Les industries ont un besoin croissant de réduire le risque de défaillances imprévues d'équipements et d'optimiser leurs opérations de maintenance. Chez Schneider Electric, nous proposons d'utiliser des modèles physiques pour l'anticipation du vieillissement à long terme, complétés par des modèles d'apprentissage automatique pour la détection de défauts à court terme. Les modèles physiques sont élaborés en décomposant les systèmes en leurs éléments constitutifs, puis en associant ceux-ci à des modes de dégradation et enfin aux lois cinétiques appropriées. La simulation de ces modèles permet de comparer différentes stratégies de maintenance et d'optimiser celle-ci. Les modèles d'apprentissage automatique sont entraînés de manière incrémentale, à partir d'un échantillon dit « normal », afin de prédire la valeur attendue et de détecter des écarts statistiquement significatifs. Un opérateur humain valide les fautes détectées. La simulation permet de trouver les paramètres optimaux de l'ensemble de cette procédure.