Les technologies de maintenance prédictive vous permettent d'entendre ce que les actifs de votre entreprise essaient de vous dire. Les machines de vos usines, votre flotte de camions, vos équipements industriels, ils vous parlent depuis des années. Ils vous ont dit quand ils sont sur le point de tomber en panne et ce dont ils ont besoin pour courir plus longtemps et plus facilement.
La maintenance prédictive permet aux entreprises d'anticiper les pannes et de planifier la maintenance quand et où elle est immédiatement nécessaire. Il fournit aux entreprises les informations dont elles ont besoin pour obtenir des performances optimales de leurs actifs précieux tout en restant confiants qu'elles ne les poussent pas trop loin et ne risquent pas une panne coûteuse.
Définition de la maintenance prédictive :
La maintenance prédictive cherche à prévenir panne d'équipement et temps d'arrêt en connectant les actifs d'entreprise compatibles IoT, en appliquant des analyses avancées aux données en temps réel qu'ils fournissent et en utilisant les informations qui en résultent pour informer des protocoles de maintenance informés, rentables et efficaces.
Pourquoi la maintenance prédictive est-elle si importante pour les entreprises d'aujourd'hui ?
Les entreprises modernes traversent une période de changement et de concurrence sans précédent. L'effet Amazon a entraîné une augmentation rapide des demandes des consommateurs en matière de contrôle, de personnalisation et de vitesse. En raison de l'évolution du climat commercial et politique, de nombreuses entreprises ont du mal à maintenir des relations d'approvisionnement et de fabrication abordables. Et alors que de plus en plus d'entreprises subissent une transformation numériquela concurrence s'intensifie et la marge d'erreur est de plus en plus mince. En conséquence, les chefs d'entreprise d'aujourd'hui cherchent à acquérir un avantage concurrentiel grâce à des solutions intelligentes, qui prédisent quand la maintenance des actifs est nécessaire, contribuent à augmenter la rentabilité et à rationaliser leurs exigences de gestion des actifs d'entreprise souvent complexes.
Quelle est la différence entre la maintenance réactive, préventive et prédictive ?
La différence entre ces trois modèles de maintenance ne réside pas tant dans comment les tâches de maintenance sont entreprises, mais quand.
- Maintenance réactive : Il s'agit essentiellement de l'acte de ne rien faire jusqu'à ce que quelque chose se brise. En tant que stratégie de maintenance, cela n'est généralement pas pratiqué par les grandes entreprises pour des raisons évidentes. Cependant, il peut s'agir d'une pratique involontaire si certaines pièces et certains composants sont exclus de la rotation régulière des programmes de maintenance traditionnels.
La maintenance réactive se produit toujours après coup. - Maintenance préventive : Elle s'appuie sur les performances passées ainsi que sur les connaissances et l'expérience des ingénieurs et des opérateurs. Il comprend la maintenance de routine, périodique, planifiée ou basée sur le temps. En effet, il évite souvent les pannes, mais malheureusement il peut être inexact, ce qui peut conduire à une maintenance coûteuse avant qu'elle ne soit nécessaire ou à des faiblesses inaperçues dans le processus de maintenance.
La maintenance préventive a lieu à des moments prédéfinis, souvent longtemps à l'avance. - Maintenance prédictive : Cela est possible lorsque les réseaux Internet des objets (IoT) intègrent tous les actifs de l'entreprise dans un écosystème en direct. La capacité de transmettre et d'analyser des données en temps réel signifie que l'état des actifs en direct – plutôt que les calendriers – devient la base des protocoles de maintenance.
La maintenance prédictive se produit en temps réel, exactement quand et où elle est nécessaire.
| Révolution industrielle | Industrie 1.0 | Industrie 2.0 | Industrie 3.0 | Industrie 4.0 |
| Innovation technologique | Mécanisation, vapeur | Production de masse, énergie électrique | Automatisation, puissance informatique | Solutions numériques, systèmes cloud IoT |
| Politique de maintenance | Maintenance réactive | Maintenance préventive | Préventif maintenance | Maintenance prédictive |
| Technologie | Inspection visuelle | Inspection instrumentale | Surveillance des capteurs | Données de détection et analyse prédictive |
| Efficacité globale de l'équipement | <50% | 50- 70% | 70-90% | >90% |
Comment fonctionnent la maintenance prédictive et l'analyse IoT ?
