Internet Industriel des Objets IIOT : Maintenance prédictive: utiliser l'IIoT et l'apprentissage automatique pour éviter les pannes d'équipement | par AltexSoft Inc | Août 2020

Tôt ou tard, toutes les machines tombent en panne, mais avec un large éventail de conséquences. Une panne soudaine de la cafetière peut gâcher votre humeur et votre matinée. Un dysfonctionnement inattendu dans une centrale électrique a le potentiel de laisser des milliers de personnes dans l'obscurité totale pendant des heures et de causer une perte de plusieurs millions de dollars.Le coût moyen des temps d'arrêt imprévus dans les secteurs de l'énergie, de la fabrication, du transport et d'autres secteurs est de 250000 $ l'heure ou 2 $. millions par jour ouvrable. Pour éviter des pannes coûteuses et atténuer les dommages causés par les pannes, les entreprises ont besoin d'une politique de maintenance efficace. Cet article présente les stratégies disponibles, les avantages de l'approche prédictive la plus avancée et les ressources nécessaires pour la mettre en œuvre. Il existe trois principaux types de politiques de maintenance auxquelles une entreprise peut adhérer: corrective, préventive et prédictive. Chaque option a ses avantages et ses inconvénients, alors analysons-les plus en détail. Allocation des coûts dans différents scénarios de maintenance. Source: Tibbo Systems Maintenance réactive: résoudre le problème quand cela se produit réellement Avantages majeurs: faible coût de maintenance, nombre réduit de personnel permanent, planification minimale requise Principaux inconvénients: coût de réparation élevé, risques de sécurité, dommages potentiellement plus importants aux machines Maintenance réactive, également appelée corrective, exécution -à-panne, ou maintenance en panne, signifie que les actions sont entreprises lorsque l'équipement est déjà en panne. Cette approche permet d'économiser du temps et de l'argent sur les services de planification et de soutien. Elle peut avoir lieu en cas d'actifs redondants, faciles à réparer et non critiques. Disons que les ampoules ne sont remplacées qu'après épuisement. Bien que la maintenance corrective ne nécessite aucun coût initial, elle s'avère très coûteuse à long terme, compte tenu des heures supplémentaires, de la durée de vie réduite des actifs, des atteintes à la réputation et des risques pour la sécurité. Selon les estimations du Marshall Institute, l'approche réactive coûte aux entreprises jusqu'à 5 fois plus que les types de maintenance proactifs.Maintenance préventive: Fixez tout selon un calendrier.Principaux avantages: augmentation de l'efficacité et du cycle de vie des équipements, réduction des risques de pannes, économies d'argent pour exclure les pannes catastrophiques, l'augmentation de l'intensité de la main-d'œuvre et les temps d'arrêt planifiés, du temps supplémentaire sur la planification La maintenance préventive déclenche des inspections régulières de l'équipement pour atténuer les dégradations et réduire la probabilité de pannes. Les activités planifiées telles que la lubrification ou les changements de filtre prolongent la durée de vie utile des actifs et augmentent leur efficacité. Tout cela se traduit par des économies d'argent. Des études montrent que les économies moyennes réalisées grâce à la maintenance planifiée s’élèvent à 12 à 18% par rapport à la maintenance réactive. Cependant, les mesures préventives ne peuvent pas totalement exclure la possibilité de pannes catastrophiques. En outre, cette pratique implique une planification et des ressources humaines supplémentaires. Souvent, la fréquence des contrôles est plus ou moins élevée que nécessaire pour assurer la fiabilité Maintenance prédictive (PdM): Ne pas réparer ce qui n'est pas cassé Principaux avantages: réduction du temps et des coûts de maintenance, durée de vie des actifs plus longue, réduction des risques liés à la sécurité, à l'environnement, et qualité Principaux inconvénients: la nécessité de changements organisationnels, d'importants investissements en matériel, logiciels, expertise et formation du personnel La maintenance prédictive est devenue possible avec l'arrivée de l'Industrie 4.0, la quatrième révolution industrielle portée par l'automatisation, l'apprentissage automatique, les données en temps réel et l'interconnectivité . Semblable à la maintenance préventive, la PdM est une approche proactive de l'entretien des machines. La différence est qu'une entreprise planifie les activités sur la base d'une surveillance