Internet Industriel des Objets IIOT : Maintenance prédictive (PdM) – maintenance proactive rendue prédictive

La maintenance prédictive (PdM) a toujours semblé être le cas d'utilisation parfait pour l'Internet des objets (IoT), plus spécifiquement pour l'IoT industriel (IIoT) et les environnements où la disponibilité des actifs spécifiques est critique et les pannes peuvent avoir des conséquences importantes pour plusieurs raisons. Le succès de la maintenance prédictive est la précision des prédictions et la connexion des sorties du modèle prédictif avec les processus de maintenance d'entreprise (Jan Burian, IDC Manufacturing Insights) Pas étonnant que la maintenance prédictive soit toujours l'un des cas d'utilisation les plus souvent mentionnés dans l'industrie 4.0. Cependant, PdM ne se résume pas à une fabrication intelligente. Les industries / segments avec la maintenance prédictive comme cas d'utilisation incluent en outre le transport, le pétrole et le gaz, les industries de process en général et de nombreux segments avec des environnements électriques critiques. En termes simples: où les scénarios et les cas d'utilisation sont ceux où PdM a le plus de sens – valeur commerciale – Beaucoup de technologies principales souvent citées dans le contexte de l'industrie 4.0 (peuvent) jouer un rôle dans la maintenance prédictive et ses évolutions: grand données, IA et ML (intelligence artificielle et apprentissage automatique), IoT, cloud computing, data analytics et, de plus en plus, edge computing et digital twins.IIoT, en combinaison avec l'analyse prédictive et ML, sont cependant les principaux moteurs des plus matures étape de la maintenance prédictive: des données exploitables, souvent en temps réel, sur des facteurs prédéfinis sont collectées à partir de capteurs et des algorithmes d'analyse prédictive sont appliqués pour prédire quand quelque chose pourrait se produire – et donc une maintenance proactive, appelée prédictive dans ce cas, est nécessaire. l'idée derrière la maintenance prédictive est simple et suffisamment attrayante et est similaire à d'autres formes de maintenance proactive avec quelques avantages (et inconvénients) supplémentaires: panne inattendue de l'équipement avec toutes les conséquences associées peuvent être évitées, et la maintenance peut avoir lieu avant que quelque chose ne se produise, plutôt qu'après les faits (maintenance réactive et en cas de panne), lorsque cela est jugé utile et possible. Ainsi, la maintenance prédictive est l'une des méthodes de maintenance permettant d'effectuer ce type de maintenance proactive et prend le plus de temps et de compétences à mettre en œuvre. En d'autres termes: il est important de l'utiliser lorsque cela a un sens. La maintenance prédictive n'est certainement pas le Saint Graal de la maintenance, elle a aussi ses limites. La maintenance prédictive dans le cadre de la maintenance 4.0
L'utilisation de la maintenance prédictive est moins courante que les fournisseurs de solutions ne le souhaiteraient, et les clients, à l'exception de secteurs et segments spécifiques, ont jusqu'à présent été plus lents à l'adopter que ce qui était prévu au début de l'Internet des objets. Cependant, les choses recommencent à changer. Dans le cadre de cet article, nous définissons la maintenance prédictive comme ce qui est également connu sous le nom de Maintenance 4.0, ou PdM 4.0, en corrélation avec les technologies mentionnées et les systèmes connexes (par exemple, GMAO ou Système de gestion de maintenance informatisé). l'augmentation des points de données, les analyses sophistiquées deviennent de plus en plus importantes et représentent une part plus importante du budget global de maintenance prédictive (IoT Analytics) La raison: la maintenance prédictive en tant que telle n'est pas nouvelle et au sens traditionnel même pas nécessairement liée à ces technologies car des inspections simples – visuelles et instrumentales – permettent également une maintenance prédictive. Avec IIoT, l'apprentissage automatique et ainsi de suite, ce qui est maintenant souvent appelé maintenance prédictive, est en fait une étape plus avancée de PdM, avec plus de sources de données. D'autres utiliseront la surveillance basée sur les conditions et la maintenance prédictive de manière interchangeable.Cependant, avec les inspections visuelles et les inspections des instruments, la surveillance des conditions en temps réel est considérée comme une évolution du PdM par laquelle l'état plus «  moderne '' et mature de la maintenance prédictive, comme dit, entre autres, a été appelé PdM 4.0 (ce n'est pas le seul modèle), le 4.0 se référant évidemment à l'Industrie 4.0 et à son usine intelligente, et avec PdM 4.0 comme cette quatrième étape de maturité dans l'évolution de la maintenance prédictive si vous voulez. 