Comment mettre en place une maintenance prédictive ?

Définition de la maintenance prédictive

La maintenance prédictive ou prévisionnelle est le processus qui consiste à utiliser l'analyse des données, l'apprentissage automatique, l'intelligence artificielle et d'autres techniques de gestion des données pour prédire quand des équipements industriels sont susceptibles de tomber en panne.

L'objectif de la maintenance prédictive est de détecter la défaillance imminente des actifs avant qu'ils ne tombent en panne, notamment grâce à des systèmes de seuils et d'alertes.

Autrement dit, elle s'attaque directement à l'une des pertes de productivité pure pour un industriel, à savoir ses temps d'arrêt machine.

Les enjeux financiers sont évidemment énormes. En moyenne, les outils industriels sont immobilisés 27 heures par mois Rien que ça. 

Avec l'avènement des IIoT, et plus généralement des données au sein des usines, la maintenance prédictive se développe de plus en plus. Les solutions logicielles et leurs algorithmes sont capables d'analyser les données, de repérer des modèles et de prédire le moment où certains matériels sont susceptibles de tomber en panne.

Cela est particulièrement utile pour la maintenance régulière des équipements, comme les moteurs d'avion ou les lignes de production, par exemple.

La maintenance prédictive peut également être utilisée pour prévoir le besoin de nouveaux équipements industriels. Par exemple, les données des capteurs peuvent montrer que certains composants s'usent, et peuvent donc servir à prédire quand ils devront être remplacés.

Quelles différences entre maintenance prédictive et maintenance préventive ?

La maintenance préventive est un travail effectué sur une machine ou un système, en prévention d'une panne.  Par exemple, le nettoyage régulier ou le remplacement de petites pièces mécaniques font partis d'opérations de maintenance dites préventives. 

Elle est effectuée régulièrement, souvent à des heures fixes. Elle vise à permettre à une machine, ou à un système, de fonctionner plus longtemps sans qu'une panne ne se produise.

Et toute la nuance est là ! L'approche de la maintenance préventive consiste donc à "faire au mieux" pour que les pannes n'arrivent pas, grâce à des contrôles et des opérations régulières de dépannage; alors que la maintenance prédictive se base sur l'exploitation de données pour anticiper les pannes machines ou le renouvellement nécessaire d'un équipement industriel.

Une autre différence, tout aussi importante, réside dans le coût d'implémentation.

Les solutions nécessaires à la compilation et l'analyse des données seront plus chères à l'acquisition, que de mettre en place des processus de maintenance préventive ou de maintenance corrective.

Cependant, il sera bien évidemment indispensable d'effectuer un calcul de retour sur amortissement pour faire son choix ! 

Les technologies de l'industrie 4.0 au cœur de la maintenance prédictive

Les capteurs IIoT pour capter les données

La première étape de la maintenance prédictive consiste à collecter des données sur l'équipement.

Ces données peuvent être recueillies par des capteurs installés sur l'équipement, tels que des capteurs de pression sur une chaudière, des capteurs de vibration sur un moteur ou des capteurs de tension sur une installation électrique. 

Les capteurs IIoT (Industrial Internet of Things ou Internet Industriel des Objets) étant reliés au réseau, toutes les données mesurées sont envoyées vers un serveur ou dans le cloud afin d'être exploitées par une solution logicielle qui effectuera l'analyse des données, indispensable pour la maintenance prédictive.

Intelligence artificielle et machine-learning pour le traitement des données

Pour permettre une analyse des données très précise, les techniciens de maintenance peuvent avoir recours à des solutions utilisant l'intelligence artificielle ou les principes du machine-learning. L'analyse des données comprend généralement les étapes suivantes : 

1. Les données sont recueillies à partir de plusieurs équipements industriels pour créer un modèle de risque.
2. Les données sur l'état des équipements sont analysées pour identifier d'autres modèles.
3. Les données sont utilisées pour développer un modèle prédictif qui prévoit l'état futur de l'équipement.

Sur la base de ces modèles prédictifs, l'intelligence artificielle va recommander des actions pour prévenir les défaillances ou les pannes de l'équipement industriel.

Tout en surveillant les performances des équipements industriels grâce aux IIoT, la solution va enrichir ses modèles prédictifs au fur et à mesure de son utilisation. On parle alors de machine-learning (maintenance prédictive active).

Ces solutions permettent surtout des gains de temps et de coûts. Dans certaines industries où le coût de la maintenance (direct et indirect) est très élevé, l'intelligence artificielle permettra de les réduire drastiquement, en anticipant les problèmes et surtout, en ne mobilisant pas les techniciens de maintenance industrielle quand ce n'est pas nécessaire. 

Les types de données 

Les paramètres de détection utilisés sont nombreux. Il peut s'agir :

• de vibration
• de température
• d'imagerie thermique
• de force exercée (jauge de contrainte ou déformation)
• de pression (déformation) 
• de couple pour des pièces en rotation
• de son

• Les données en cours de fabrication :
  ces données en cours de processus sont collectées pendant le fonctionnement de la machine. 

• Les données de surveillance :
  ces données sont collectées lorsque la machine ne produit pas.

• Les données historiques :
  ces données sont collectées à une certaine date pendant le fonctionnement de la machine. 

Les rapports pour organiser la maintenance

Un rapport de maintenance prédictive est un document 📄 généré par votre solution logicielle qui résume les résultats d'une analyse de maintenance prédictive.

Il peut inclure des tableaux et des graphiques, des alertes et d'autres informations. Les rapports de maintenance prédictive peuvent aider à identifier de nouveaux modèles, des tendances, et des anomalies.

Véritable outil d'aide à la décision, ils permettent aux responsables de maintenance de planifier les interventions de leurs équipes sur le terrain, uniquement lorsque c'est nécessaire. 

Quels sont les bénéfices de la maintenance prédictive ?

Nous parlions en préambule des coûts de mise en place de la maintenance prédictive. Comme pour toute solution 4.0, il faut bien évidemment réfléchir en terme de ROI (retour sur investissement). 

Et c'est là que la maintenance prédictive devient très intéressante car génératrice d'économies importantes. Selon Senseye, les coûts en euros d'une heure d'arrêt des machines en 2021 sont les suivants : 

• Industrie automobile : 1 127 700 €
• Industrie pétrole et gaz : 184 700 €
• Industrie lourde : 157 410 €
• Industrie fabricants de Produits de Grande Consommation : 19 800€

L'impact financier de la maintenance prédictive dans les coûts d'exploitation peut donc être énorme.

Les sources d'économies pour adresser ces enjeux sont nombreuses : 

• Meilleure fiabilité de l'outil de production et amélioration de la productivité
• Diminution des pannes (temps d'arrêt machine) et amélioration de la disponibilité
• Optimisation de la durée de vie des équipements industriels et optimisation de leur rentabilité
• Optimisation de la gestion des pièces de rechange et baisse des coûts (pas de commande en dernière minute)
• Réduction des coûts de maintenance globaux
  

Conclusion :

La maintenance prédictive est l'avenir de la maintenance car génératrice de ROI très important. Cependant, elle reste très corrélés au déploiement d'autres technologies et notamment des IIoT. Sans donnée, il est impossible de mettre une place des opérations de maintenance prédictive. Il faudra donc combiner des IIoT, une solution logicielle et retravailler les processus pour déployer efficacement une stratégie de maintenance prédictive.