constante de l'état. Une fois que les tendances malsaines sont identifiées, les pièces endommagées sont réparées ou remplacées pour éviter des pannes plus coûteuses.Les avantages que PdM apporte aux entreprises comprennent une réduction des coûts des opérations de maintenance, une durée de vie prolongée des équipements, des temps d'arrêt réduits, une augmentation de la capacité de production et une sécurité accrue. Selon un rapport de Deloitte Insights, PdM promet une réduction de 20 à 50% du temps nécessaire à la planification de la maintenance, une augmentation de 10 à 20% du temps de fonctionnement et de la disponibilité des équipements et une réduction de 5 à 10% du coût global de maintenance. investissements dans l'infrastructure et l'expertise informatiques – à savoir, dans les capteurs industriels IoT (IIOT), les logiciels d'analyse avec des capacités d'apprentissage automatique, les services de scientifiques des données et de spécialistes en informatique, et la formation du personnel. Une entreprise doit construire tout un écosystème qui soutiendra les activités de prévention. Dans les sections suivantes, nous discuterons du moment où ces efforts ont du sens et de ce qu'il faut exactement pour mettre en œuvre la PdM. À quels actifs vaut-il la peine d'appliquer la PdM? En premier lieu, cette stratégie à forte intensité de coût et de technologie se justifie par des équipements de grande valeur et critiques qui doivent toujours être opérationnels. Evidemment, le PdM est trop cher et peu efficace pour des composants qui peuvent être en panne pendant des heures voire des jours sans nuire au cycle de production. Tout ce qui se trouve entre les deux nécessite des délibérations supplémentaires pour faire le bon choix.Exemples d'entreprises qui réussissent à appliquer la maintenance prédictive.Actuellement, la PdM la plus réussie est utilisée dans les secteurs industriels suivants: usines de fabrication, centrales électriques, chemins de fer, aviation, industrie pétrolière et gazière, et la logistique et le transport.Tâches que vous pouvez résoudre avec PdM Peu importe le secteur, lorsque vous décidez de la mise en œuvre, vous devez clairement comprendre que la PdM ne s'applique qu'aux tâches prévisibles par nature. La stratégie PdM peut répondre à cinq grandes questions: Quelle est la probabilité de défaillance dans un laps de temps donné Quelle est la durée de vie utile restante (RUL) de l'actif? En d'autres termes, combien de temps la machine fonctionnera-t-elle avant de se casser? Quelle est la cause probable d'un problème donné? Quel actif présente le risque de panne le plus élevé? Quelles activités résoudront le plus efficacement le problème? Si votre entreprise souhaite y parvenir type de connaissances pour améliorer les procédures de maintenance, PdM adapte vos exigences à un T.Key facteurs permettant la stratégie PdMPdM repose sur plusieurs piliers majeurs et ne fonctionnera tout simplement pas si certains sont absents ou insuffisants. Plus vous disposez de données, plus votre personnel de maintenance prend des décisions éclairées. Pour générer des prévisions précises, vous devez collecter et traiter des données en temps réel à partir de capteurs, des enregistrements historiques de maintenance et de panne, des métadonnées d'équipement et même des informations externes – comme les conditions météorologiques. Outre la formation du personnel pour comprendre les processus PdM et travailler avec de nouveaux équipements, vous avez besoin d'une expertise technique supplémentaire. L'efficacité de la maintenance prédictive dépend en grande partie des spécialistes suivants: les ingénieurs logiciels et cloud pour intégrer toutes les parties d'un puzzle informatique de maintenance prédictive dans une solution de bout en bout et orchestrer leur travail; des experts en données pour préparer les données, choisir, régler et former des modèles d'apprentissage automatique et interpréter les résultats; et aux ingénieurs de fiabilité d'utiliser les résultats fournis par les scientifiques des données pour améliorer l'efficacité et la sécurité des équipements. Compte tenu de la complexité de l'infrastructure informatique requise pour exécuter les activités de PdM, vous devrez peut-être également faire appel à un architecte d'entreprise. Cet expert évaluera vos systèmes actuels, vous consultera sur les technologies disponibles et vous aidera à relever les défis majeurs en matière de logiciels et d'intégration. PdM utilise plusieurs modules matériels et