La prédiction d’une panne sur un équipement est une préoccupation majeure des responsables de la maintenance dans l’industrie. La démocratisation des nouvelles technologies numériques utilisant des objets connectés, l’Internet des objets, le cloud, le big data, l’intelligence artificielle et la science des données ont conduit au développement d’un nouveau concept de maintenance : la maintenance prédictive intelligente pour l’industrie 4.0. La crise sanitaire du coronavirus a par ailleurs accéléré le déploiement de la maintenance prédictive dans l’industrie, car elle permet d’éviter aux techniciens de se déplacer inutilement. Découvrez l’essentiel de ce qu’il faut savoir sur cette technique de détection des pannes.
Définition de la maintenance prédictive
La maintenance prédictive, aussi appelée maintenance prévisionnelle, est une technique de maintenance industrielle qui consiste à utiliser différents outils et techniques pour anticiper les défaillances à venir sur un équipement, un objet, un système, un actif industriel. Il s’agit, grâce à ce processus, de prévoir les problèmes qui peuvent menacer le bon fonctionnement de toute une chaîne de production et d’anticiper la réparation de l’actif qui viendrait à tomber en panne.
Ce type de processus prédictif se différencie des autres types de maintenance qui, il y a encore des années, dominaient dans l’industrie.
Quelle différence entre la maintenance prédictive et préventive ?
La maintenance préventive est une approche différente. Ici, il s’agit de prévoir des actions régulières sur un équipement ou une machine afin d’assurer son entretien dans la durée. Mais elle se base sur l’estimation du cycle de vie d’un équipement. Des actions y sont effectuées régulièrement pour assurer son entretien dans la durée. En revanche, la maintenance prédictive est basée sur l’usage d’outils de surveillance comme des capteurs connectés. Ces derniers vont donner l’alerte avant qu’une panne ne se produise. La maintenance prédictive permet, grâce à des capteurs IoT, d’analyser la machine pour suivre en temps réel son état et de procéder à des réparations en temps voulu.
Les enjeux de la maintenance prédictive
Il est important de souligner que le terme de maintenance prédictive correspond à la traduction anglo-saxonne de la maintenance prévisionnelle au sens de la norme NF EN 13306. L’appellation de maintenance prédictive intelligente provient du fait qu’elle fait appel aux techniques d’intelligence artificielle et au big data utilisés dans l’industrie 4.0.
Prévoir et planifier des maintenances permet de respecter les exigences du système de management de la qualité. C’est un gage de qualité reconnu qui permet in fine de rendre les industries plus efficaces en :
- Diminuant les pannes et donc les temps d’immobilisation des équipements ;
- Allongeant la durée de vie des actifs ;
- Améliorant la fiabilité des équipements ;
- Optimisant la production ;
- Rationalisant la gestion des stocks des pièces de rechange.
En prévoyant les maintenances, les industriels augmentent la satisfaction du client car les ruptures de stock et de production sont évitées et réduisent leurs coûts de maintenance.
Mettre en place un processus de maintenance prédictive permet de réaliser des économies significatives par rapport à la maintenance curative et préventive. Elle permet aux services de maintenance d’anticiper le moment précis où la panne va avoir lieu et ainsi ne lancer une intervention qu’en cas de nécessité avérée.
Les outils clés de la maintenance prédictive
Pour que l’investissement, dans une stratégie de maintenance prédictive, puisse être rentable, certaines étapes doivent être respectées.
Avant toute chose, il est nécessaire de réaliser un audit des équipements en place, puis déployer des capteurs intelligents. Ensuite, il faut passer à l’analyse des données collectées pour pouvoir écrire les modèles de prédiction des défaillances et pannes.
C’est à cette étape que l’intelligence artificielle et le machine learning prennent alors le relais.
- Imagerie thermique
Les composants usés tout comme les circuits électriques défectueux émettent de la chaleur. Les outils d’imagerie technique fonctionnent par infrarouge : ils donnent la possibilité de prendre une image de l’équipement pour identifier les points les plus chauds sur un écran. Ces outils thermiques permettent de localiser tout dysfonctionnement avant que des dommages sérieux ou des pannes ne surviennent.
- Les capteurs connectés
Les capteurs sont des éléments déterminants de la réussite d’une bonne maintenance prédictive. En effet, ils permettent de collecter les données et d’avertir en cas d’atteinte des seuils paramétrés comme critiques.
Il existe différents types de capteurs. Certains permettent de réaliser des mesures grâce aux ultrasons tandis que d’autres utilisent les infrarouges. Ils sont dès lors en mesure d’analyser les vibrations, les fluides, les huiles, etc.
Mais si le choix de ces capteurs est essentiel, leur paramétrage et définition des règles des alertes sont stratégiques. L’aide de logiciel est donc un atout indispensable à la bonne réussite.
- Des logiciels d’EAM avec une IA et du machine learning
Pour mener à bien votre projet de maintenance prédictive, il vous faut déployer les outils analytiques qui vont vous permettre de découvrir ce qui se cache dans les données relevées par les capteurs.
Pour cela, des logiciels d’EAM utilisés pour organiser et surveiller les maintenances se développent de plus en plus sur le marché.
IBM Maximo Predict est un logiciel EAM qui est adapté aux entreprises souhaitant déployer un projet de maintenance prédictive. Pour mener à bien ce type de projet, ce progiciel permet de déployer les outils analytiques des données relevées par les capteurs.
Un logiciel comme IBM Maximo Predict embarque de l’intelligence artificielle qui va traquer et analyser les données caractéristiques d’une panne. À partir de là, elle va modéliser des combinaisons de données similaires, des schémas de panne, et fixer des seuils d’alerte en conséquence. Dès qu’une de ces combinaisons réapparaîtra, le système considérera qu’une panne va avoir lieu de manière imminente. Mieux, le machine learning embarqué dans IBM Maximo permet, grâce à des algorithmes d’apprentissage automatique, d’analyser des données et de diagnostiquer des pannes à un stade précoce.
À l’aide d’un tel progiciel de gestion des interventions, tel qu’IBM Maximo, connecté à ces outils de supervision, les ERP de l’entreprise et le service de maintenance peuvent ainsi automatiser la prise de décision sur les opérations de maintenance.
VAGANET, notre cabinet de conseil en IT est spécialisé dans différents domaines d’intervention : EAM, ITSM, ERP (IBM Maximo, SAP), Data, Embedded digital, CRM (Microsoft), architecture et nouvelles technologies.
Vous souhaitez plus de renseignements sur le déploiement d’un logiciel d’EAM, n’hésitez pas à contacter nos experts au +33 01 84 19 63 18 ou via email contact@vaganet.fr .