4.0 et ses objectifs dans l'évolution de la maturité de la maintenance prédictive – source, voir la présentation ci-dessous Les inconvénients de la maintenance réactive (ou maintenance des pannes) où l'équipement / les actifs sont réparés après une panne sont suffisamment clairs. Cela ne veut pas dire que la maintenance réactive est mauvaise, bien au contraire, la maintenance réactive fait souvent partie d'un choix stratégique et le type de maintenance dépend de nombreux facteurs tels que les conséquences d'une défaillance de l'équipement et son caractère commercial. ou autrement intéressant d'investir dans des méthodes de maintenance plus proactives ou non (et si oui, dans laquelle). C'est toujours un mélange et parfois la maintenance prédictive ne sera même pas possible, et encore moins une bonne option.Cependant, avec des actifs qui sont essentiels et doivent être disponibles à tout moment pour l'une ou l'autre raison (de nombreux exemples où une défaillance de l'équipement peut entraîner en termes de coûts astronomiques, d'énormes dommages à la réputation ou pire encore), les options alternatives sont meilleures, même si elles s'accompagnent de plus de planification et d'investissements initiaux. Tout dépend de l'importance de l'actif dans une perspective plus large.La surveillance conditionnelle et la maintenance prédictive des actifs de production complexes sont encore loin des solutions plug and play.La maintenance prédictive n'est également qu'un de ces moyens d'agir avant que quelque chose ne tombe en panne (maintenance proactive) , plutôt qu'après les faits. Une autre forme de maintenance proactive est la maintenance préventive qui se concentre également sur la réduction des risques de défaillance.Ces approches de maintenance seront parfois combinées à des approches de redondance permettant aux organisations de rechercher des moyens de poursuivre leurs opérations, même en cas de panne. Cela peut par exemple être le cas dans des environnements où les enjeux sont très importants. Exemple: comme Aimen Abd-el-azim l'explique dans une interview sur l'automatisation des postes, pour s'assurer que l'ensemble du réseau électrique fonctionne dans le bon environnement et dans des conditions optimales, dans les infrastructures critiques, le matériel principal est souvent dupliqué avec différents algorithmes (d'autres fournisseurs) pour s'assurer que l'un fonctionnera si le second échoue ou est temporairement hors service PDM 4.0 – la prochaine étape après la surveillance des conditions dans la maintenance prédictive Comme dit, la maintenance prédictive est souvent appelée surveillance des conditions, mais la surveillance des conditions en temps réel est considérée comme antérieure stade de maturité dans le plus grand tableau de surveillance de la maintenance prédictive de PdM 4.0.Nous ne développerons pas trop sur cela pour l'instant car la surveillance conditionnelle et la surveillance prédictive telles qu'elles sont comprises aujourd'hui sont loin d'être omniprésentes, mais si vous voulez en savoir plus, consultez cet article de blog par Jan Burian, directeur de recherche, IDC Manufacturing Insights sur l'évolution du rôle de la maintenance des entreprises au manu Surveillance de l'état et maintenance prédictive comparée en un mot:
La surveillance de l'état examine des paramètres prédéfinis (par exemple, avec l'analyse et le diagnostic des vibrations, l'analyse de l'huile, la surveillance de l'état du moteur et l'analyse de la signature du courant du moteur, l'analyse thermique ou tout autre type de technique pertinent pour l'équipement surveillé) et compare les paramètres avec des paramètres prédéfinis La maintenance prédictive utilise des moteurs ML avec ces paramètres de l'équipement surveillé comme base, mais la différence réelle concernant ce que l'apprentissage automatique et les prévisions disent ce qui est susceptible de se produire dans un délai précis et avec une probabilité spécifique. En règle générale, cela signifie également que la maintenance prédictive utilise plus de sources de données et d'ensembles que les données de capteur de la surveillance de l'état et les données enregistrées numériquement de l'étape précédente, l'inspection des instruments.La différence peut sembler petite, mais ce n'est pas le cas. La maintenance prédictive utilise des données de surveillance, mais elle en utilise plus et, surtout, en fait plus avec les données. Il prédit en effet.La présentation au bas de ce blog va un peu plus en détail et rend les différences plus tangibles avec des informations