La première étape du processus de maintenance prédictive implique la collecte de données et d'informations en temps réel à partir d'actifs de réseau IoT connectés dans toute l'entreprise. Ces données doivent ensuite être stockées et gérées de manière à pouvoir être facilement traitées, consultées et analysées. La composante « prédictive » entre en jeu lorsque les technologies d'intelligence artificielle (IA) et d'apprentissage automatique sont appliquées aux données pour qu'elles commencent à raconter une histoire utile et exploitable. L'architecture de la maintenance prédictive et d'un réseau IoT industriel (IIoT) comporte quatre étapes de base :
- Détection et collecte de données à l'aide de technologies de maintenance prédictive (par exemple, imagerie thermique ou vibrations)
- Transmission de ces données – en temps réel – à travers le réseau vers un système d'entreprise central
- Appliquer des technologies intelligentes telles que l'IA et l'analyse de l'apprentissage automatique à ces données, pour qu'elles fournissent les informations les plus utiles et les plus pertinentes
- Agir rapidement sur ces informations basées sur les données pour établir les protocoles de maintenance et de réponse (humains et automatisés) requis
Surveillance de l'état des actifs et exploitation des technologies de maintenance prédictive
La maintenance prédictive est rendue possible grâce à des systèmes cyber-physiques qui aident à intégrer les machines et les actifs de l'entreprise dans un réseau IoT intelligent. Cela commence par identifier les conditions des actifs qui doivent être surveillés, puis installer des capteurs et établir un réseau IoT, et, enfin, collecter et analyser les données de ce réseau pour fournir des résultats et des informations exploitables. L'identification de ces conditions à surveiller est la première étape cruciale vers la transformation de la gestion des actifs d'entreprise d'une entreprise grâce à la maintenance prédictive.
Conditions de surveillance
Au départ, les gestionnaires doivent établir les conditions à surveiller pour chaque machine. Cette analyse peut être visuelle, auditive, thermique ou, le plus souvent, une combinaison de ces critères et plus encore. L'étape technologique à ce stade consiste à déterminer les bons capteurs et outils de surveillance à installer :
| Vibration Analysis | De petits changements dans les modèles de vibration peuvent indiquer un déséquilibre ou un désalignement, tandis que des niveaux de vibration élevés peuvent indiquer un roulement imminent ou d'autres problèmes. L'analyse des vibrations peut donner des avertissements précoces de défaillance et est particulièrement utile pour détecter un déséquilibre, un désalignement, un desserrage mécanique ou des pièces usées ou endommagées. |
| Analyse sonore et ultrasonique | En fonctionnement normal, la plupart des systèmes créent modèles sonores stables. Des changements dans le modèle sonore de référence peuvent indiquer une usure ou d'autres types de détérioration. Les analyses par ultrasons peuvent également donner des informations sur la santé globale du système en traduisant les sons à haute fréquence (tels que ceux produits par la vapeur ou les fuites d'air) dans la gamme audible. |
| Analyse infrarouge | As avec l'analyse par ultrasons, la thermographie découvre également ce qui est caché en utilisant l'analyse infrarouge pour traduire les changements de température en un spectre visible. Même des changements très subtils des températures de fonctionnement normales peuvent avertir de problèmes imminents. de composants mécaniques. En observant le taux de dégradation des liquides de refroidissement et des lubrifiants, des mesures préventives peuvent être prises dès que ces informations le justifient. |
| Autres | D'autres technologies de maintenance prédictive sont spécialisées pour divers besoins industriels uniques. Ils comprennent : l'alignement laser, la surveillance des circuits électriques, la détection des fissures, la surveillance de la corrosion, les changements de résistance électrique et d'autres moyens spécifiques à l'industrie de mesurer la corrosion ou la détérioration. |
Technologies de maintenance prédictive
Une fois les critères ci-dessus établis, les les capteurs et les moniteurs doivent être installés et connectés à un système commercial central (le plus souvent un système de planification des ressources d'entreprise (ERP)) via un réseau IoT connecté au cloud. Enfin, les solutions logicielles nécessaires basées sur l'IA doivent être en place pour prendre en charge les divers algorithmes et processus d'analyse nécessaires pour fournir des informations et des recommandations exploitables à partir des données collectées.
