Le concept d'industrie 4.0 formalisé pour la première fois en 2011 pour décrire un projet de numérisation des usines de production, a ensuite rapidement évolué pour devenir un ensemble de recommandations de mise en œuvre de technologies. Ces nouvelles technologies ont impulsé le secteur industriel favorisant le passage de l'industrie de troisième génération à celle de quatrième génération. Depuis 2016, ce concept s'est bien étendu. Nous remarquons une profonde et rapide transformation dans tous les compartiments de l'industrie, de la production à la maintenance (ce qui nous intéresse dans ce projet).

La maintenance corrective ou réactive est utilisée dans la majeure partie des systèmes industriels automatiques à l'heure actuelle. Cette stratégie de maintenance intervient une fois que l'avarie s'est produite. Ceci entrainant des coûts de maintenance, des dépenses énergétiques, des pertes économiques liées à l'arrêt et des mauvaises performances du système.

Maintenir veut dire conserver dans le bon fonctionnement état et ceci ne peut se faire sans diagnostic préalable. Ainsi, le défi majeur rencontré dans ce processus est le savoir-faire et la disponibilité d’un expert du domaine. Cependant, il arrive que ce dernier ne soit pas toujours pas disponible ; ouvrant ainsi la voie au concept d’« intelligence artificielle » qui est un programme informatique basé sur des raisonnements humain à partir de connaissances qu’on lui a préalablement transmis. La difficulté lors de la conception de ce type de système est la disponibilité des données, le développement de la procédure permettant de modéliser les informations en langage informatique compréhensible par un ordinateur. Toutefois, ce type de système dispose de capacité d’apprentissage utilisant des réseaux de neurones artificiels qui sont des algorithmes inspirés des neurones biologiques.

Cette thèse vise à construire un système intelligent capable d’offrir une expertise dans la prédiction des défauts d’un système industriel et de proposer des actions de maintenance afin de les éviter.