CES 2018 : Maintenance prédictive, le pari acoustique de Wavely - Sfen

CES 2018 : Maintenance prédictive, le pari acoustique de Wavely

Publié le 16 janvier 2018 - Mis à jour le 28 septembre 2021
wavely

Au Consumer Electronic Show (CES) de Las Vegas, les start-up sont légions et certaines de leurs innovations pourraient intéresser l’industrie nucléaire. C’est le cas de Wavely, qui développe des capteurs acoustiques intelligents.

La start-up Wavely, incubée à EuraTechnologies à Lille, a développé des capteurs acoustiques intelligents et autonomes en énergie avec leurs panneaux solaires intégrés. Leur caractéristique : détecter et analyser les signaux sonores. Des sons pouvant par exemple être des fuites de gaz dans des installations industrielles. Sur son site internet, la start-up affirme pouvoir « distinguer et d’identifier la signature sonore de certains défauts ou d’un mauvais réglage, même en présence d’un bruit de fond important, en étudiant les caractéristiques temporelles et fréquentielles du signal. » Alerté automatiquement par email ou sms, l’industriel peut alors éviter un dysfonctionnement, ce qui permet d’optimiser ses coûts de maintenance tout en limitant ses arrêts de production et les incidents.

Des études préalables à la centrale de Gravelines

Wavely a signé un partenariat avec le bureau d’études SIM Engineering pour installer des capteurs sur les plates-formes offshores de Total et teste actuellement ses équipements sur le site du géant pétrolier à Lacq, dans les Pyrénées-Atlantiques.

L’industrie nucléaire souhaite également développer la maintenance prédictive et s’intéresse aux travaux de la jeune start-up. Wavely réalise ainsi actuellement une étude préalable à la centrale de Gravelines, plus grande centrale nucléaire de l’Union européenne (6 réacteurs), sur des capteurs acoustiques surveillant la vitesse de rotation des moteurs afin de prévenir tout dysfonctionnement. La particularité de ces capteurs tient dans la caractérisation de l’ensemble de la signature sonore de la machine prenant en compte des paramètres multiples, comme le niveau de bruit, sa fréquence, son débit et sa localisation. Une localisation caractérisée par la triangulation rendue possible par une multiplication des capteurs autour d’un même outil industriel.


Par Tristan Hurel, SFEN