logiciels ainsi que des technologies cloud. Tous les composants du système informatique sont cruciaux pour les activités de maintenance prédictive, nous les étudierons donc plus en détail.La maintenance prédictive implique un flux constant de données à partir d'actifs physiques, l'analyse des informations en temps réel par rapport aux enregistrements historiques, la prévision des résultats, et donc l'atténuation ou la prévention. pannes et temps d'arrêt potentiels. Le flux de travail fluide est rendu possible par le travail orchestré de plusieurs systèmes et solutions logicielles.Les principaux composants matériels et logiciels alimentant la maintenance prédictive.Les dispositifs IIoT systemIIoT ou les capteurs intelligents qui effectuent la surveillance de l'état des équipements sont au cœur de la maintenance prédictive. Ces éléments matériels intégrés ou externes capturent les paramètres physiques et les traduisent en signaux numériques.Les paramètres utilisés dans la maintenance prédictive incluent, mais sans s'y limiter, les capteurs de vibration, de courant et de tension, la qualité du lubrifiant, les niveaux de liquide, la température, la pression, les niveaux sonores et la fréquence. et du contenu chimique: les capteurs transmettent les signaux au stockage de données via une passerelle IoT, un appareil physique ou un programme logiciel servant de pont entre le matériel et les installations cloud. Il prétraite et filtre les données de l'IIoT, réduisant ainsi leur quantité avant de les envoyer au centre de données. En outre, la passerelle assure la connectivité, améliore la sécurité et permet la traduction entre différents protocoles de messagerie. Système de gestion de la maintenance informatisée (GMAO) Un système de gestion de la maintenance informatisé est un autre logiciel important derrière PdM. Il permet de contrôler et d'analyser toutes les informations liées à la maintenance, telles que les calendriers de réparation, l'historique des pannes, l'utilisation des pièces de rechange et les activités de maintenance, ainsi que les spécifications de l'équipement et les exigences techniques. Les données historiques accumulées au fil des ans créent une base solide pour des prédictions précises. Exemple de tableau de bord GMAO avec des données sur les KPI de maintenance. Source: IAMTech Stockage de données central Vous avez besoin d'un stockage volumineux et évolutif pour agréger à la fois les données en temps réel des capteurs et les données historiques d'une GMAO. Il convient de noter que très peu d'entreprises disposent de suffisamment de ressources pour conserver les informations des capteurs dans les centres de données sur site. Les solutions cloud, à savoir les plates-formes middleware IoT et IIoT, constituent un meilleur choix pour collecter et stocker de grandes quantités de données. Vous pouvez facilement augmenter et réduire leur capacité, en fonction du volume de données transférées et du nombre de capteurs connectés.Solution analytique avec capacités d'apprentissage automatique La simple collecte d'ensembles de données massifs à partir de différentes sources ne suffit pas. La stratégie de maintenance prédictive nécessite des outils analytiques puissants reposant sur des algorithmes d'apprentissage automatique. La génération de prédictions avec ML comprend plusieurs phases.Un moteur d'analyse détermine l'état de santé normal de l'équipement en fonction des données historiques (phase d'apprentissage) .Des modèles basés sur des données sont appliqués pour surveiller en permanence l'indice de santé de l'équipement.Une fois que le système identifie les signes d'usure, il avertit des problèmes afin que les techniciens puissent prendre des mesures avant que la panne ne survienne. Parfois, un module de maintenance prédictive fait partie intégrante de la GMAO, mais ce n'est pas toujours le cas. En outre, ce module peut être difficile à personnaliser et manquer de capacités d'apprentissage automatique, ce qui entraîne un pronostic moins précis.Vous pouvez également utiliser des applications prêtes à l'emploi qui s'intègrent aux GMAO existantes ainsi qu'aux plates-formes middleware IoT où les données IIoT est stocké. Les principaux moteurs d'analyse créés spécialement pour les tâches PdM sont: Senseye se connecte à une GMAO et construit des modèles d'apprentissage automatique pour la prédiction de la durée de vie utile restante (RUL). Il utilise les données historiques disponibles ou apprend le comportement de la machine pendant 14 jours avant