Internet Industriel des Objets IIOT : Le guide ultime de la maintenance prédictive (PdM) en 2020

Travaillez-vous pour une entreprise industrielle qui rejette la plupart de ses données? Vous vous demandez si ces données sont utiles? Nous pouvons vous aider à décider.
Des équipements avancés tels que l'Internet des objets (IoT) et l'Internet industriel des objets (IIOT) et les robots génèrent plus de données que jamais auparavant. Cependant, les capacités d’analyse des usines n’ont pas été à la hauteur. Selon Fero Labs, les entreprises de fabrication jettent 98% de toutes les données qu'elles peuvent collecter car elles n'ont pas les capacités d'analyse opérationnelle pour intégrer ces données dans leurs opérations.
Et ont-ils raison de rejeter ces données? Selon McKinsey & Company, non. McKinsey prédit une création de valeur de 1 à 4 milliards de dollars p.a. en 2025 en raison de l'IoT dans le réglage d'usine à l'échelle mondiale. Une grande partie de cette création de valeur est due à l'analyse industrielle et à la maintenance prédictive. Naturellement, nous nous attendrions à un battage médiatique autour de ces valeurs impressionnantes et, selon GE, même en 2014, l'analyse des mégadonnées était l'une des trois principales priorités pour> 84% des CxO en usine.
Les entreprises de maintenance prédictive (PdM) et de l'industrie 4.0 interviennent pour combler l'écart entre les données et les informations pour les entreprises industrielles. Ils permettent aux entreprises de stocker et d'analyser les sorties critiques de leurs machines. L'une des principales choses à faire avec ces données est d'améliorer la maintenance et les paramètres d'entrée de leurs machines.

Qu'est-ce que la maintenance prédictive?
Vous avez peut-être entendu parler de maintenance prédictive, mais vous ne savez peut-être pas en quoi elle diffère de vos pratiques actuelles. Essayons d'expliquer rapidement.

Maintenance planifiée, maintenance préventive ou maintenance programmée: le calendrier de maintenance est fixe, la maintenance est effectuée à intervalles réguliers. Les activités de maintenance sont fixes, le contrôle complet et la maintenance de tous les composants de la machine sont effectués au fil du temps. Cependant, tous les composants de la machine ne peuvent pas être vérifiés à la même fréquence. Alors peut-être que le composant A est vérifié mensuellement, le composant B est vérifié chaque année. Cependant, au fil du temps, tous les équipements sujets aux pannes sont vérifiés.
Maintenance conditionnelle: la maintenance est effectuée lorsque des problèmes surviennent.
La maintenance prédictive (PdM) effectue une maintenance pour éviter les problèmes prévus plutôt que d'effectuer une maintenance selon un calendrier fixe (maintenance planifiée) ou lorsqu'un problème survient (maintenance conditionnelle). Elle est meilleure que ces autres approches car elle permet à l'organisation de prévenir les problèmes sans encourir le coût d'une maintenance fréquente inutile. Ainsi, pendant la durée de vie d'une usine de fabrication, certains composants peuvent ne jamais être vérifiés s'ils ne devraient pas causer de problèmes.

Les cadres demandent rarement «Qu'est-ce que la maintenance prédictive?» parce que c'est tellement intuitif. Si nous savions quand des dysfonctionnements se produiraient, nous ferions de la maintenance au premier arrêt avant le dysfonctionnement. C'est la prémisse exacte de la maintenance prédictive et des capteurs industriels, cela devient possible. Bien que la maintenance prédictive semble intuitive, il ne vaut peut-être pas la peine de mettre en place une maintenance prédictive si ses avantages sont négligeables. En bref, si le temps de disponibilité n'est pas critique, les coûts de maintenance ne sont pas importants et les analyses avancées sont peu susceptibles d'apporter une valeur significative à l'entreprise, la maintenance prédictive peut ne pas en valoir la peine. Pour une discussion plus détaillée, veuillez consulter notre guide qui explique l'approche de maintenance à choisir en fonction de vos objectifs.
Pourquoi c'est important?
La gestion des actifs est essentielle dans des secteurs comme la fabrication où les machines de pointe sont chères et la dépréciation est un coût majeur. Des économies de coûts importantes sont possibles grâce à la maintenance prédictive. Essentiellement, la maintenance prédictive est le nouveau levier pour améliorer la gestion des actifs. Alors que six sigma et le lean management étaient des méthodes plus anciennes pour stimuler l'efficacité, après avoir été utilisés pendant plus d'une demi-décennie, ils ont des rendements limités pour les entreprises d'aujourd'hui.
Selon le rapport de PwC, la maintenance prédictive dans la fabrication pourrait

améliorer la disponibilité de 9%
réduire les coûts de 12%
réduire les risques pour la sécurité, la santé, l'environnement et la qualité de 14%
prolonger la durée de vie des actifs vieillissants de 20%

