Créée en juillet 2019, la société DiagRAMS Technologies, qui développe un logiciel de maintenance prédictive permettant d’analyser les données jusqu’ici inexploitées dans les usines, a réussi à lever 1,7 million d’euros auprès des fonds Nord Création, Finorpa, Nord France Amorçage et Nord Capital Investissement ...avec le soutien de Bpifrance, French Tech Seed et Groupe Cleaning Bio. Cet investissement doit permettre à la start-up lilloise de poursuivre ses efforts de recherche et développement et de renforcer ses équipes afin d’accélérer le déploiement de sa solution.

Issue de plusieurs années de R&D au sein de l’Inria, la solution DiagRAMS est présentée par ses concepteurs comme une rupture technologique dans le domaine de la science des données industrielle qui permet de relever les défis liés à la détection d’anomalies, au diagnostic de dysfonctionnements et à la prédiction de pannes sur tous les équipements industriels.

La force de l’approche prônée par la start-up résiderait dans sa capacité à exploiter et à valoriser les données déjà présentes dans l’usine. De fait, explique la société, tous les équipements disposent nativement de capteurs de processus qui remontent des informations centrales sur leur fonctionnement et il s’avère donc inutile d’ajouter de nouveaux capteurs de maintenance sur les machines. Grâce à ses algorithmes, la solution de DiagRAMS peut ainsi analyser, après consolidation, les données issues des équipements industriels, mais aussi les données de production (MES-Scada) et de maintenance (GMAO) jusqu’ici sous-exploitées pour suivre les conditions réelles d’utilisation des équipements.

« Chez DiagRAMS Technologies, nous nous appuyons sur nos expériences dans l’industrie et dans la R&D pour proposer une solution simple et intuitive qui peut s’appliquer sur des systèmes déjà existants, indiquent Margot Corréard et Jean-François Bouin, les deux fondateurs de la start-up. Nous savions que le secteur de l’industrie faisait face à un problème en termes de maintenance prédictive, en l’occurrence le manque d’une solution unique qui s’adapte à n’importe quelle chaîne de machines. Nous avons donc développé un logiciel reposant sur le Machine Learning et l’intelligence artificielle pour répondre à cette demande. Ainsi, nous permettons aux techniciens sur le terrain d’optimiser leurs interventions, d’anticiper les pannes et les dysfonctionnements des équipements, et ainsi de réduire les coûts de maintenance de manière considérable. »