Le projet collaboratif NPR DiagnoBat est arrivé à son terme. Les trois partenaires IT et les trois instituts des HES-SO impliqués ont permis aux entreprises partenaires Richemont et à Groupe E Celsius de développer des prototypes basés sur la science des données et l’intelligence artificielle pour optimiser la supervision de leurs installations techniques.

L’objectif de DiagnoBat était de créer une plateforme informatique dédiée au diagnostic des bâtiments, intégrant des nouvelles solutions de captage des données, de visualisation, ainsi que les dernières avancées de l’IA pour l’analyse des signaux. Les partenaires du projet collaboratif souhaitaient également rendre plus générique les méthodes d’entraînement des modèles deep learning prédictifs afin d’en faciliter leur déploiement sur différents types de bâtiments et de signaux. DiagnoBat s’est appuyé sur les travaux de recherche menés dans ce domaine au cours des cinq dernières années, et plus spécifiquement sur les projets BBDATA, Facility 4.0 et Assainissement 4.0 du Smart Living Lab de Fribourg.

Au terme du projet, Jean Hennebert, de la HEIA-FR, qui a piloté la collaboration, se montre très satisfait des résultats de ce projet pour les entreprises impliquées. «Nos deux partenaires de terrain, Groupe E Celsius et Richemont ont pu installer des prototypes sur la base des briques technologiques et des consultings réalisés par les partenaires IT. Un système de supervision a été installé sur des transformateurs dans les halles de Richemont, à Villars-sur-Glâne. Chez Groupe E Celsius, des solutions de visualisation et de détection d’anomalies ont été prototypées pour un chauffage à distance de grand format.»

Pour ces deux partenaires, l’enjeu économique est d’être plus efficace grâce à une une maintenance plus réactive qui, à terme, devrait devenir proactive, et ainsi anticiper les problèmes potentiels. «L’idéal serait de pouvoir détecter des anomalies qui sont sur le point de survenir, avant même que les signes du dysfonctionnement ne puissent être observés. », explique Jean Hennebert. Il illustre son propos avec l’exemple de Groupe E Celsius : «Les capteurs situés dans les bâtiments qui sont connectés au chauffage à distance permettent à l’équipe de maintenance d’identifier les dysfonctionnements grâce à l’apparition de voyants rouges sur une série temporelle. À terme, nous aimerions que des voyants jaunes puissent également s’afficher, qui indiqueront qu’un dysfonctionnement est en train de se déclencher, avant même qu’il ne se produise.»

Les partenaires IT du projet ont grandement contribué à l’installation des prototypes dans les entreprises. GradeSens s’est chargé de la réalisation du système de captage de données chez Richemont, alors que E-NNO a participé aux développements algorithmiques. L’entreprise yord a, pour sa part, poursuivi son acquisition de connaissances, conformément à son objectif dans ce projet.

Les partenaires académiques HES-SO ont aussi tiré grand profit du projet, souligne Jean Hennebert : « Il est important de faire sortir des laboratoires les nouveautés du machine learning, qui évolue très vite, et d’en amener des éléments sur le terrain. Les projets collaboratifs NPR sont idéaux pour cela : ils constituent des passerelles efficaces entre la recherche académique et les partenaires technologiques. Ils permettent de tester nos idées et nos prototypes pour les transformer en produits à des fins de mise sur le marché.»

Partenaires du projet
E-NNO, GradeSens, Groupe E, Groupe E – Celsius, Richemont, yord, HEIA-FR – iCoSys, Energy –, HEIG-VD – IICT