon local en cas de coupure réseau. Les séries temporelles aboutissent dans TimescaleDB, où des modèles Python — isolation forests par famille de machines, réentraînés chaque semaine sur l’historique de pannes labellisé — notent chaque actif toutes les heures et déclenchent des alertes avec onze jours d’anticipation médiane. Un tableau de bord React résume la santé machine à un feu tricolore par actif, explorable jusqu’aux spectres bruts pour les ingénieurs fiabilité, et les alertes partent par SMS et Teams vers le chef de poste. Le premier roulement de broche détecté a remboursé le pilote douze fois.
Résultats
Stack technique
Vous faites face à un défi similaire ?
Nous avons déjà résolu ce type de problème. Parlons de la façon dont cette expérience peut s'appliquer à votre situation.
Discuter de votre projetÉtude de cas suivante
Prismcast →