La maintenance prédictive permet de détecter en temps réel sur les machines les signes avant-coureurs des défauts, ce qui va éviter les arrêts couteux de la chaine de production.

 

L’usine communicante va changer drastiquement nos manières de travailler ; au bénéfice de l’homme qui sera davantage solliciter pour comprendre, décider, collaborer et imaginer, et donc moins à exécuter.

 

C’est en ce sens que Sirfull – avec SiRFULL®|Asset performance management – conçoit l’Industrie 4.0 comme un ensemble de solutions permettant de collecter les données tout au long de la vie de l’asset industriel :

 

– La collecte démarre pendant le processus de fabrication par des actions manuelles ou automatiques ;

– Elle se poursuit ensuite pendant le processus de maintenance et intègre des informations provenant des relevés terrains effectués par les opérateurs ou directement par des capteurs communicants.

 

 

La collecte et le traitement de ces données – permettant ainsi une anticipation des pannes – est rendue possible par de nouvelles innovations techniques nées de l’industrie 4.0. Par exemple :

1.  le REX intelligent – une aide intelligente permettant d’éviter qu’une panne se propage d’un actif à un autre en y identifiant rapidement le point de départ de cette dernière ;
2. La connexion vers des différents capteurs – permet de remonter des milliers de données en temps réel, tel que :

 

– les capteurs de mesure d’épaisseur ;

– les données process pouvant influer sur les modes de dégradation des matériaux ;

– les données de fonctionnement des machines tournantes tel que les capteurs de vibration.

– Le développement d’algorithmes prédictifs – permet la mise en place de seuils d’alerte permettant l’anticipation des événements, notamment grâce au machine Learning ;

– La modélisation des schémas de panne, de contrôle associé à la criticité de l’actif ;

 

3. Des outils de visualisation ergonomiques permettant d’identifier instantanément une déviation dans l’état des actifs avec des KPIs :

 

– des systèmes de notification automatique (SMS, e-mail) pour informer des dérives d’un actif ;

– une grande capacité de traitement et de rafraîchissement de l’information, pour faciliter la prise de décision en temps réel, sur la base de données fiables.

 

 

Machine Learning : la clé de voute de la maitrise de la data au service des équipements

 

Pour pouvoir fonctionner parfaitement, une maitrise des datas est vitale.

 

Le Big Data est  l’essence même du Machine Learning. En outre, cette innovation est la technologie qui permet d’exploiter pleinement le potentiel du Big Data.

 

Les outils analytiques traditionnels ne sont pas suffisamment performants pour exploiter les valeurs du big data, mais des technologies telles qu’Apache Mahout, SparkMLlib sont particulièrement pertinentes pour cela.

 

“La fin des pannes” – Quels effets positifs et indicateurs à suivre ?

 

La maintenance prédictive a des effets positifs sur ces indicateurs de performance (ou KPIs) suivant :

 

– L’amélioration des taux de rendement global (TRG) de l’actif ;

– La réduction des coûts de réparation et d’intervention de l’actif ;

– Une amélioration de la qualité de fabrication de l’actif.

 

A l’heure de l’industrie 4.0, il est essentiel de trouver et mettre en œuvre tous les leviers d’optimisation possibles pour maintenir la compétitivité de l’industrie. Mettre en place une maintenance prédictive permet de rationnaliser globalement le processus et génère des gains de coûts et de temps qui peuvent être conséquents.

 

Les entreprises qui se tourneront vers ce type de maintenance seront sans nul doute demain les leaders de l’usine du futur.

 

Pour aller plus loin :

 

La plateforme SiRFULL® que nous avons conçu offre ces nombreuses fonctionnalités et usages consacrés à la maintenance prédictive, et que nous vous invitons à découvrir sur notre site.