Eh bien, comme vous l'avez peut-être deviné, nous avons donné une touche technologique au célèbre proverbe – un point dans le temps en sauve neuf. Cependant, rappelez-vous que ce n'est pas une déclaration ironique; ni un simple jeu de mots. Savoir ce qui pourrait mal tourner en temps réel et agir en conséquence avant même que cela ne devienne un risque – en particulier dans les industries de fabrication, de transport et de transformation – a un impact énorme sur le chiffre d'affaires ainsi que sur les résultats. Grâce aux solutions de l'industrie 4.0 – IoT industriel et apprentissage automatique, nous entrons maintenant dans la “ maintenance prédictive '' de la maintenance réactive et de la maintenance de routine.Le côté technologique de l'IoT peut être compris comme “ un contrôle transparent en temps réel grâce à l'automatisation '' une variété de capteurs et l'utilisation de ce réseau pour faire fonctionner une usine au quotidien ou obtenir des informations. La valeur commerciale est de prendre cela pour créer des informations exploitables. La maintenance prédictive est évidente: il est évident que la maintenance prédictive se concentre sur la façon de prédire quand certaines conditions vont se produire et quand les machines tomberont en panne. Ce qui est passionnant, c'est qu'avec l'avènement de l'IoT et de l'apprentissage automatique et la capacité de le faire à grande échelle, la maintenance prédictive n'est plus l'apanage des grandes organisations, mais est disponible pour toute application industrielle à forte intensité d'actifs. les applications et solutions ont changé la façon dont nous effectuons la maintenance prédictive depuis quelques années. Nous pouvons désormais disposer de dispositifs de surveillance en temps réel à faible coût qui envoient des données à un algorithme en continu. Avec la puissance supplémentaire du Machine Learning, il peut détecter si quelque chose ne va pas avec une machine… faire une prédiction. Comment ça marche en temps réel? Les capteurs en temps réel installés sur l'équipement fournissent des données en temps réel que vous pouvez alimenter en modèles prédictifs pour aider à déterminer quand quelque chose est sur le point de tomber en panne ou quelle est la durée de vie utile restante de cet équipement. Vous pouvez ensuite planifier la maintenance en fonction de ces données.Avec l'aide de l'IoT industriel pour la maintenance prédictive, nous obtenons des informations sur l'état de l'équipement – selon différents scénarios – et planifions les interventions. Nous pouvons prendre des données à partir d'un large éventail de sources de données; et peut même combiner des informations météorologiques avec des données d'équipement, puis déterminer quand envoyer une équipe pour la maintenance prédictive.Où intervient le Machine Learning? En utilisant l'IoT, nous pouvons souvent finir par collecter d'énormes quantités de données. Pour l'œil humain, le comprendre devient un véritable défi. L'apprentissage automatique est utilisé, en conjonction avec l'IoT, lorsque l'analyse de données traditionnelle et les modèles mathématiques ne suffisent pas à traduire les données en informations exploitables. Vous pouvez l'appeler automatisation de l'analyse. Avantages Dans son blog sur «Comment la maintenance prédictive activée par l'IoT peut transformer votre entreprise», écrit par Tom O'Reilly, GM IoT Device Experience, Microsoft – La maintenance prédictive est une application qui regroupe des processus environnementaux , et les données de ressources et utilise l'IA et l'apprentissage automatique pour analyser et prédire quand un actif doit être entretenu ou remplacé avant qu'une panne ne se produise. Les avantages peuvent inclure: Réduction des temps d'arrêt imprévus: évitez les pannes d'équipement coûteuses et les temps d'arrêt imprévus. Résoudre les problèmes de manière proactive avant qu'ils ne deviennent des problèmes ayant un impact significatif sur les opérations.Augmentation de la qualité: Améliorez les produits et les processus grâce à l'apprentissage automatique et détectez rapidement les problèmes de maintenance pour augmenter la satisfaction du client.Réduction des coûts: Réduisez les coûts de maintenance et prolongez la durée de vie de l'équipement.Plus d'efficacité et de rendement: Augmentation du processus efficacité, utilisation des actifs et production. Par où commencer? Nous devons d'abord comprendre que ce que nous souhaitons prédire doit être quelque chose sur lequel nous pouvons agir – pour que la prédiction ait une valeur commerciale. Microsoft, dans la description de sa plate-forme Azure IoT largement utilisée, donne un ensemble simple de questions que nous devons nous poser.Temps: combien de temps reste-t-il à l'équipement avant qu'il ne tombe en panne? nombre de jours ou de semaines? Cause: Quelle est la cause probable d'une défaillance donnée? Classement par niveau de risque: Quel équipement présente le risque de défaillance le plus élevé? Recommandation de maintenance: compte tenu de certains codes d'erreur et d'autres conditions, quelle activité de maintenance est la plus susceptible Vous avez besoin d'aide pour choisir la bonne plateforme de maintenance prédictive et créer la bonne solution? Parlez à Hakuna Matata.