Internet Industriel des Objets IIOT : SAP Predictive Maintenance – Impact de IIoT

Dans un monde où plus de systèmes deviennent interconnectés, nous voyons la Internet des objets abattre les barrières de communication à domicile, sur le lieu de travail et sur les lieux de travail des entreprises de services sur le terrain.

En raison des avantages commerciaux, personnels et spécifiques à l’industrie qui viennent avec des appareils capables de parler et d’interagir les uns avec les autres (et les systèmes d’exploitation centraux), la croissance de l’IoT a été cohérente et devrait augmenter considérablement au cours des prochaines années.

Selon Statista, il y avait 15,4 milliards d’appareils interconnectés en 2015. Aujourd’hui, le nombre d’appareils a atteint un peu plus de 23 milliards et devrait atteindre plus de 75 milliards d’ici 2025.

McKinsey déclare que dans le monde, environ 127 nouveaux appareils se connectent à Internet chaque seconde. Dans le même rapport, McKinsey estime que l’IoT pourrait avoir un impact économique annuel de 3,9 billions de dollars à 11,1 billions de dollars d’ici 2025.

Certes, de nombreux appareils connectés d’aujourd’hui sont considérés comme des technologies grand public, mais avec des avancées dans la gestion des actifs via des plateformes comme SÈVE, cela change plus tôt que tard.

Cisco reconnaît également la croissance de l’IoT dans le secteur industriel. Alors que les appareils grand public représentent une large part des technologies interconnectées, les connexions Machine to Machine (M2M) représenteront près de la moitié (46%) de tous les appareils interconnectés – dans le monde – d’ici 2020.

Pourquoi pousser les machines et la technologie interconnectées

À l’heure actuelle, il existe des machines fonctionnant en dehors des spécifications. S’il était inspecté de près, les indicateurs seraient probablement visibles et évidents pour un technicien qualifié. Parmi ces machines, vous pouvez garantir que certaines d’entre elles fonctionnent dangereusement près d’une panne.

Quelque chose va casser, la machine va s’arrêter et la production et le workflow s’arrêteront. L’ensemble des processus goulots d’étranglement jusqu’à ce que quelqu’un puisse arriver pour diagnostiquer et trouver le défaut, trouver une solution, commander les composants nécessaires et faire réparer.

Cela arrive tous les jours aux fabricants du monde entier, et c’est pourquoi les appareils interconnectés et Connectivité M2M gagne en popularité.

Parmi les machines d’interconnexion, pratiquement n’importe quel système doté de capteurs et la capacité de communiquer peuvent être programmés dans le cadre d’un réseau pour se surveiller. Grâce à cette surveillance, il peut répondre automatiquement aux changements de son environnement, que ce soit en effectuant des ajustements en fonction des réponses programmées ou en signalant une interaction humaine.

Sans machines interconnectées et sans la capacité de gérer les actifs en réseau à grande échelle, les seules autres options sont la surveillance à exécution échouée ou à coût élevé.

Voici à quoi ressemblait la gestion d’actifs hier (et aujourd’hui) pour de nombreux constructeurs:

  • Informations sur les actifs non fiables et disparates
  • Capacités d’analyse et de données extrêmement limitées
  • Maintenance réactive (à réparer en cas de rupture)
  • Des cycles de vie raccourcis qui obligent à vendre et acheter de nouveaux équipements plus souvent
  • Plans de maintenance basés sur les budgets et non sur les actifs
  • Support physique pour la documentation, les instructions et les bons de travail

C’est le secteur industriel que nous connaissons depuis des décennies. Est-ce là que vous souhaitez que votre entreprise reste?

Pas quand il est clair comment la gestion des actifs numériques peut changer de façon si radicale les opérations:

  • Accès à des volumes de données opérationnelles pouvant être extraites en temps réel avec des simulations
  • Collaboration à travers un réseau de professionnels sur site, chez le fabricant, le vendeur, etc. pour une seule source de vérité
  • Cycles de vie des produits plus durables avec maintenance prédictive et normative
  • Une stratégie de maintenance basée sur les coûts, les risques et les performances – la manière dont elle devrait être
  • Instructions de travail interactives avec modélisation 3D disponibles sur l’ensemble d’un réseau, pouvant être mises à jour en temps réel

Tout cela indique un modèle de maintenance prédictive; en utilisant capteurs et connectivité pour fournir les bonnes données au bon moment afin que des décisions puissent être prises pour réduire les goulots d’étranglement coûteux (et les défaillances / dommages du système).

Réactif à prédictif – Mettre fin au modèle Run-to-Failure

L’Internet des objets conduit à une utilisation accrue des stratégies de maintenance conditionnelle et prédictive.

Bien qu’ils soient toujours pertinents dans certains domaines de la fabrication et de l’exploitation industrielles, la maintenance réactive et préventive fait très peu pour se prémunir contre les arrêts imprévus de l’équipement et les coûts élevés de réparation qui en découlent.

En passant à des périphériques d’interconnexion dans un réseau de gestion des actifs, vous pouvez augmenter votre utilisation de stratégies de maintenance plus avancées. Ceci, combiné avec des données et une modélisation accessibles sur le réseau, et les coûts peuvent être considérablement réduits.