de faire des prédictions.Splunk, un outil d'analyse industriel déjà intégré aux principales plates-formes IoT, rassemble des données à partir de capteurs, de systèmes de contrôle industriel (SCADA) et de GMAO pour effectuer une maintenance prédictive, en tirant parti des statistiques et des capacités d'apprentissage automatique.SentientScience est une plateforme numérique qui prédit la probabilité de pannes dans des équipements rotatifs complexes (turbines, rails, giravions) .Dans de nombreux cas, cependant, des solutions analytiques personnalisées sont nécessaires pour desservir correctement une ligne industrielle spécifique ou certains équipements. La construction d'une infrastructure PdM interne à partir de zéro est coûteuse, lourde en ressources et dépend en grande partie de compétences spécifiques manquant à de nombreuses entreprises industrielles. Mais il existe une solution: des plates-formes IoT industrielles qui donnent une base solide et les outils nécessaires pour dérouler les activités de maintenance prédictive. Variables par leur étendue et l'ensemble des fonctionnalités offertes, ils fournissent généralement aux entreprises les capacités et services suivants: gestion des appareils pour connecter des milliers et des centaines de milliers de capteurs et de compteurs sur une seule plate-forme; prise en charge des protocoles de messagerie industrielle; environnement de développement logiciel, outils et API à intégrer aux solutions d'entreprise existantes; stockage de données évolutif et moteur de traitement de données volumineuses; moteurs d'analyse et apprentissage automatique en tant que service; technologie Digital Twin – visualisations de l'état de l'équipement en temps réel; et des logiciels de gestion d'actifs prêts à l'emploi et des moteurs analytiques adaptés aux tâches PdM.Voici un bref aperçu de certaines des principales plates-formes IoT industrielles et de leurs services.Watson IoT by IBMAvantages rapportés: le soutien d'IBM, le leader mondial de l'intelligence artificielle; une large gamme de fonctionnalités; support client IBM de premier ordre pour justifier, planifier et livrer des applications personnalisées Problèmes signalés: complexité en termes d'intégration et de développement d'une solution de bout en bout; coût élevé des services pour les petites entreprises IBM Watson IoT platform est une solution industrielle hébergée dans le cloud avec des services de traitement et de stockage de données évolutifs. Il peut gérer des tâches de complexité variable, de l'exécution de la preuve de concept au contrôle de la production à part entière. La plate-forme permet aux entreprises d'enregistrer des milliers d'appareils, d'appliquer des analyses basées sur l'IA aux données et d'obtenir des informations sur les performances et l'état de santé de l'équipement via des tableaux de bord visuels. Source: G2 Bien que la plate-forme IoT vous offre un large éventail d'outils pour surveiller les capteurs et exécuter la maintenance prédictive, vous avez toujours besoin de développeurs de logiciels pour les utiliser et de temps pour concevoir des applications. Les entreprises qui ne disposent pas d'une expertise technique suffisante ou qui souhaitent mettre en œuvre la PdM le plus rapidement possible peuvent bénéficier de la suite IBM Maximo Asset Performance Management d'applications cloud prêtes à l'emploi. Parmi d'autres modules, il comprend: le système IBM Maximo Asset Monitor pour la gestion des actifs physiques basée sur l'IA sur une seule plateforme, l'application Predictive Maintenance Insights avec cinq modèles de modèles prédictifs prêts à l'emploi, une bibliothèque d'API analytiques pour créer des et la capacité de les évaluer à l'aide de Watson Machine Learning.Predix Platform by GE DigitalReported avantages: vaste expérience industrielle dans l'aviation, la fabrication, le pétrole et le gaz, et d'autres secteurs; un large portefeuille d'outils de développement de logiciels pour l'intégration. les cycles de développement et les technologies utilisées pour créer des solutions sur site et basées sur le cloud, ce qui entraîne une augmentation du temps et des coûts pour prendre en charge divers cas d'utilisation; l'incertitude causée par la dette croissante de la société mère GE Digital – General Electric.Predix Platform a été créé par GE Digital comme middleware entre les actifs physiques du conglomérat industriel multinational General Electric et sa plate-forme d'analyse. Il permet de collecter les données des machines