Comment ça marche?
Source: UpKeep
Alors que l'idée générale de la maintenance prédictive est intuitive, les systèmes de maintenance prédictive s'appuient sur une myriade de données de capteurs pour la surveillance de l'état des machines. Certains de ces capteurs mesurent:

Température
Pression
Vibration
Vitesses de rotation
Courant
Propriétés chimiques huile

Selon la machine, des valeurs supérieures ou inférieures à la normale dans ces capteurs peuvent signaler des problèmes futurs et créer des bons de travail pour effectuer la maintenance. Par exemple:

L'augmentation des températures peut entraîner la fusion ou la combustion de composants et, selon l'équipement, il peut être nécessaire de remédier avant de causer des dommages importants
L'analyse des vibrations pourrait offrir un aperçu des pannes possibles, car l'augmentation des vibrations peut être le signe de défaillances de composants.
L’analyse de l’huile consiste à analyser les propriétés d’un lubrifiant pour estimer la dépréciation de la machine. Le taux d'amortissement est estimé en mesurant la quantité de contaminants en suspension, de débris d'usure, etc. dans le lubrifiant. Il y a 50 ans, c'était le domaine des tribologues, experts en usure des machines, maintenant l'huile de machine est extraite automatiquement par IoT et analysée soit par IoT ou en laboratoire révélant des profils d'usure détaillés.

