Prédictive Box : intelligence artificielle dans l'industrie Ref. A-095274

Formez vos élèves à la maintenance de demain

Utiliser un scénario de maintenance prédictive sur une application industrielle automatisée simplifiée pour apprendre les technologies de l’IoT et de l’intelligence artificielle à vos élèves. Ce produit permet de comprendre et mettre en œuvre l'utilisation de l'intelligence artificielle appliqué à la maintenance prédictive.

Descriptif technique

Kit autonome composé de 2 maquettes (représentation des architectures OT / IT) 


1 mallette IOT équipée de:

  • 1 PC et une alimentation 24VDC
  • 1 CPX API master
  • 1 CPX API 4IOL
  • 1 ensemble de connectique pour les différents branchements
  • 1 logiciel open source Node-red


1 partie opérative équipée de:

  • 1 vérin de course 300mm
  • 1 distributeur VGU 5/2
  • 2 capteurs de fin de course
  • 1 limiteur de débit
  • 1 capteur de débit IO-Link
  • 1 capteur de pression IO-Link
  • 1 CPX API 4IOL
  • 1 CPX API 4DI M8


  • Festo Automation Expérience : La solution d’intelligence artificielle clé-en-main pour mettre les donnée machines au service de la maintenance, de la qualité et de l’énergie prédictives.
  • Smartenance : Le logiciel de GMAO connecté pour une gestion de la maintenance facilitée, digitale et intelligente.

Objectifs pédagogiques

Les TPs fournis avec la solution s’adaptent à plusieurs niveaux d’enseignement (du bac pro l’école d’ingénieur), répondant aux référentiels pédagogiques de chacune de ces formations.


  • Définition d’une architecture IoT pour le déploiement d’une solution de maintenance prédictive.
    • Acquérir des notions théoriques sur l’ensemble des technologies présentes dans une solution de maintenance prédictive
    • Schématiser l’architecture IoT du set complet
    • Identifier les expertises métiers clés
    • Comprendre le parcours de la donnée dans les environnements OT et IT
  • Création des variables d’analyse avec Node-Red.
  • Création d’un programme Node-Red pour la collecte en temps réel des variables d’analyse et leur conversion en MQTT.
  • Création de la communication entre un logiciel d’analyse de données et un logiciel de gestion de la maintenance digitalisée
  • Développement d’un modèle de machine learning en Python
    • Création d’un modèle de Machine Learning sur un logiciel Open Source
    • Tester le modèle développé dans une solution de maintenance prédictive industrielle
  • Configuration d’un logiciel de maintenance prédictive : Connexion des assets machines, configuration d’un broket MQTT, entraînement des algorithmes de machine learning, mise en forme de dashboards de visualisation