L'IA d'imagerie thermique pour détecter les défaillances de roulements avant une panne catastrophique

Un centre de distribution en Ohio a vu un roulement de convoyeur se gripper à 2 heures du matin un mardi. Le blocage qui en a résulté a tordu 12 mètres de structure de bande, détruit le palier de roulement et arrêté la ligne pendant 19 heures. Dommages totaux : 73 000 $ plus deux jours d'expéditions manquées. Une caméra thermique montée à 3,5 mètres de ce roulement enregistrait des données depuis des mois, mais personne ne regardait les images. La température de la bague extérieure du roulement augmentait de 0,4 degré Celsius par jour depuis les 11 jours précédents.

Cette dérive thermique lente et régulière est exactement le type de signal que les systèmes de surveillance thermique par IA sont conçus pour détecter.

Comment fonctionne l'imagerie thermique pour la surveillance des roulements

Les caméras thermiques industrielles utilisées pour la surveillance des roulements fonctionnent généralement dans le spectre infrarouge à ondes longues (8 à 14 micromètres), avec une sensibilité thermique de 0,05 degré C ou mieux. Elles capturent des cartes de température à des résolutions allant de 320x240 à 640x480 pixels, généralement à des fréquences d'images entre 9 et 30 Hz.

Pour la surveillance des roulements, la caméra est positionnée de manière à capturer le palier de roulement, l'arbre à proximité du roulement et, idéalement, une surface de référence à température ambiante. Le modèle d'IA ne se contente pas d'examiner la température absolue. Il suit le gradient thermique à travers le roulement, le taux de variation de température dans le temps et la relation entre la température du roulement et les conditions de fonctionnement de la machine comme la vitesse, la charge et la température ambiante.

Un roulement en bon état fonctionnant en régime permanent présentera un profil thermique stable avec une distribution de chaleur prévisible. Un roulement présentant un endommagement naissant de la bague intérieure montrera des points chauds localisés qui changent de position à mesure que l'arbre tourne. La dégradation de la lubrification se manifeste par une augmentation générale de la température qui corrèle avec le temps de fonctionnement plutôt qu'avec la charge.

Ce que le thermique détecte et que la vibration manque

L'analyse vibratoire est excellente pour détecter les défauts mécaniques : piqûres, écaillage, dommages de cage. Mais l'imagerie thermique détecte une catégorie différente de problèmes. Les problèmes de lubrification sont les principaux. Un roulement fonctionnant avec de la graisse dégradée ou un film d'huile insuffisant génère de la chaleur par friction avant de générer des vibrations détectables. Des études de NSK montrent que les anomalies thermiques dues à une défaillance de lubrification peuvent précéder les anomalies vibratoires de 5 à 10 jours.

Le désalignement est un autre domaine où l'imagerie thermique excelle. Un roulement qui absorbe des charges axiales anormales en raison d'un désalignement d'arbre chauffe davantage d'un côté, créant une asymétrie thermique visible en infrarouge mais qui peut ne pas produire une signature vibratoire nette tant que les dommages ne sont pas plus avancés.

Les dommages électriques aux roulements (courants d'arbre dans les moteurs entraînés par variateur de fréquence) présentent également des signatures thermiques avant les changements vibratoires. L'effet d'usinage par décharges électriques crée des micro-piqûres qui augmentent progressivement la friction et la température, tandis que la signature vibratoire des dommages par EDM est souvent masquée par les vibrations normales de fonctionnement jusqu'à ce que les piqûres soient sévères.

Le pipeline de traitement par IA

Les images thermiques brutes nécessitent un traitement significatif avant d'être utiles pour l'analyse prédictive. Le pipeline d'IA commence généralement par la détection de régions d'intérêt (ROI), où le système identifie et suit automatiquement chaque roulement dans le champ de vision de la caméra. C'est important car les caméras dérivent, les vibrations déplacent les supports de montage et les activités de maintenance bloquent temporairement la vue.

Une fois les ROI établies, le système extrait des caractéristiques : température maximale, température moyenne, variance de température au sein de la ROI, magnitude et direction du gradient thermique, et métriques de taux de variation sur plusieurs échelles temporelles. Ces caractéristiques alimentent un modèle de classification (généralement des arbres à gradient boosté ou un réseau neuronal peu profond) qui attribue un score de santé.

Les systèmes les plus sophistiqués corrèlent les données thermiques avec les données opérationnelles provenant de l'automate programmable ou du système SCADA. Un roulement à 15 degrés au-dessus de la température ambiante en fonctionnant à pleine vitesse et pleine charge peut être normal. Le même roulement à 15 degrés au-dessus de la température ambiante à demi-vitesse et sans charge est probablement en difficulté. Le contexte est important, et l'IA a besoin d'accéder à ce contexte.

Considérations pratiques de déploiement

Le positionnement des caméras est critique et souvent plus contraint que le placement de capteurs pour la surveillance vibratoire. Les caméras thermiques nécessitent une ligne de visée dégagée vers le palier de roulement, ce qui n'est pas toujours possible sur des machines avec des capots, des protections ou d'autres obstructions. Les surfaces réfléchissantes (arbres en acier poli, par exemple) peuvent provoquer des lectures trompeuses car l'émissivité varie selon la finition de surface.

Les facteurs environnementaux compliquent davantage les choses. Les variations de température ambiante, les sources de chaleur à proximité (moteurs, fours, conduites de vapeur) et les flux d'air provenant de ventilateurs ou de systèmes CVC affectent tous la ligne de base thermique. Un bon système d'IA manufacturier tient compte de ces variables, mais la période de calibration initiale prend généralement 2 à 4 semaines par installation de caméra.

Les coûts ont considérablement baissé. Il y a cinq ans, une seule caméra thermique industrielle à montage fixe coûtait entre 8 000 et 15 000 $. Les options actuelles de FLIR, Optris et de plusieurs fabricants chinois commencent autour de 2 500 $ pour une caméra 320x240 avec une sensibilité adéquate pour la surveillance des roulements. Un système à l'échelle d'une usine avec 20 caméras, du matériel de calcul en périphérie et des licences logicielles coûte entre 80 000 et 150 000 $, selon la complexité de l'intégration.

Combiner les données thermiques et vibratoires

Les meilleurs résultats proviennent de la fusion des deux types de données. Une étude de 2024 de l'Institut Fraunhofer a révélé que les modèles combinés thermique-vibration atteignaient une précision de 94 % pour prédire une défaillance de roulement dans une fenêtre de 7 jours, contre 81 % pour la vibration seule et 76 % pour le thermique seul. Les deux modalités détectent différents modes de défaillance et différentes étapes du même mode de défaillance, de sorte que leur combinaison réduit les angles morts.

En pratique, cette fusion se fait généralement au niveau des caractéristiques plutôt qu'au niveau des données brutes. Les caractéristiques thermiques et vibratoires sont concaténées et alimentent un modèle unique, ou deux modèles spécialisés produisent des scores de santé indépendants qu'une couche de fusion combine.

Les équipes de maintenance qui tirent le plus de valeur de ces systèmes sont celles qui intègrent les inspections thermiques dans leurs procédures opérationnelles standard, non pas en remplacement de la surveillance vibratoire, mais comme une couche complémentaire qui comble les lacunes.