Internet Industriel des Objets IIOT : IoT News – Sélection d'un système de maintenance prédictive pour votre usine de fabrication – Guide

Adopter uniquement le numérique ne règle plus. Aux portes de l'Industrie 4.0, les entreprises veulent aller au-delà de la simple numérisation des processus, car cela est principalement couvert dans l'Industrie 3.0. Aujourd'hui, des alertes instantanées sur les pannes du système doivent être générées à l'avance et c'est exactement ce qu'est la maintenance prédictive.
Selon Market Research Future, le marché mondial des solutions prédictives croît énormément pour atteindre 6,3 milliards USD d'ici 2022. Dorénavant, non seulement l'utilisation de l'automatisation augmentera, mais une base prédictive comme l'IA gagnera en popularité. Ce qui est intéressant, c'est que ces solutions fonctionnent en synchronisation avec l'IdO et nettoient en collaboration les silos de données, nettoient la redondance et fournissent des entrées de données appropriées.
Cependant, la maintenance prédictive est nouvelle et émergente. Les entreprises sont toujours empêtrées entre la compatibilité des systèmes existants et les nouvelles technologies. La confusion ne s’arrête pas là. Comment le système de maintenance prédictive (PM) améliore-t-il la maîtrise de l'exploitation et de la gestion (O&M)? Quel budget doit être alloué? Quelle solution choisir – Cloud ou sur site? Devez-vous construire ou acheter une solution prête à l'emploi?
Si les goulots d'étranglement ci-dessus vous semblent familiers, les conseils suivants simplifieront votre réflexion.
Tout d'abord – Décrivez la conformité avec le système actuel
Votre recherche d'un système de maintenance prédictive commence par la conformité matérielle. Étant donné que changer le matériel dans une configuration industrielle n'a pas de sens, choisissez le bon logiciel qui va avec. En effet, une application PM indépendante du matériel peut être modifiée ou personnalisée de manière transparente et sécurise votre investissement pour l'avenir.
Vérifiez l'interfaçage précis du produit avec votre ERP ou tout autre système O&M en place. La maintenance prédictive est une fonction importante de l'Internet des objets industriel (IoT) et nécessite que tous les processus de données soient synchronisés les uns avec les autres. Portez une attention particulière à la compatibilité avec les configurations de surveillance à distance existantes que vous possédez ou avec le nouveau système de surveillance à distance des équipements que vous prévoyez de déployer.
Qu'il s'agisse du flux d'évaluation des performances du système PM ou des informations transmises à d'autres systèmes, la connectivité des données vers et depuis PM vous fournira le contrôle nécessaire.
Le passage à l'Industrie 4.0 fait passer l'automatisation à un tout autre niveau. Les applications PM à la demande dans le cloud vous rendent non seulement compatible avec les appareils mobiles, mais réduisent également le coût des fonctions critiques telles que la surveillance des performances, le contrôle de la température, la surveillance des vibrations, etc.
Comprendre la fonctionnalité de récupération et de diffusion de données
Si les informations instantanées sont l'une des raisons de passer au numérique industriel, la facilité de récupération des données doit également être prise en compte. L'approche conventionnelle consistant à prendre des lectures manuelles via un appareil manque d'alertes de temps d'exécution. Bien que la lecture manuelle ait été effectuée sur une base régulière, le processus pouvait saisir l'état de l'équipement à un moment donné. Tout événement de défaut juste après la lecture sera capturé dans la session suivante qui pourrait survenir par EOD ou même le lendemain entraînant des pertes considérables.
La maintenance prédictive a été introduite pour résoudre ce problème. Le mécanisme d'alerte intégré pourrait diffuser des notifications de drapeau rouge dans tout le paysage du système, y compris les applications mobiles. C'est pourquoi les organisations qui ont adopté la surveillance numérique réussissent. Par conséquent, lors de la sélection manuelle des applications PM, ne continuez pas sans évaluer l'efficacité ou la latence (le cas échéant) dans la capture des données de panne.
Analyse de la valeur au coût
Vous devez savoir ce que vous payez. Les industries consacrent d'énormes budgets aux systèmes informatiques et n'en profitent pas encore pleinement. En fait, pour la plupart des entreprises, l'informatique s'avère être un coût irrécupérable. Le pire est la pandémie du COVID-19 qui a fait grimper les pertes industrielles à 84 milliards de dollars. Dans des circonstances aussi critiques, la crédibilité de tous les investissements est en jeu et les applications contemporaines ne sont pas différentes.
Alors que nous entrons dans l'ère de l'IIoT, les services d'analyse prédictive doivent livrer au-delà des attentes. Rien de moins que la capacité de prévoir la durée de vie de l'équipement doit être convenu. À ne pas manquer, la meilleure application de maintenance prédictive apprend la configuration industrielle et revient avec des informations qui aident le personnel à mieux fonctionner. En outre, la capacité de convertir une production massive en tâches petites mais alignées devrait juger une application. Avant de sélectionner l'application PM, assurez-vous d'avoir identifié des résultats mesurables.
Tester l'application pour différentes fonctions
Une étape efficace vers la gestion des attentes (discutée ci-dessus) serait de planifier la procédure de réponse. Vérifiez si l'application couvre toutes les anomalies avec des procédures de réponse adéquates, y compris les alertes et le calendrier. Par exemple, libérer des actions de réponse à différents événements d'échec selon les paramètres donnés dans la procédure de conditionnement.

