Internet Industriel des Objets IIOT : Comment l'IIoT révolutionne la maintenance et l'analyse des installations en temps réel

Les processus de production, les protocoles de maintenance, les initiatives de sécurité, le contenu de la formation (ou son absence), le personnel et les calendriers s'influencent mutuellement d'une manière que nous n'aurions jamais pu prévoir il y a même 10 ans. Oui, nous avons compris que les composants interconnectés étaient potentiellement précieux, mais nous avons maintenant la technologie en place pour mieux définir, mesurer et agir sur ces interrelations.
Après les défis commerciaux de la crise financière mondiale de 2008, la plupart d'entre nous ont récolté les fruits bas qui gardent les portes ouvertes et nous permettent de continuer à nous améliorer. L'étape suivante consiste à tirer parti des outils de l'IoT. L'IoT fait partie de notre vie depuis longtemps, que nous le sachions ou non. Nos voitures, nos actifs et même nos comptes Amazon utilisent un grand nombre de flux de données pour nous protéger, améliorer les performances et piloter nos habitudes d'achat. Peut-être que l'IoT devrait être appelé «des choses avec lesquelles nous pouvons communiquer», mais TWCCW ne déroule pas tout à fait de la langue.
Quelle est la différence entre aujourd'hui et 10 ans? Les méthodes analytiques et les logiciels ont été affinés. Ils sont plus faciles à utiliser et disponibles à la demande avec les services cloud. Dans le passé, nous pouvions voir la plupart des corrélations évidentes. Ceux qui étaient moins évidents n'ont été identifiés que par des experts en la matière très intelligents utilisant des feuilles de calcul, des mathématiques vraiment geek et de gros ordinateurs centraux tels que l'IBM 360.
Les moteurs analytiques nous permettent de travailler beaucoup plus rapidement sur plusieurs de ces concepts. Tout comme le traitement distribué par PC du mainframe au bureau, les moteurs analytiques conduisent le traitement dans la même direction. Nous pouvons traiter des milliers de flux de données et découvrir – ou laisser la machine découvrir – les relations et corrélations cachées. Ensuite, nous pouvons utiliser ces relations pour valider les modifications apportées aux systèmes ou aux processus.
Par exemple, les conditions météorologiques, telles que la température, l'humidité et les tempêtes imminentes, affectent les performances des actifs. La compréhension de ce qui est «normal» repose sur le type de processus en cours, la qualité des matières premières et la qualité de l'énergie fournie par le fournisseur. La recherche de corrélations entre ces influenceurs n'est plus facultative; cette capacité est considérée comme une exigence de base pour les opérations et la maintenance.
Comment commencez-vous? Choisissez un domaine, un équipement ou un processus de haute technologie sur lequel vous concentrer. Le cloud computing offre un accès facile aux modèles analytiques d'entreprise que vous pouvez expérimenter. La connexion d'un flux de données est aussi simple que le déploiement d'une application. Laissez les modèles existants vous montrer des corrélations que vous ne connaissiez pas – explorez-les et développez-les en tant que repères pour les premiers succès.
Reconnaître qu'une utilisation efficace des données dépend de la compréhension de ce que vous avez déjà, déterminer où se trouvent les données d'aide à la décision et rassembler le tout dans un cadre unique. Ce n'est qu'alors que vous pourrez évoluer vers des possibilités plus tournées vers l'avenir.
Par où commencer? À moins que vous ne viviez sous un rocher mouillé, peu importe votre rôle dans l'entreprise; nous pouvons tous voir une opportunité. Prenez un petit morceau et commencez.
Réactif à prédictif
Le développement technologique étend les outils disponibles pour accroître l'efficacité de la maintenance et améliorer considérablement la disponibilité et la disponibilité des équipements. La maintenance réactive, qui attend que les machines et autres équipements tombent en panne puis les répare, est une méthode coûteuse qui affecte l'efficacité de la production et la qualité de fabrication. Cette pratique a également un impact important sur l'augmentation des coûts du cycle de vie, raccourcissant souvent la durée de vie utile des équipements.
La maintenance préventive basée sur le temps calendaire améliore l'efficacité de l'équipement. Cependant, faute de lien entre l'utilisation et l'usure des équipements, cette méthode ne s'est pas révélée fiable et nécessite un important engagement de main d'œuvre. Une grande partie du travail et des matériaux sont exagérés. La maintenance conditionnelle utilisant une surveillance en temps réel pour évaluer en permanence l'état des actifs peut considérablement améliorer la disponibilité et limiter les temps d'arrêt. La prochaine étape importante de la maintenance est la technologie IoT et le cloud computing. Les entreprises identifient et corrèlent les modèles de variables qui, prises dans leur ensemble, affectent les performances de l'équipement afin de déterminer les actions susceptibles de prévenir les pannes. L'application de méthodes prédictives peut améliorer considérablement la stratégie de maintenance et la capacité d'anticiper les problèmes de performances et de les atténuer avant qu'ils n'affectent les opérations et provoquent des temps d'arrêt imprévus.
Exploiter les données des actifs
Chaque jour, de plus en plus d'intelligence sont intégrées aux capteurs des équipements. Les systèmes d'automatisation liés à ces capteurs intelligents fournissent des informations sur les données de performances en temps réel. Avec l'application de la technologie de l'Internet des objets, ces téraoctets de données se transforment en informations exploitables. L'opportunité est une compréhension factuelle beaucoup plus claire des performances et de l'efficacité des actifs afin de réduire les coûts de maintenance, d'améliorer le temps de production (temps d'arrêt réduits), d'améliorer la qualité des produits, d'améliorer le rendement de production, de réduire les temps d'arrêt non planifiés et d'optimiser les ressources de main-d'œuvre de maintenance. Ces données peuvent également être utilisées pour justifier le remplacement des équipements existants et vérifier les performances des nouveaux processus de production et des équipements récemment installés.
Des logiciels de modélisation analytique plus récents et plus faciles à utiliser deviennent disponibles en raison des demandes des clients dont l'appétit est aiguisé par des résultats convaincants et qui suscitent le besoin de plus en plus d'informations sur leurs opérations commerciales. Les modèles analytiques mettent des fruits suspendus à portée de main; la maintenance et l'amélioration opérationnelle affectent directement le résultat net, et c'est pourquoi les grandes entreprises sont si intéressées à tirer parti de ces technologies.
Explorer la valeur potentielle
Les données des systèmes d'automatisation et de surveillance, exploitées avec l'analyse, la surveillance et les rapports, constituent la base d'un programme de maintenance en temps réel. L'impact potentiel de l'utilisation de la maintenance prédictive est significatif, comme l'illustre une analyse de Nucleus Research des améliorations potentielles:

Réduction des temps d'arrêt annuels imprévus: 60 à 90%
Réduction de la capacité excédentaire requise pour compenser les temps d'arrêt imprévus: jusqu'à 90%
Réduction des rebuts ou retouches: jusqu'à 50%
Prolongation de la durée de vie des actifs améliorant le rendement à vie des actifs: 5 à 15%

Identifier et hiérarchiser les besoins
Une analyse utile consiste à identifier et à hiérarchiser votre situation en tenant compte de trois facteurs relatifs aux cas d'utilisation analytiques.

Préparation opérationnelle et organisationnelle: êtes-vous prêt ou les gens ont-ils besoin de plus d'informations et de formation?
Alignement des activités et de la stratégie: est-ce conforme aux buts et objectifs de votre entreprise?
Risque et valeur de retour: pour vos opérations, quel est le potentiel économique?

Laisser un commentaire