| Réseau IoT | Lorsque les actifs de l'entreprise sont augmentés avec capteurs, la capacité de traitement et d'autres technologies, ils sont capables d'envoyer et de recevoir des données – généralement via une connectivité cloud – vers et depuis un système commercial central. Cela comprend un réseau IoT et sous-tend la stratégie de maintenance prédictive. |
| Passerelles IoT | De nombreux actifs plus anciens fonctionnent toujours parfaitement, mais leur technologie analogique est antérieure à l'intégration numérique. Ces machines peuvent être équipées de passerelles IoT, qui peuvent inclure des caméras, des microphones et des thermomètres, pour collecter et transmettre des données en temps réel sur leurs états de fonctionnement. |
| Cloud Connectivity | La connectivité cloud offre la disponibilité à la demande des ressources du système informatique. Dans un réseau IoT composé de plusieurs actifs industriels, il est essentiel que les centres de données multi-sites soient intégrés dans une base de données et un système uniques. |
| Base de données moderne et ERP | Les bases de données sur disque bien équipé pour gérer les données volumineuses et non linéaires qui comprennent Big Data et des ensembles de données complexes. De plus, la maintenance prédictive utilise l'IA et l'apprentissage automatique pour effectuer des analyses avancées sur ces données. L'ensemble de ce processus est mieux servi par un ERP moderne alimenté par l'IA avec une base de données en mémoire qui est rapide, réactive et presque infiniment évolutive. |
| IA et l'apprentissage automatique | L'informaticien pionnier John McCarthy définit l'IA comme « la science et l'ingénierie de la fabrication de machines intelligentes ». L'apprentissage automatique est un sous-ensemble de l'IA qui utilise des algorithmes pour analyser et comprendre les données. Les solutions de maintenance prédictive dépendent de l'IA et de l'apprentissage automatique non seulement pour trier, comprendre et apprendre des données opérationnelles des actifs de l'entreprise, mais aussi pour extrapoler ces connaissances avec des recommandations et des informations exploitables. |
| Analyses avancées[19659025]La puissance de l'IA et de l'apprentissage automatique est avancée analytics. Les gestionnaires doivent déterminer les attributs et les conditions à évaluer et les résultats analytiques souhaités. De cette façon, les algorithmes qui informent les analyses avancées peuvent être programmés pour être aussi perspicaces et exploitables que possible, et pour tirer le meilleur parti des données et des nouvelles expériences au fil du temps. | |
| Digital twins | A le jumeau numérique n'est que cela : une recréation virtuelle d'un actif physique réel. En créant des jumeaux numériques, les responsables peuvent visiter n'importe quel scénario opérationnel possible sur le jumeau – sans aucun risque de dommages réels sur une machine ou un appareil coûteux. Cela contribue à augmenter la maintenance prédictive en permettant aux outils d'apprentissage automatique et d'IA d'intégrer et de tirer des enseignements d'expériences qui ne se sont même jamais produites. sur les actifs et peut entraîner de grands risques et dangers en cas de défaillance. Grâce à la surveillance en temps réel des changements de température de l'huile et de la vitesse des boîtes de vitesses des équipements de forage, la maintenance prédictive a considérablement amélioré la sécurité et réduit les coûts de maintenance jusqu'à 38 %.
Avantages de la maintenance prédictiveLa mise en œuvre de systèmes de maintenance prédictive a conduit à des résultats impressionnants à travers plusieurs secteurs d'activité.
|