Continuez à exécuter et à collecter des données jusqu'à l'arrêt programmé
Continuez à courir jusqu'à ce qu'un objectif de production spécifique soit atteint
Arrêtez toutes les opérations immédiatement

Une autre façon serait d'établir des événements d'échec simulés et d'analyser la réponse de l'application. Sur la base des actifs critiques identifiés précédemment, les équipes peuvent établir différents niveaux de modes de défaillance pour faire des prédictions. Le système PM doit être capable de prédire les conditions de fonctionnement grâce à des capteurs, de prédire une anomalie dans les modèles de données et finalement de produire des alertes chaque fois qu'un écart par rapport au seuil défini est identifié. Selon les résultats, concevez une feuille de route de modélisation appropriée et vérifiez si l'application PM fonctionne de cette façon.
Filtrer l'exercice de navigation sur des sources fiables
L'IoT est un marché pleinement développé et le Web regorge de fournisseurs de services. Ce qui a du sens, c'est d'approcher des plateformes fiables qui ont fait le contrôle de crédibilité nécessaire des marques. Non seulement cela vous fait gagner du temps, mais vous présente également un tout nouvel écosystème de possibilités pour mettre la main sur le produit le plus approprié. Par exemple, Ioterra a créé une place de marché en ligne pour les produits et services IoT de qualité industrielle où vous pouvez trouver les meilleurs partenaires d'ingénierie pour le développement de vos produits ou choisir une solution prête à l'emploi pour votre cas d'utilisation avec des personnalisations mineures. Ioterra effectue une vérification rigoureuse des antécédents avant d'intégrer un partenaire de services IoT ou un fournisseur de solutions, garantissant la fiabilité recherchée par les acheteurs professionnels. Les consommateurs peuvent créer un assemblage provisoire des exigences de leur écosystème IoT et des produits potentiels correspondant à leurs exigences sur une seule plateforme.
Précision des algorithmes de prédiction
Après avoir évalué le produit PM sur ses métriques d'utilisabilité et d'évolutivité, il est également impératif de juger l'algorithme sous-jacent. Au cœur de celui-ci, la PM concerne le degré de précision pour automatiser les programmes de surveillance de l'état. Ceci est essentiel non seulement pour assurer la diffusion réussie de tous les ensembles de données, mais également pour diagnostiquer les défauts potentiels du matériel de la machine. Par conséquent, l'acheteur doit se renseigner sur les algorithmes d'apprentissage automatique utilisés dans l'application du programme de fabrication.
La plupart des solutions PM utilisent le système SCADA traditionnel qui ne permet pas d'apprendre des modèles de comportement complexes. L'acheteur doit prendre en compte les paramètres "Classification" et "Régression" du produit. Par conséquent, les perspectives globales devraient passer de la maintenance prédictive à la maintenance prédictive de la qualité.
Aller de l'avant
L'écosystème PM doit être durable pendant de nombreuses années. Dans le même temps, il doit évoluer en fonction des capacités de production croissantes. Par conséquent, sélectionnez un système qui peut être personnalisé selon le caractère dynamique d'une installation industrielle. Après tout, maximiser l'efficacité opérationnelle est au cœur de toutes les unités de production.
Biographie de l’auteur: L’auteur de ce blog est Abhinav Dubey. Abhinav est un entrepreneur, un stratège et un technologue dans l'âme. Avec plus de 10 ans d'expérience dans le secteur chez Honeywell et AMD, et plus de 5 ans d'expérience dans l'IoT avec une sortie de démarrage réussie. Abhinav est titulaire d'un MBA de l'Université d'Oxford, au Royaume-Uni, et d'une maîtrise de l'Université Christ, à Bangalore. Il est actuellement directeur de la stratégie et directeur général – APAC chez Ioterra, Inc.

Laisser un commentaire