Prédiction de la dégradation de l'huile de lubrification dans les engins miniers

L’analyse d’huile est un outil pratique et utile qui permet aux mines de suivre la santé de leurs engins, la dégradation de l’huile ainsi que l’usure des différents composants. Cette méthode de surveillance peut être considérée comme un outil à court terme. L’huile est échantillonnée, l’échantillon est analysé et les résultats de l’analyse sont disponibles en quelques jours. Les résultats sont ensuite stockés dans une base de données. Après des années d’utilisation, les mines ont acquis d’importantes quantités de données. Même si ces bases de données présentent des erreurs d’entrée ou sont incomplètes, elles sont le reflet de l’usure et de la maintenance d’un équipement, voire d’un site. L’existence de telles bases de données n’est pas sans rappeler les progrès réalisés en traitement de données portés par l’Industrie 4.0. Cette propension à l’analyse de données est présente dans tous les secteurs. Le secteur minier ne déroge pas à la tendance. Ainsi, exploiter les bases de données d’analyses d’huile à l’aide d’outils de traitement de données pourrait permettre d’améliorer les politiques de changement d’huile du secteur minier. C’est l’une des étapes dans la numérisation des mines en vue d’atteindre la mine 4.0. Cette recherche a pour objectif d’explorer des données historiques en vue d’améliorer la politique de changement d’huile. Un partenaire industriel a fourni une base de données retraçant presque 70 000 analyses faites sur cinq ans sur plus de 1 300 véhicules. Ces données ont été nettoyées et consolidées. Notamment des erreurs sur les compteurs horométriques ont dû être corrigées. Certaines erreurs, telles que des changements d’huile non recensés, n’ont pas pu être corrigées. La base de données couvrant une grande variété de véhicules, un sous-ensemble de travail a alors été défini. Un site parmi les cinq représentés a été choisi. Deux types de véhicules ont été sélectionnés : les semi-remorques et les tombereaux de surface. La recherche se limite sur seulement deux composants : les moteurs et les différentiels. Un objectif intermédiaire a été défini : développer une stratégie de traitements des données. Ce sous-objectif a été atteint. La stratégie consiste en une sélection des variables d’études, une réduction de dimension et l’application d’un modèle pour tenter de prédire le temps d’utilisation de l’huile. La méthode de sélection de variables se base sur la fréquence à laquelle une variable est considérée comme la pire d’un résultat d’analyse. Cette sélection est systématique, elle permet alors de s’adapter au sous-ensemble de travail choisi. La dimension de l’espace d’étude est réduite à l’aide d’une analyse des composantes principales. Cette réduction est linéaire, elle permet de garder une clarté dans le processus de traitement des données. Une régression des composantes principales ainsi qu’une régression des moindres carrés partiels ont été appliquées. Ces modèles, eux aussi linéaires, préservent la limpidité des liens entre les entrées et la sortie. Une étape de validation a révélé les résultats largement insatisfaisants des modèles. Ceux-ci ne peuvent pas être utilisés par le partenaire industriel. En fonction des données mises à notre disposition pour nos analyses, il s’est avéré impossible d’atteindre notre objectif principal. Toutefois, ce mémoire propose une tactique de traitement des données et des avenues afin d’ajouter des paramètres qui seraient pertinents pour l’atteinte de cet objectif. D’autres outils tels que des arbres et des réseaux de neurones ont également été utilisés. Ceux-ci ne fournissent pas non plus des résultats satisfaisants. Les pistes d’amélioration proposées touchent tout aussi bien à la collecte des données qu’aux outils de traitement de données qui pourraient être employés.