Data / IA

Maintenance Predictive Compresseurs OCP

Developpement d une solution de machine learning pour predire la performance des compresseurs et passer d une maintenance reactive a une maintenance proactive.

RoleData Analyst & ML Developer
ContexteOCP Group
DomaineIndustrie / Maintenance
StackPython, Scikit-learn, Pandas, Flask
Interface de prediction compresseur
Interface de prediction de performance a partir de donnees process.
Comparaison reel versus predit
Comparaison des valeurs reelles et des predictions du modele.
Contexte industriel OCP
Projet applique a un equipement critique de production chez OCP.

Contexte

Le compresseur radial Siemens SFO est un equipement critique dans la production d acide sulfurique. Toute derive de performance impacte directement la disponibilite et l efficacite energetique de la ligne.

Solution technique

  • Preparation et analyse de 24 mois d historique de donnees process.
  • Modele de regression Random Forest pour predire la performance du compresseur.
  • Exposition du modele via API Flask pour integration operationnelle.
  • Interface web simple pour upload des releves et prediction instantanee.

Resultats

Precision elevee

Le modele atteint un R2 proche de 1 sur le jeu de validation.

Maintenance proactive

Detection anticipee des derives de performance avant incident majeur.

Outil operationnel

Solution deployable et exploitable directement par les equipes terrain.

Voir le code sur GitHub