supplémentaires sur les éléments à prendre en compte lors de la mise en œuvre de la maintenance prédictive.Le marché de la maintenance prédictive et quelques conseilsIoT Analytics attend la marché des solutions de maintenance prédictive pour atteindre 23,5 milliards de dollars d'ici 2024. Le graphique ci-dessous montre que l'on estime en outre qu'en 2024, les utilisateurs de PdM économiseront 188 milliards de dollars en plus d'autres avantages tels qu'une meilleure conformité réglementaire et une sécurité renforcée. Vous pouvez également voir certains des défis et des changements concernant l'adoption de la maintenance prédictive.Les initiatives de maintenance prédictive devraient permettre aux organisations d'économiser 188 milliards de dollars en 2024 à mesure que le marché évolue – source et plus d'informations Évidemment, il y a beaucoup plus de recherches sur le marché. Restez à l'écoute pour plus de détails, concernant également les industries qui utilisent le plus PdM avec des conseils stratégiques supplémentaires concernant l'utilisation de la maintenance prédictive et en attendant consultez la présentation promise ci-dessous qui est largement basée sur les travaux de PwC.Ne prenez en compte que plusieurs défis a eu un impact négatif sur l'adoption du PdM, qui est un aliment pour une prochaine contribution. Pour l'instant, concluons avec quelques conseils de Jan Burian d'IDC pour les décideurs parmi vous: «La surveillance des conditions et la maintenance prédictive des actifs de production complexes sont encore loin des solutions plug and play. Une préparation détaillée sur la personnalisation et le réglage fin sont des facteurs de succès cruciaux. Déployez d'abord la surveillance avancée des conditions, puis regardez où les modèles prédictifs pourraient être déployés. Pensez à créer des jumeaux numériques des actifs et des processus et combinez les données des agrégats d'actifs, du processus de production et de l'environnement de production ». Plus dans son article. Le choix de la bonne stratégie de maintenance commence par la compréhension des différents types, et il y en a un certain nombre en effet. En plus de la maintenance préventive et prédictive, il existe une maintenance réactive (en continu jusqu'à la panne), basée sur les risques et les conditions, centrée sur la fiabilité, la productivité totale et bien plus encore.Données et préparation de la maintenance prédictive La combinaison précise des stratégies de maintenance dépend de les actifs, leur place et leur importance dans divers scénarios. Il est clair qu'avec la maintenance prédictive, les données sont essentielles à tous points de vue: la collecte et l'analyse des données, les différentes sources de données et la capacité de les exploiter et de s'intégrer aux systèmes existants, les compétences disponibles en matière de données, les systèmes de données nécessaires et la qualité des données. Si vous n'utilisez pas encore la maintenance prédictive au sens de PdM 4.0 mais envisagez de le faire à l'avenir lorsque l'analyse de rentabilisation sera plus claire, commencez déjà à stocker les données qui seraient pertinentes une fois que vous opterez effectivement pour PdM. et les problèmes concernant la qualité des données sont des défis importants pour le déploiement de la maintenance prédictive. L'un des grands défis de la maintenance prédictive, compte tenu des différentes sources de données et de l'implication, par exemple, de l'OEM de la machine, est la combinaison de tous les ensembles de données à exploiter pour la maintenance prédictive. Souvent, les données sont collectées mais restent ensuite dans un lac de données sans qu'aucune mesure ne soit prise. En fait, l'une des principales raisons pour lesquelles les organisations ne sont pas prêtes pour PdM 4.0 est qu'elles n'utilisent pas les données qu'elles possèdent déjà, en s'appuyant toujours sur Excel, par exemple, et ne voient donc aucune utilité pour collecter encore plus de données. les données sont une chose, l'intégration, et surtout être en mesure d'en tirer les informations nécessaires et d'en valoriser une autre. C'est aussi la raison pour laquelle la maintenance prédictive n'a pas été adoptée aussi largement que prévu dans la mesure où la recherche l'indique. Pour réussir la maintenance prédictive, l'organisation – et les services (informatique, data scientists, business, operators,…) et partenaires impliqués – doivent disposer des compétences nécessaires au niveau des technologies du Big Data, de la Business Intelligence, de l'entreposage de données, etc. De plus, et ceci est crucial, il doit y avoir un accent inconditionnel sur la qualité des données.

Laisser un commentaire