Maintenance prédictive dans l'industrie

Maintenance prédictive dans l'industrie: utilisation de l'IIoT et du ML pour éviter les pannes d'équipement

Tôt ou tard, toutes les machines tombent en panne, mais avec un large éventail de conséquences. Une panne soudaine de la cafetière peut gâcher votre humeur et votre matinée. En conséquence, un dysfonctionnement inattendu dans une centrale électrique a le potentiel de laisser des milliers de personnes dans l’obscurité totale pendant des heures et de provoquer une perte de plusieurs millions d’Euros.

Ainsi, le coût moyen des temps d’arrêt imprévus dans les secteurs de l’énergie, de la fabrication, du transport et d’autres secteurs est de 250 000 Euros de l’heure ou 2 millions d’Euros par jour ouvrable.

En effet, pour éviter des pannes coûteuses et atténuer les dommages causés par les pannes, les entreprises ont besoin d’une politique de maintenance efficace. Cet article présente les stratégies disponibles, les avantages de l’approche prédictive la plus avancée et les ressources nécessaires pour la mettre en œuvre.

Stratégie de maintenance: stratégie corrective vs préventive vs prédictive

Tout d’abord, il existe trois grands types de stratégies de maintenance auxquelles une entreprise peut adhérer: corrective, préventive et prédictive. Ainsi, chaque option a ses avantages et ses inconvénients, analysons-les plus en détail.

Maintenance réactive: résolvez le problème lorsqu'il se produit réellement

Avantages majeurs: faible coût de maintenance, personnel permanent réduit, planification minimale requise

Principaux inconvénients: coût de réparation élevé, risques pour la sécurité, dommages potentiellement plus importants aux machines

Ainsi, la maintenance réactive, également connue sous le nom de maintenance corrective, de fonctionnement jusqu’à la panne, signifie que les actions sont entreprises lorsque l’équipement est déjà en panne. Cette approche permet d’économiser du temps et de l’argent sur les services de planification et de soutien. Elle peut avoir lieu en cas d’actifs redondants, faciles à réparer et non critiques. Disons que les ampoules ne sont remplacées qu’après avoir été grillées.

Si la maintenance corrective ne nécessite aucun coût initial, elle s’avère très coûteuse à long terme, compte tenu des heures supplémentaires, de la durée de vie utile réduite des actifs, des atteintes à la réputation et des risques pour la sécurité. Selon les estimations du Marshall Institute, l’approche réactive coûte aux entreprises jusqu’à 5 fois plus que les types proactifs de maintenance.

Maintenance préventive: tout réparer selon un calendrier

Avantages majeurs: efficacité et cycle de vie de l’équipement accrus, probabilité réduite de pannes, économies d’argent

Inconvénients majeurs: aucun moyen d’exclure les pannes catastrophiques, l’augmentation de l’intensité du travail et les temps d’arrêt planifiés, temps supplémentaire sur la planification

Ainsi, la maintenance préventive déclenche des inspections régulières des équipements pour atténuer les dégradations et réduire la probabilité de pannes. Les activités planifiées telles que la lubrification ou les changements de filtre prolongent la durée de vie utile des actifs et augmentent leur efficacité. Donc, tout cela se traduit par des économies d’argent. Des études montrent que les économies moyennes issues de la maintenance planifiée s’élèvent à 12 à 18% par rapport à la maintenance réactive.

Cependant, les mesures préventives ne peuvent pas exclure entièrement la possibilité de pannes catastrophiques. En outre, cette pratique implique une planification et des ressources humaines supplémentaires. Souvent, la fréquence des contrôles est plus ou moins élevée que nécessaire pour garantir la fiabilité.

Maintenance prédictive (PdM): ne corrigez pas ce qui ne s'apprête pas à casser

Avantages majeurs: temps et coûts de maintenance réduits, durée de vie des actifs plus longue, risques réduits liés à la sécurité, à l’environnement et à la qualité

Principaux inconvénients: la nécessité de changements organisationnels, d’importants investissements dans le matériel, les logiciels, l’expertise et la formation du personnel

En effet, la maintenance prédictive est devenue possible avec l’arrivée de l’Industrie 4.0, la quatrième révolution industrielle portée par l’automatisation, l’apprentissage automatique, les données en temps réel et l’interconnectivité. Plus ou moins semblable à la maintenance préventive, la PdM est une approche proactive de l’entretien des machines. La différence est qu’une entreprise planifie les activités en fonction d’une surveillance constante de l’état. Une fois les tendances malsaines identifiées, les pièces endommagées sont réparées ou remplacées pour éviter des pannes plus coûteuses.