La surveillance en temps réel de ces variables permet des interventions immédiates pour résoudre les problèmes avant qu'ils ne surviennent. De plus, l'analyse des séries chronologiques peut mettre en évidence des écarts anormaux. Bien que ces écarts puissent sembler acceptables lorsqu'ils sont examinés isolément, l'analyse des séries chronologiques peut identifier des modèles anormaux et prédire les problèmes futurs.
Voyons comment ces données, par exemple l'augmentation des vibrations, se traduisent en actions de maintenance.
Comment les logiciels industriels d'analyse et de maintenance ont-ils évolué?
Le logiciel de maintenance a évolué avec les capacités de traitement de données de l'époque. À partir d'outils de productivité comme Excel, la maintenance repose désormais sur des analyses avancées.
Analyse manuelle
La plupart des entreprises industrielles en sont encore à ce stade. Les équipes Lean ou Six Sigma obtiennent des données des équipes pertinentes, calculent les chiffres dans Excel, SPSS ou MATLAB, créent des informations, communiquent leurs résultats, obtiennent l'adhésion et aident au déploiement de leurs modifications proposées et enregistrent les résultats pour voir une certaine amélioration. Enfin, lors d’une réunion de clôture, les résultats sont partagés et une nouvelle façon de travailler fait partie des processus de l’entreprise.
Cette approche demande beaucoup de travail, n'est pas évolutive et dépend fortement de l'équipe impliquée. Cependant, la plupart des entreprises fonctionnent toujours de cette façon, les consultants vendent toujours des projets Lean et Six Sigma. La direction, comme la science, avance un enterrement à la fois, en particulier dans les oligopoles où la survie à court terme des entreprises est garantie. Cependant, le déclin à long terme de ces approches manuelles est assez évident:
Gracieuseté de Google Trends
Note de côté drôle, a essayé d'avoir le même graphique pour le mot clé maigre. Le Lean gagne en popularité! L'augmentation du désir des gens de se mettre en forme a éclipsé toutes les tendances en raison des pratiques de gestion Lean.
GMAO
Alors que les méthodes manuelles offraient la possibilité d'une amélioration constante, les systèmes informatisés de gestion de la maintenance (GMAO) ont permis de répartir les techniciens, de suivre leurs progrès et de contrôler l'effort global de maintenance. La GMAO fournit les données initiales du cycle de maintenance et génère des alertes et des bons de travail chaque fois qu'elle identifie une machine fonctionnant en dehors de conditions prédéfinies. Alors que la GMAO est clairement plus efficace que les feuilles de calcul, les systèmes GMAO ne fournissaient toujours pas de capacités analytiques importantes. Cela a changé avec les sociétés modernes de GMAO telles que eMaint et Limble offrant de fortes capacités d'analyse
Jumeau physique virtuel
Les ingénieurs ayant une connaissance détaillée des principes de fonctionnement d'une machine industrielle, construisent un modèle mathématique de cette machine industrielle spécifique. Ces modèles sont alimentés en données en temps réel pour produire des informations. Parce qu'ils doivent être fabriqués sur mesure pour chaque machine, ils ne sont pas évolutifs sur le sol de l'usine. De plus, ils ne peuvent être produits avec une précision suffisante que par les équipes qui ont construit la machine, ce qui réduit la concurrence pour ce service. Par conséquent, ils ne sont pratiques que pour les organisations sans capacités d'analyse plus génériques qui souhaitent activer la maintenance prédictive sur quelques systèmes critiques.
Jumeau statistique virtuel
Les scientifiques des données exploitent les données historiques des capteurs pour construire un modèle statistique de cette machine industrielle spécifique. Bien que la connaissance spécifique à la machine ne soit pas requise pour créer un jumeau statistique virtuel, cette approche n'est pas non plus évolutive car elle est spécifique à la machine et nécessite un talent coûteux en science des données pour créer et maintenir des jumeaux.
Systèmes d'apprentissage assisté
Les systèmes d'apprentissage automatique complètent l'analyse prédictive et mettent en évidence les modèles dans les données des capteurs. Les techniciens associent les informations générées automatiquement aux événements en usine et choisissent les modèles qui doivent être identifiés. Les modèles d'apprentissage automatique ne sont pas spécifiques à la machine et peuvent être déployés dans l'usine. Dans ce modèle, il n'y a pas besoin de travaux de maintenance du modèle, de sorte que les ingénieurs et les scientifiques des données n'ont pas besoin d'être employés. La plupart des solutions de maintenance prédictive actuellement vendues entrent dans cette catégorie.
Systèmes autonomes
Avenir de l'analytique industrielle et en fait de tout système opérationnel. Un système entièrement autonome prenant des décisions en temps réel, surveillé uniquement lorsque des anomalies se produisent. Des audits peu fréquents pourraient être effectués par des humains pour assurer un fonctionnement sûr et sain et comprendre comment le système autonome pourrait être encore amélioré. C'est très rare dans la pratique et pourtant dans 20 ans, toute autre approche semblera probablement assez mystérieuse.
Quels sont ses avantages?
L'une des études les plus complètes sur le potentiel de l'analyse industrielle a été menée par McKinsey en 2015 et nous avons utilisé ses estimations pour montrer les améliorations possibles. Leur étude était basée sur des études de clients, nous pensons donc qu'elle peut vous donner une bonne idée du potentiel:

Réduction de 50% des temps d'arrêt dus aux pannes d'équipement: les pannes des actifs sont coûteuses et stressantes. Une heure d'indisponibilité peut affecter des millions de revenus pour une entreprise de 100 M $ et plus. Étant donné que les problèmes peuvent être prédits à l'avance, les temps d'arrêt peuvent être minimisés. L'augmentation du temps de disponibilité est un défi important pour les entreprises de fabrication ou de logistique avec des machines qui dépendent les unes des autres. Un exemple est le temps d'arrêt dans les grues. Comme l'a mentionné Mario Montag, PDG de Predikto, les ports subissent de 800 à mille heures par an de temps d'arrêt en raison de dysfonctionnements des grues, ce qui est extrêmement coûteux pour les opérateurs portuaires.
Durée de vie utile de la machine augmentée de 3 à 5%: la maintenance prédictive réduisant les pannes de la machine et garantissant un fonctionnement dans des paramètres optimaux, elle peut améliorer la durée de vie utile de la machine / du robot.
Impact environnemental réduit: comme les machines restent utiles pendant de plus longues périodes et que leur efficacité augmente avec des analyses avancées, les entreprises gaspillent moins de ressources naturelles. La maintenance prédictive est l'une des rares initiatives qui aident à la fois les résultats nets des entreprises et leurs objectifs de responsabilité sociale des entreprises.
10 à 40% de réduction des coûts de maintenance: la maintenance planifiée étant basée sur un calendrier, il y aura des cas où les tâches de maintenance seront effectuées lorsqu'elles ne sont pas nécessaires. La maintenance prédictive peut empêcher de telles inefficacités. De plus, les systèmes de maintenance prédictive informent les techniciens des changements à apporter au système en fonction des symptômes. Par exemple, supposons que les capteurs montrent qu'une vibration accrue est observée dans une machine. S'il existe une forte corrélation entre le dysfonctionnement d'une pièce spécifique et l'augmentation des vibrations, les techniciens peuvent d'abord se concentrer sur la pièce éventuellement défectueuse, en effectuant uniquement les activités de maintenance nécessaires, ce qui permet de gagner du temps.
Réduction de 10 à 25% des blessures des travailleurs: l'exploitation des données des capteurs avec des systèmes analytiques aidera les industries à trouver de nouvelles façons d'éviter les blessures. La réduction des pannes et des systèmes de prévention des accidents qui peuvent alerter ou même arrêter l'équipement en cas de danger pour un travailleur, peuvent considérablement améliorer les conditions de l'usine et minimiser les blessures des travailleurs.
10 à 20% de déchets réduits: un fonctionnement sous-optimal qui n'est pas détecté peut entraîner une production inutile. La matière première, l'énergie, les coûts de main-d'œuvre et le temps machine sont perdus dans de tels cas. Les systèmes de maintenance prédictive peuvent révéler des problèmes pouvant entraîner des déchets avant qu'ils ne surviennent.
Analyses avancées: la configuration de la maintenance prédictive implique la collecte de données de capteurs à partir de diverses machines. Une fois que ces données commencent à être collectées automatiquement, les analystes disposent d'une mine d'informations prêtes à être analysées. Ces données peuvent être utilisées pour identifier les opportunités d'optimisation des paramètres et des processus.
Amélioration de la qualité des produits et augmentation de la satisfaction client: des données détaillées des capteurs et la capacité d'observer les résultats des interventions créent un cycle vertueux d'expérimentation et d'apprentissage. Lorsque les équipes ajustent les paramètres de la machine et améliorent les résultats, elles découvrent des moyens d'améliorer la qualité.
Augmentation du moral des employés: les temps d'arrêt, le fonctionnement avec des paramètres sous-optimaux ont non seulement un impact sur la production mais également sur le moral des employés. Il est stressant de se précipiter pour résoudre les problèmes lorsqu'ils surviennent. La maintenance prédictive minimise de telles instances.
Amélioration des performances dans le temps: les systèmes de maintenance prédictive sont des systèmes d'apprentissage. Ils créent implicitement une base de connaissances des problèmes et comprennent leurs causes profondes sur la base des commentaires des techniciens ou des capteurs dans l'atelier.

Quelles industries peuvent en bénéficier?
La maintenance prédictive peut être appliquée à toutes les industries où les machines produisent des quantités importantes de données et nécessitent une maintenance ou un réglage fin de leurs paramètres. Les deux industries distinctes comme les biens de consommation emballés (GPC), l'automobile, l'électronique, les textiles, l'aérospatiale et les industries de transformation comme la nourriture et les boissons, les produits chimiques, le pétrole et le gaz, la pharmacie peuvent être transformées grâce à la maintenance prédictive. Une part importante des fournisseurs sont en fait indépendants de l'industrie et desservent la plupart des industries, car leur travail repose sur l'interprétation des données et peut être extrait des spécificités des machines en usine.
Un aperçu des secteurs où les applications de maintenance prédictive gagnent déjà du terrain:

