Dans la recherche de fuites, l'intelligence artificielle (IA) repose avant tout sur la disponibilité et la qualité des données.
Si l'attention se porte souvent sur les capteurs dédiés à l’acoustique ou à la mesure des débits, les variateurs et moteurs présents sur les installations constituent, eux aussi, une source importante d'informations opérationnelles. Dans les stations de pompage, les installations de traitement ou les réseaux de distribution, les équipements d’entraînement génèrent en permanence des données telles que la vitesse, le couple, la consommation énergétique, les cycles de fonctionnement ou les états de diagnostic. Exploitées de manière structurée, ces informations permettent d'identifier des dérives de fonctionnement avant qu’elles ne deviennent visibles sur le terrain. L’enjeu n'est pas seulement de collecter davantage de données, mais de disposer d’informations fiables et contextualisées. Les systèmes d’entraînement modernes, à l’instar du variateur décentralisé i650 motec de Lenze, intègrent de plus en plus de fonctions de communication (IO-Link, par exemple) et de diagnostic qui facilitent l’accès à ces données au niveau des machines et/ou des plateformes de supervision, des applications IIoT ou des outils d’analyse prévisionnelle.
Une autre évolution concerne l’ingénierie des systèmes. Avec des outils comme Easy System Designer, les constructeurs et les exploitants peuvent dimensionner les solutions d’entraînement sur la base de données applicatives réelles et, ainsi, mieux anticiper le comportement énergétique de leurs installations. Cette approche facilite l’optimisation des performances et contribue également à la création d’un socle cohérent de données pour les futures applications d’IA.
Pour les exploitants de réseaux d'eau, sa valeur ne réside donc pas uniquement dans la détection directe des fuites, mais elle repose aussi sur la capacité à croiser différentes sources d’information afin d’identifier plus rapidement les anomalies, d’optimiser la maintenance et d’améliorer la disponibilité des installations. Dans ce contexte, les données issues des systèmes d’entraînement deviennent un maillon essentiel de la chaîne d’analyse, affirme Lenze.