lourdes dans un stockage centralisé pour des diagnostics de performance. En 2014, GE a ouvert sa plateforme IIoT pour les entreprises externes, leur permettant de gérer les données des capteurs et de créer des applications industrielles basées sur l'apprentissage automatique. Source: GE Digital La plateforme propose également une suite de logiciels de gestion des performances des actifs (APM) qui comprend un composant de maintenance prédictive. Les entreprises peuvent l'utiliser pour gagner du temps et de l'argent sur les services de développement de logiciels.IoT Cloud Service by OracleAvantages rapportés: facilité d'intégration avec les applications d'entreprise, mise en œuvre rapide de solutions commerciales prêtes à l'emploi, cas d'utilisation réussis de la maintenance prédictive dans différents types d'industries problèmes signalés: flexibilité réduite par rapport aux plates-formes IIoT autogérées qui fournissent un environnement pour le développement de logiciels personnalisés; capacités de gestion des périphériques limitées – les solutions Oracle fonctionnent avec des scénarios génériques, vous pouvez donc avoir besoin d'un tiers. solutions tierces pour la gestion de certains appareils spécifiques à l'industrie.Oracle IoT Cloud Service utilise une infrastructure Oracle Cloud plus large et s'intègre à son middleware et à son logiciel d'entreprise. Plutôt qu'un environnement de développement, il propose des solutions prêtes pour l'entreprise du portefeuille d'Oracle comme IoT Asset Monitoring Cloud avec un module de maintenance prédictive.L'outil PdM exploite les flux de données de capteurs connectés, les données historiques, les données météorologiques et d'autres informations collectées dans le cloud IoT. lac de données. Pour obtenir des informations précieuses et fournir des visualisations riches, il combine des analyses avancées, des algorithmes d'apprentissage automatique et la technologie Digital Twin.Cumulocity IoT by Software AGReported avantages: prise en charge de plus de 150 appareils et de plus de 350 protocoles pour permettre la connectivité à travers une large gamme de capteurs industriels; mise en œuvre rapide et sans codage de solutions industrielles, généralité technologique – les mêmes API, modèles et architecture sont utilisés pour les solutions sur site et basées sur le cloud Problèmes signalés: problèmes de service technique et d'assistance aux utilisateurs de la plate-forme, problèmes de sécurité. L'idée derrière Cumulocity IoT est de permettre aux entreprises de connecter leurs appareils et de commencer à travailler avec les données le plus rapidement possible. Il est livré avec un large assortiment d'applications IIoT prédéfinies et des modules complémentaires optionnels tels que la gestion des données et des outils d'analyse prédictive. La promesse est qu'une organisation peut exécuter son projet pilote dans un délai de six semaines ou moins.La plate-forme propose également un kit de développement logiciel (SDK) et un support pour les microservices, permettant aux ingénieurs logiciels de créer des solutions industrielles personnalisées basées sur une architecture de microservices. Ainsi, Cumulocity répond aux besoins à la fois des fabricants qui souhaitent obtenir des solutions rapides et des fournisseurs de services de développement de logiciels pour les industries.Avec les technologies d'analyse de plus en plus puissantes et les capteurs moins chers, la maintenance prédictive gagne en popularité et en utilisation. Pour comprendre la valeur que la PdM peut apporter à votre entreprise sans coût financier douloureux, vous pouvez commencer par une preuve de concept, en appliquant la stratégie à une machine ou à une ligne de produits. Le processus comprendra plusieurs étapes: identifier un équipement critique; définir les paramètres à surveiller et installer des capteurs appropriés; engager une équipe externe d'experts en science des données pour collecter des données et construire des modèles d'apprentissage automatique capables d'extraire des informations significatives. concept pendant quelques mois pour évaluer les prévisions par rapport aux processus de maintenance existants.Estimer les économies annuelles.Si la mise en œuvre de la PdM s'avère réduire les coûts et améliorer l'efficacité, l'adapter progressivement à l'ensemble de l'entreprise, en impliquant des consultants techniques pour choisir les bonnes solutions, créer des composants logiciels personnalisés et aider aux intégrations.

Laisser un commentaire