Étude de cas – Lockheed Ssimplifie les opérations et les diagnostics avec une maintenance prédictive

Lockheed Martin, société aérospatiale et de sécurité mondiale, voulait abandonner les anciennes méthodes de maintenance. Les techniciens ont évalué et suivi manuellement les dommages en appliquant un film transparent et en traçant les points de référence tels que les joints et les attaches, et en recoupant ceux qui ont un historique de réparation. C’était un processus lourd, coûteux et long qui laissait beaucoup de place à l’erreur.

Réseau d'actifs Lockheed Martin

En passant à un réseau d’actifs, Lockheed Martin a pu tirer parti des mégadonnées et de la modélisation 3D pour rationaliser son processus de dommages et d’évaluation sur les avions de chasse F-35 et F-22.

Plus précisement:

Augmenter la disponibilité opérationnelle de l’équipement: Lorsqu’un avion atterrit, les mainteneurs sur la ligne de vol peuvent se connecter à la base de données et déterminer immédiatement si l’avion est apte au vol.

Travaillez plus efficacement avec moins de personnel: Grâce à un processus rationalisé, les responsables peuvent réduire le temps nécessaire pour documenter, évaluer et réparer les dommages. Dans le cas de l’USAF, parce que les solutions F-35 et F-22 ont un flux de travail similaire, les responsables d’aéronefs peuvent facilement effectuer la transition entre les deux plates-formes.

Capturez les données avec plus de précision: Fournir aux mainteneurs la possibilité de visualiser et de représenter avec précision les dommages des aéronefs sur un modèle 3D réduit la probabilité que les mainteneurs commettent des erreurs, ce qui se traduit par une sécurité pour les pilotes.

Caterpillar est une autre marque utilisant le réseau d’actifs SAP pour la maintenance prédictive.

Alors que d’autres sociétés exploitent leur équipement, Caterpillar collecte des données à partir de ses produits connectés et transforme ces données en informations exploitables. Non seulement les opérateurs savent précisément quand étiqueter l’équipement pour la maintenance, mais Caterpillar peut également utiliser ces données pour éviter les pannes.

Maintenance prédictive Caterpillar

Ce niveau de maintenance prédictive du fabricant permet à Caterpillar de détecter les problèmes potentiels et d’envoyer des pièces de rechange, des routines de maintenance, qui sont des alertes à une entreprise bien avant les dysfonctionnements de l’équipement.

Approches de la maintenance prédictive

La façon dont Caterpillar surveille ses actifs sur le réseau est l’une des nombreuses approches de la maintenance prédictive, qui ont toutes un objectif unique: identifier un problème avant qu’une panne totale ne se produise.

Les données sont essentielles dans la maintenance prédictive, mais ce n’est pas nouveau. Les données revêtent de nombreuses formes, tout comme la maintenance prédictive. Techniquement, trouver une machine chaude au toucher lorsqu’elle n’est pas censée être une forme de maintenance prédictive.

Vous savez qu’il fait quelque chose qu’il n’est pas censé faire et s’il n’est pas résolu, il y a un problème.

Mais la fenêtre pour résoudre le problème est si petite, avec un potentiel élevé d’échec, que vous êtes pratiquement en mode réaction pour éviter une catastrophe.

Plus vous aurez accès à des données et les aurez disponibles en temps opportun, plus vous aurez de temps pour répondre. Cette approche basée sur les données à la maintenance prédictive est ce qui offre la plus grande flexibilité; vous pouvez planifier dynamiquement des événements de maintenance et vous gagnez le contrôle / la capacité de changer les événements imprévus en événements planifiés.

Maintenance prédictive basée sur les données

L’étendue de la maintenance prédictive

L’Internet des objets, les réseaux d’actifs comme SAP et la maintenance prédictive ne fonctionneront pas sans données. La maintenance prédictive nécessite bien plus qu’un simple accès à de grandes quantités de données et d’analyses.

Vous devez être capable d’obtenir de la valeur à partir de ces données.

Il n’est pas rare de rencontrer des responsables de maintenance qui contrôlent des téraoctets de données uniquement pour constater que la plupart de ces données sont inutilisables pour la maintenance prédictive.

Par exemple; lorsque des sources de données provenant de plusieurs sites sont enregistrées pour examen mais que les données manquent d’horodatages, ou lorsque des données sur l’état de la machine sont collectées mais que l’état de la machine n’est pas enregistré ou ne peut pas être lié à un événement – ces données sont probablement inutilisables.

Comme tout est interconnecté (machines, capteurs et produits), il existe une abondance de données non structurées fournir l’état de la machine ou de l’équipement. Ces données sont stockées avec les données de processus et de produit. En surveillant et en analysant intelligemment ces données, toute entreprise peut (pratiquement en temps réel) commencer à optimiser ses processus et repérer les problèmes bien avant qu’ils ne commencent.

Mais seulement quand une solution complète de maintenance et de service est en place avec une stratégie d’action.