Les avantages qu’apporte la PdM aux entreprises comprennent :

-Réduction des coûts des opérations de maintenance,

-Durée de vie prolongée des équipements,

-Réduction des temps d’arrêt,

-Augmentation de la capacité de production et une sécurité accrue. Selon un rapport de Deloitte Insights, “PdM promises”

-Réduction de 20 à 50% du temps nécessaire à la planification de la maintenance,

-Augmentation de 10 à 20% du temps de fonctionnement et de la disponibilité des équipements, et

-Réduction de 5 à 10 pour cent du coût global de maintenance.

Mais ces améliorations nécessitent des investissements importants dans l’infrastructure et l’expertise informatiques – à savoir, dans les capteurs industriels IoT (IIOT), les logiciels d’analyse avec des capacités d’apprentissage automatique; les services de data scientists et de spécialistes en informatique, et la formation du personnel. Une entreprise doit construire tout un écosystème qui soutiendra les activités de prévention.

Dans les sections suivantes, nous verrons à quel moment ces efforts ont du sens et ce qu’il faut exactement pour mettre en œuvre la PdM.

Cas d'utilisation de la maintenance prédictive dans l'industrie et les facteurs de succès

En premier lieu, cette stratégie à forte intensité de coût et de technologie se justifie par des équipements de grande valeur et critiques qui doivent toujours être opérationnels. Évidemment, le PdM est trop cher et peu efficace pour des composants qui peuvent être en panne pendant des heures voire des jours sans nuire au cycle de production. Tout ce qui se trouve entre les deux nécessite des délibérations supplémentaires pour faire le bon choix.

Actuellement, la PdM la plus performante est utilisée dans les secteurs industriels suivants:

-usines de fabrication,

–centrales électriques,

-chemins de fer,

-aviation,

-industrie pétrolière et gazière, et

-logistique et transport.

Tâches que vous pouvez résoudre avec la maintenance prédictive

Quel que soit votre secteur d’activité, lorsque vous décidez de la mise en œuvre, vous devez clairement comprendre que la PdM ne s’applique qu’aux tâches de nature prévisible. La stratégie PdM peut répondre à cinq grandes questions:

-Probabilité d’une défaillance dans un laps de temps donné.
-Durée de vie utile restante de l’actif. En d’autres termes, combien de temps la machine fonctionnera-t-elle avant de se casser?
-Cause probable d’un problème donné.
-L’actif qui présente le plus grand risque de panne.
-Quelles activités résoudront le plus efficacement le problème?

Facteurs clés permettant la PdM

La stratégie PdM repose sur plusieurs piliers majeurs et ne fonctionnera tout simplement pas s’ils sont absents ou insuffisants.

-Données. Plus vous disposez de données, plus votre personnel de maintenance prend des décisions éclairées. Pour générer des prévisions précises, vous devez collecter et traiter des données en temps réel à partir de capteurs; des enregistrements historiques de maintenance et de panne, des métadonnées d’équipement et même des informations externes, telles que les conditions météorologiques.

–Compétence. Outre la formation du personnel pour comprendre les processus PdM et travailler avec de nouveaux équipements, vous avez besoin d’une expertise technique supplémentaire. L’efficacité de la maintenance prédictive dépend en grande partie des spécialistes suivants:

++les ingénieurs logiciels et cloud pour intégrer toutes les parties d’un puzzle informatique de maintenance prédictive dans une solution de bout en bout et orchestrer leur travail;

++des experts en données pour préparer les données, choisir, régler et former des modèles d’apprentissage automatique et interpréter les résultats; et

++les ingénieurs de fiabilité à utiliser les résultats fournis par les scientifiques des données pour améliorer l’efficacité et la sécurité des équipements.

Ainsi, compte tenu de la complexité de l’infrastructure informatique requise pour exécuter les activités PdM; vous devrez peut-être également impliquer un architecte d’entreprise. Cet expert évaluera vos systèmes actuels; vous consultera sur les technologies disponibles et vous aidera à relever les principaux défis logiciels et d’intégration.

-Infrastructure informatique. PdM utilise plusieurs modules matériels et logiciels ainsi que des technologies cloud. Ainsi, tous les composants du système informatique sont essentiels pour les activités de maintenance prédictive, nous allons donc les étudier plus en détail.

Écosystème ou technologies informatiques de maintenance prédictive qui animent la PdM

D’abord, la maintenance prédictive implique un flux constant de données à partir d’actifs physiques; l’analyse des informations en temps réel par rapport aux enregistrements historiques, la prédiction des résultats et; l’atténuation ou la prévention des pannes et des temps d’arrêt potentiels. ainsi, le flux de travail fluide est rendu possible par le travail orchestré de plusieurs systèmes et solutions logicielles.

