At the International Conference on Prognostics and Health Management in Seattle, Guillaume Prevost—a CEA-Leti doctoral researcher in signal processing and AI—won the Best Paper award for his work on knowledge-informed symbolic regression to discover degradation features in rolling bearings. The achievement highlights the institute’s multidisciplinary approach to predictive maintenance, which pairs physical modeling expertise (from colleague Youssof) with signal and data processing.

Team member Leila Merzak, a PhD student in modeling and signal processing, noted that a key use case is developing digital twins to predict damage and assess structural health, including her own research on knee prostheses. According to Célestin Ott, a multiphysics modeling research engineer at CEA-Leti, combining physics-based AI with digital twins yields more precise, targeted predictive maintenance, enhancing both fault detection and degradation forecasting.

Amid these “very constructive and exciting exchanges,” as Ott described them, the team also found room for humor—sparked when Guillaume Prevost ordered a milling machine for the lab. The equipment supports experimental studies on tool health monitoring in rotating machines, using ultrasonic sensors to anticipate wear and enable proactive maintenance.

Actualité|Nouvelles technologies

Il n'est pas surprenant que ces outils améliorés soient intégrés dans de multiples secteurs industriels et soient par ailleurs reconnus.

En effet, lors de l“International Conference on Prognostics and Health Management"àSeattle, Guillaume Prevost, doctorant en traitement du signal et en IA, a présenté un article intituléKnowledge-Informed Symbolic Regression for New Features Discovery for Degradation Analysis of Rolling Bearings." Il a remporté le prix du meilleur papier.

Comme la plupart des projets du CEA-Leti, la maintenance prédictive implique des équipes multidisciplinaires, par exemple l'expertise en modélisation physique apportée par Youssof et le traitement des signaux et des données par Guillaume.

Leila Merzak, membre de l'équipe et doctorante en modélisation et traitement du signal, explique que l'un des cas d'utilisation actuels de l'équipe est axé sur le développement de jumeaux numériques pour la prédiction des dommages et l'estimation de l'état de santé des structures mécaniques. Par exemple, dans le cadre de ses recherches doctorales, sur les prothèses de genou.

Célestin Ott, ingénieur rechercheur en modélisation multiphysique au CEA-Leti, explique que l'intégration de jumeaux numériques à une intelligence artificielle basée sur la physique permet une maintenance prédictive plus précise et plus ciblée, en améliorant la fiabilité de la détection des défauts et la prévision de la dégradation.

Comme toutes les équipes de recherche bien rodées, les membres savent saisir l'occasion de partager un moment d'humour tout en menant des « échanges très constructifs et passionnants », comme les décrit Célestin.

C'est ce qui s'est passé lorsque Guillaume a commandé une fraiseuse pour le laboratoire afin de mener des études expérimentales sur la surveillance de l'état de santé (SoH) des outils dans les machines tournantes, en utilisant des capteurs à ultrasons pour anticiper la dégradation à des fins de maintenance prédictive.