Automobile: les entreprises automobiles exploitent certains des plus grands parcs de robots au monde. Dans le but de réduire les coûts d'inventaire, les constructeurs automobiles ont développé une méthodologie de fabrication Just-In-Time depuis les années 1960 et 1970. En conséquence, ils ont des chaînes d'approvisionnement étroitement intégrées. Bien qu'une intégration étroite de la chaîne d'approvisionnement permette de réduire les stocks, toute réduction de l'efficacité de fabrication entraîne une perturbation importante de la chaîne d'approvisionnement. Il n'est pas surprenant que les constructeurs automobiles bénéficient considérablement d'une technologie qui réduit les temps d'arrêt.
Compagnies aériennes: les compagnies aériennes ne sont pas étrangères à la surveillance étroite des données des capteurs des avions. Les capacités d’analyse d’aujourd’hui leur permettent d’assurer la sécurité des passagers en analysant davantage de données.
Fabrication de haute technologie: l'exploitation d'équipements complexes à des paramètres optimaux est le principal défi pour améliorer l'efficacité pour les fabricants de haute technologie comme les fabricants de semi-conducteurs. Les systèmes de maintenance prédictive leur permettent de fonctionner à un niveau plus proche des paramètres optimaux.
Transport: Bien que les compagnies aériennes soient en tête en termes de complexité de leur équipement, d'autres moyens de transport comme les trains impliquent également des machines complexes qui peuvent bénéficier d'une maintenance prédictive.
Pétrole et gaz: Malgré la hausse de l'énergie verte, le pétrole et le gaz sont toujours l'une des plus grandes industries. L'extraction et le raffinage impliquent un équipement coûteux qui peut entraîner des risques pour la santé et l'environnement en cas de défaillance. Par exemple, la marée noire de Deepwater Horizon en 2010, qui a fait 11 morts et ~ 5 millions de barils de pétrole déversés, a été l'une des pires catastrophes de la dernière décennie. Les enjeux sont élevés pour éviter de telles catastrophes grâce à une meilleure analyse et maintenance.
Ports: Exposés à des conditions difficiles, les conditions des équipements portuaires se détériorent rapidement. Par exemple, les grues sont des composants critiques mais elles sont sujettes à défaillance. Les temps d'arrêt des grues signifient plus de temps d'attente pour les navires et moins de débit pour les ports. La réduction des temps d'arrêt améliore la qualité de service et réduit les déchets pour les ports.