Avec une solution de maintenance et de service complète comme SAP, il ne s’agit pas seulement de disposer de données. Vous pouvez créer un plan de bout en bout du capteur au résultat qui comprend l’infrastructure de données, ce qui est lu, comment il est lu et les actions à entreprendre.

SAP Predictive Maintenance and Service Solution

La prévision de la dégradation et des dysfonctionnements de l’équipement est essentielle pour rationaliser les procédures de maintenance et de service. Lorsque vous comprenez les données dont vous disposez, comment les utiliser et que vous développez une stratégie basée sur les données, vous pouvez surveiller vos actifs et améliorer la prise de décision avec des informations beaucoup plus approfondies.

Comme Caterpillar mentionné ci-dessus, il devient incroyablement simple d’évoluer et d’exécuter une stratégie de maintenance et de service prédictive entièrement basée sur les données et conduisant à des performances optimales.

Les données et la maintenance prédictive font évoluer en permanence le cycle de vie du produit

Il existe un certain nombre d’avantages clés qui attirent les fabricants et les marques vers l’IoT et la maintenance prédictive, notamment:

  • Amélioration de la rentabilité des services
  • Réduction des coûts de maintenance
  • Augmenter la disponibilité des actifs

Lorsque vous développez votre vue pour inclure le cycle de vie complet du produit, vous commencez à voir comment Big Data, les machines et appareils interconnectés et la maintenance prédictive bénéficient à chaque point de contact individuel tout au long du cycle de vie.

Dans l’image suivante de SAP, nous pouvons voir comment la valeur se manifeste du début à la fin lorsque les bonnes données sont exploitées:

Maintenance et service prédictifs SAP

  • La R&D peut améliorer la fiabilité des futures itérations de produits
  • La fabrication peut être améliorée pour produire des composants de meilleure qualité
  • Les accords de niveau de service sont mieux gérés avec des temps de réponse améliorés, moins de temps de clé et une récupération plus rapide
  • Les coûts de maintenance sont réduits
  • La satisfaction client est améliorée
  • Augmentation de la disponibilité des actifs

Lorsque les données sont correctement préparées, filtrées et analysées, c’est un outil précieux pour toute entreprise.

Éliminer la principale cause de temps d’arrêt (et le potentiel d’échec catastrophique)

Selon une étude de maintenance de Engineering en 2017, la principale cause de temps d’arrêt non planifié est le vieillissement de l’équipement suivi d’une erreur de l’opérateur. Et bien que près de 80% des fabricants disposent d’un plan de maintenance préventive, il est loin d’être prédictif.

En fait, plus de la moitié utilisent encore une combinaison de feuilles de calcul programmées et de dossiers / rapports de maintenance papier.

Sans réseau d’actifs et des données appropriées, il n’est pas seulement difficile (presque impossible) de surveiller et de prévoir efficacement les problèmes. Il est extrêmement difficile de suivre toutes les pannes et d’examiner facilement les données historiques pour déterminer à quel moment la maintenance future doit avoir lieu.

Un exemple de cycle de défaillance donne une image claire de la façon dont cette approche de la maintenance peut et va s’éloigner des opérateurs, car le taux de défaillance n’est jamais nul.

Dans Disaster By Design, Dave Lochbaum parle des conséquences de fenêtres de remplacement / maintenance manquées et d’un plan de maintenance réactif (plutôt que prédictif) qui a repoussé les limites de la sûreté dans une centrale nucléaire.

«Les tubes de condenseur de remplacement avaient une durée de vie de 15 ans. Le propriétaire avait initialement prévu de remplacer les tubes de condenseur de remplacement lors d’une panne de carburant en 2012, mais a reporté cette tâche jusqu’à une panne de carburant à l’automne 2014. (Oui, 2012 a déjà deux ans après la durée de vie de 15 ans des tubes de remplacement et 2014 poussé les tubes encore plus loin au-delà de leur durée de vie prévue.) Les tubes de condenseur usés ont commencé à se briser à gauche et à droite, au centre, en haut et en bas. Les opérateurs ont dû réduire la puissance du réacteur à 50% plusieurs fois par semaine pour permettre aux travailleurs de trouver et de boucher les tubes cassés. »

Conclusion

Les pièces, les produits et les processus vont tomber en panne. Cela se produit en ce moment et cela se produira dans le cycle de vie de chaque produit et machine. Un réseau d’actifs permet aux entreprises d’accéder à toutes les données dont elles ont besoin, au bon moment, pour prolonger considérablement un produit tout en améliorant les processus, la satisfaction et le support à chaque étape du cycle de vie du produit. L’IoT change la façon dont nous effectuons la maintenance, mais il offre également aux entreprises qui utilisent activement des réseaux d’actifs comme SAP la possibilité de s’améliorer à tous les niveaux.

Le secret de la durabilité et de l’évolutivité à l’ère de l’IoT réside dans les déchets qui ne se produisent jamais; les pièces de rechange non achetées, les pages d’urgence qui ne se produisent jamais, les notifications de retard de production et de livraison manquée qui n’ont jamais lieu, les comptes qui ne sont jamais perdus.

La maintenance prédictive avec un réseau de renseignements sur les actifs est un changement permanent vers l’épargne au lieu des dépenses.

Laisser un commentaire