Système IIoT

Les dispositifs IIoT ou les capteurs intelligents qui effectuent la surveillance de l’état des équipements sont au cœur de la maintenance prédictive. En effet, ces éléments matériels intégrés ou externes capturent les paramètres physiques et les traduisent en signaux numériques.

Les paramètres utilisés dans la maintenance prédictive comprennent, mais sans s’y limiter:

-vibration,
-capteurs de courant et de tension,
-qualité du lubrifiant,
-niveaux de liquide,
-Température,
-pression,
-les niveaux sonores et la fréquence, et
-contenu chimique.

En effet, les capteurs transmettent les signaux au stockage de données via une passerelle IoT; un appareil physique ou un programme logiciel servant de pont entre le matériel et les installations cloud. Il prétraite et filtre les données de l’IIoT, réduisant ainsi leur quantité avant de les envoyer au centre de données. En outre, la passerelle assure la connectivité; améliore la sécurité et permet la traduction entre différents protocoles de messagerie.

Gestion de maintenance assistée par ordinateur (GMAO)

Un système GMAO est un autre logiciel important derrière PdM. Il permet de contrôler et d’analyser toutes les informations liées à la maintenance, telles que les calendriers de réparation; l’historique des pannes, l’utilisation des pièces de rechange et les activités de maintenance; ainsi que les spécifications de l’équipement et les exigences techniques. Ainsi, les données historiques accumulées au fil des ans créent une base solide pour des prévisions précises.

Stockage central des données

Premièrement, vous avez besoin d’un stockage volumineux et évolutif pour agréger à la fois les données en temps réel des capteurs et les données historiques d’une GMAO.

En effet, il convient de noter que très peu d’entreprises disposent de suffisamment de ressources pour conserver les informations des capteurs dans les centres de données sur site. Ainsi, Les solutions cloud, à savoir les plates-formes middleware IoT et IIoT, constituent un meilleur choix pour collecter et stocker de grandes quantités de données. Vous pouvez facilement augmenter et réduire leur capacité en fonction du volume de données transférées et du nombre de capteurs connectés.

Solution analytique avec capacités d'apprentissage automatique

Il ne suffit pas de collecter des ensembles de données massifs provenant de différentes sources. La stratégie de maintenance prédictive nécessite des outils analytiques puissants reposant sur des algorithmes d’apprentissage automatique. La génération de prédictions avec ML comprend plusieurs phases.

-Un moteur d’analyse détermine un état de santé normal de l’équipement sur la base de données historiques (phase d’apprentissage).
-Des modèles basés sur des données sont appliqués pour surveiller en permanence l’indice de santé de l’équipement.
-Une fois que le système identifie les signes d’usure, il avertit des problèmes afin que les techniciens puissent prendre des mesures avant la panne.

Parfois, un module de maintenance prédictive fait partie intégrante de la GMAO, mais ce n’est pas toujours le cas. En outre, ce module peut être difficile à personnaliser et manquer de capacités d’apprentissage automatique, ce qui entraîne un pronostic moins précis.

Écosystème ou technologies informatiques de maintenance prédictive qui animent la PdM

Les technologies d’analyse devenant de plus en plus puissantes et les capteurs moins chers, la maintenance prédictive gagne en popularité et en utilisation. Pour comprendre la valeur que la PdM peut apporter à votre entreprise sans coût financier douloureux; Ainsi, vous pouvez commencer par une “proof of concept”, en appliquant la stratégie à une machine ou à une ligne de produits. Le processus comprendra plusieurs étapes.

-Identifiez une pièce d’équipement critique.
-Définissez les paramètres à surveiller et installez les capteurs appropriés.
-Engagez une équipe externe d’experts en science des données pour collecter des données et créer des modèles d’apprentissage automatique capables d’extraire des informations significatives.
-Exécutez la preuve de concept pendant quelques mois pour évaluer les prédictions par rapport aux processus de maintenance existants.
-Estimez les économies annuelles.

En effet, si la mise en œuvre de la PdM s’avère réduire les coûts et améliorer l’efficacité, mettez-la progressivement à l’échelle de toute l’entreprise, en faisant appel aux experts de SYRAM pour choisir les bonnes solutions, créer des composants logiciels personnalisés et aider aux intégrations.

Auteur: NAJI Faouzi

Suivez nos réflexions sur les réseaux sociaux

Nous publions fréquemment sur les réseaux sociaux (Linkedin, Twitter et Medium) nos innovations et les nouvelles fonctionnalités de nos solutions de gestion industrielle.

Nous serions heureux de vous faire profiter des dernière tendance de la gestion industrielle 4.0 au travers de contenu d’excellente qualité que vous pourriez repartager.