L'article examine la prédiction des défaillances mécaniques dans les équipements tournants miniers, mettant l'accent sur un réducteur de convoyeur. Un outil numérique d’aide à la décision développé sous Python utilise des données de vibrations et des fiches de maintenance. Les données sont analysées pour détecter les tendances, tandis qu'un algorithme de réseau de neurones récurrents prédit les premières signatures vibratoires. Deux algorithmes de détection d'anomalies, basés sur les données de vibration prédites et les dates de maintenance antérieures, sont utilisés pour prédire les signatures des défaillances.