Comment mettre en place un programme de maintenance prédictive?
Voici comment mettre en œuvre un programme de maintenance prédictive: Il existe deux façons courantes de déployer une solution de maintenance prédictive.
Construire une solution en interne en utilisant des bibliothèques open source comme Python. Selon les compétences de votre entreprise, cela pourrait être intéressant. Si vous avez des ingénieurs prêts à passer leur temps libre pour jouer avec les données des capteurs et prévoir les pannes, vous pourriez vous retrouver avec une solution de maintenance prédictive rudimentaire gratuitement.
Cependant, dans la plupart des cas, les ingénieurs n'ont pas le temps pour des projets secondaires aussi importants et vous devrez engager un data scientist. Vous pourriez même embaucher un ingénieur spécialisé en maintenance prédictive, mais ce chemin finira probablement par être coûteux et lent.
L'alternative consiste à acheter une solution de maintenance prédictive qui intègre des intégrations avec vos machines avancées, vous permettant de vous mettre à jour rapidement et de payer en récoltant des récompenses.
Une fois que votre solution logicielle est en place, un peu de travail d'organisation est nécessaire pour récolter toutes les récompenses. Tout d'abord, toutes les équipes d'ingénierie doivent être informées des capacités d'analyse avancées dont vous avez besoin pour créer une maintenance prédictive. Par exemple, les programmes d’amélioration difficiles à mesurer tels que Six Sigma ou Lean doivent être surveillés avec les nouvelles capacités d’analyse de votre entreprise. Deuxièmement, les équipes de maintenance doivent apprendre à utiliser toutes les capacités analytiques de la solution. Ce n'est pas efficace s'ils continuent à faire un bilan complet sur les robots lorsqu'un léger ajustement sur un composant spécifique est nécessaire.
Si vous prévoyez de travailler avec un fournisseur, nous avons décrit le paysage de l'industrie pour vous:
Comprendre le paysage des fournisseurs en 2 minutes
Pour choisir un fournisseur adapté à votre entreprise, vous devez comprendre le paysage des fournisseurs et comparer les fournisseurs. Il existe principalement 4 types de fournisseurs de maintenance prédictive:
Leaders logiciels
Des entreprises comme IBM, SAP, SAS sont dans cette catégorie. Leurs principaux avantages sont les relations commerciales existantes et l'expertise logicielle. Ils ne se concentrent pas sur des secteurs spécifiques et leur expertise dans le domaine est limitée par rapport à d'autres fournisseurs de maintenance prédictive.
Leaders de l'automatisation industrielle
Des entreprises comme GE et Siemens font partie des rares sociétés qui fournissent à l'industrie des équipements d'automatisation, notamment des robots avancés. Ils ont les relations avec les clients les plus approfondies et l'expertise dans le domaine lorsqu'ils construisent les outils utilisés par l'industrie. Cependant, les logiciels, en particulier les logiciels destinés aux utilisateurs finaux, n'ont pas été le point fort de ces entreprises. Pour compenser cela, ils construisent de grandes équipes de scientifiques des données et promeuvent fortement leurs produits.
GE cherche également à tirer parti d'autres entreprises dans ses analyses industrielles et ses efforts de maintenance prédictive. Sa plate-forme Predix permet à d'autres entreprises de créer des solutions d'analyse en plus des données collectées sur la plate-forme Predix. Si la plateforme peut devenir omniprésente, elle peut devenir l'App Store de l'analyse industrielle.
Leaders en analyse industrielle et maintenance prédictive
Créées au début des années 2010, des sociétés comme Augury, Falkonry, Predikto, Sight Machine se concentrent exclusivement sur l'analyse industrielle. Leurs solutions sont rapides à déployer et s'intègrent aux machines industrielles existantes. Ils se concentrent sur la fourniture d'analyses avancées d'une manière simple à utiliser. Ce sont des sociétés beaucoup plus petites que les sociétés ci-dessus comme IBM et ont des équipes de vente limitées, donc elles sont faciles à manquer si vous n'êtes pas concentré sur vos recherches.
Startups
C'est toujours un domaine très chaud. Alors que des billions de création de valeur sont prévus, l'impact réel est nettement inférieur aux chiffres prévus. Il n'est donc pas surprenant que de nouvelles sociétés entrent dans l'incursion avec un soutien à hauteur de millions de VC. Ils visent à se différencier avec des capacités d'apprentissage machine plus avancées, à se concentrer sur des secteurs spécifiques ou à des interfaces plus intuitives. Les chercheurs découvrant de nouvelles techniques d'apprentissage automatique, nous nous attendons à ce que davantage de startups soient créées par des leaders de l'industrie en partenariat avec des chercheurs pour commercialiser de nouvelles technologies.
Quel est son prix?
Il existe plusieurs approches possibles pour la tarification des services et produits de maintenance prédictive. Les fournisseurs suivent différentes approches:

Tarification basée sur la valeur: assure une valeur maximale pour le fournisseur tout en alignant les incitations du fournisseur et du client. Il n'est pas populaire car il est difficile d'estimer objectivement et précisément ou de mesurer la valeur. Il est plus efficace de convenir d'un modèle de tarification plus simple.
Tarification fixe + variable: modèle le plus couramment utilisé car il reflète la structure des coûts des fournisseurs. Mettre en place un système de maintenance prédictive représente un effort important car il implique d'extraire des données de divers robots et machines. Cependant, l'ajout de robots ou de packages d'analyse supplémentaires peut être relativement moins cher. Une partie fixe du prix garantit que les fournisseurs peuvent servir de manière rentable les clients qui utilisent le service sur un ensemble limité de machines. Une partie variable du prix garantit que de nouvelles machines peuvent être ajoutées à la maintenance prédictive à un moindre coût par machine.

Bien que nous pensons que la maintenance prédictive est l'un des cas d'utilisation de l'IA les plus importants, en particulier pour les entreprises de fabrication, il existe encore d'autres cas d'utilisation de l'IA dans les opérations qui peuvent transformer votre entreprise. Vous pouvez voir notre section sur l'IA dans les opérations.
L'évaluation des fournisseurs et la bonne évaluation des fournisseurs peuvent prendre beaucoup de temps. Si vous manquez de temps et que vous souhaitez travailler avec des experts qui peuvent vous proposer gratuitement les fournisseurs les plus appropriés, faites-le nous savoir:
Laissez-nous trouver le bon fournisseur pour votre entreprise

Laisser un commentaire