IOT et industrie : Comment l'IIoT révolutionne la maintenance et l'analyse en temps réel des installations

Cet article a été rédigé par Mary Bunzel, directrice générale du Manufacturing Industry Solutions Group chez Intel Corporation.

Avec le
Internet des objets (IoT) et ce qu'il offre à l'industrie, il est difficile de décider quels éléments sont les meilleurs pour une organisation et comment commencer. Le fait est que ce qui est le mieux pour votre organisation est probablement au moins un peu différent de ce qui est le mieux pour une autre organisation.

Les systèmes et les processus n'existent plus en eux-mêmes. Grâce à la connectivité et à la visibilité dans toute l'entreprise, l'interrelation entre toutes les parties d'une organisation devient évidente. Cela offre de nouvelles opportunités d'amélioration et de mise à profit de la technologie pour réaliser des opérations plus efficaces.

Les processus de production, les protocoles de maintenance, les initiatives de sécurité, le contenu de la formation (ou son absence), la dotation en personnel et les horaires s'influencent mutuellement d'une manière que nous n'aurions jamais pu prévoir il y a 10 ans. Oui, nous avons compris que les composants interconnectés étaient potentiellement précieux, mais maintenant nous avons la technologie en place pour mieux définir, mesurer et agir sur ces interrelations.
Après les défis commerciaux de la crise financière mondiale de 2008, la plupart d'entre nous ont récolté les fruits à portée de main qui gardent les portes ouvertes et nous permettent de continuer à nous améliorer. La prochaine étape consiste à tirer parti des outils de l'IoT. L'IoT fait partie de nos vies depuis un certain temps, que nous le sachions ou non. Nos voitures, nos actifs et même nos comptes Amazon utilisent un grand nombre de flux de données pour nous protéger, améliorer les performances et stimuler nos habitudes d'achat. Peut-être que l'IoT devrait être appelé «des choses avec lesquelles nous pouvons communiquer», mais TWCCW ne sort pas complètement de la langue.
Quelle est la différence entre aujourd'hui et il y a 10 ans? Les méthodes analytiques et les logiciels ont été affinés. Ils sont plus faciles à utiliser et disponibles à la demande avec les services cloud. Dans le passé, nous pouvions voir la plupart des corrélations évidentes. Ceux qui étaient moins évidents n'ont été identifiés que par des experts en la matière très intelligents utilisant des feuilles de calcul, des mathématiques vraiment geek et de gros ordinateurs centraux tels que l'IBM 360.
Les moteurs analytiques nous permettent de travailler beaucoup plus rapidement plusieurs de ces concepts. Tout comme le PC distribuait le traitement du mainframe au bureau, les moteurs d'analyse conduisent le traitement dans la même direction. Nous pouvons traiter des milliers de flux de données et découvrir – ou laisser la machine découvrir – des relations et des corrélations cachées. Ensuite, nous pouvons utiliser ces relations pour valider les modifications apportées aux systèmes ou aux processus.
Par exemple, les conditions météorologiques, telles que la température, l'humidité et les tempêtes imminentes, affectent les performances des actifs. Comprendre ce qui est «normal» dépend du type de processus en cours, de la qualité des matières premières et de la qualité de l'énergie fournie par le fournisseur. La recherche de corrélations entre ces influenceurs n'est plus une option; cette capacité est considérée comme une exigence de base pour l'exploitation et la maintenance.
Comment commencez-vous? Choisissez un domaine, un équipement ou un processus de haute technologie sur lequel vous concentrer. Le cloud computing offre un accès facile aux modèles d'analyse d'entreprise que vous pouvez expérimenter. La connexion d'un flux de données est aussi simple que le déploiement d'une application. Laissez les modèles existants vous montrer les corrélations que vous ne connaissiez pas – explorez-les et développez-les en tant que repères pour les premiers succès.
Reconnaître qu'une utilisation efficace des données dépend de la compréhension de ce que vous avez déjà, déterminez où se trouvent les données d'aide à la décision et regroupez tout cela dans un cadre unique. Ce n'est qu'alors que vous pourrez vous déplacer vers des possibilités plus tournées vers l'avenir.
Par où commencez-vous? Sauf si vous vivez sous un rocher mouillé, peu importe votre rôle dans l'entreprise; nous pouvons tous voir une opportunité. Prenez un petit morceau et commencez.
Réactif à prédictif
Le développement technologique étend les outils disponibles pour augmenter l'efficacité de la maintenance afin d'améliorer considérablement la disponibilité et la disponibilité des équipements. La maintenance réactive, qui attend que les machines et autres équipements tombent en panne puis les répare, est une méthode coûteuse, affectant l'efficacité de la production et la qualité de fabrication. Cette pratique a également un impact important sur l'augmentation des coûts du cycle de vie, raccourcissant souvent la durée de vie utile des équipements.
La maintenance préventive basée sur le calendrier améliore l'efficacité de l'équipement. Cependant, en l'absence de lien entre l'utilisation et l'usure des équipements, cette méthode ne s'est pas avérée fiable, et elle nécessite un engagement important en ressources humaines. Une grande partie du travail et des matériaux sont exagérés. La maintenance conditionnelle utilisant une surveillance en temps réel pour évaluer en permanence l'état des actifs peut considérablement améliorer la disponibilité et limiter les temps d'arrêt. La grande prochaine étape de la maintenance est rendue possible par la technologie IoT et le cloud computing. Les entreprises identifient et corrélent des modèles de variables qui, prises dans leur ensemble, affectent les performances des équipements afin de déterminer les actions susceptibles de prévenir les pannes. L'application de méthodes prédictives peut considérablement améliorer la stratégie de maintenance et la capacité d'anticiper les problèmes de performances et de les atténuer avant qu'ils n'affectent les opérations et ne provoquent des temps d'arrêt imprévus.
Exploiter les données d'actifs
De plus en plus d'intelligence est intégrée dans les capteurs des équipements chaque jour. Les systèmes d'automatisation liés à ces capteurs intelligents fournissent des informations sur les données de performance en temps réel. Avec l'application de la technologie de l'Internet des objets, ces téraoctets de données se transforment en informations exploitables. L'opportunité est d'avoir une compréhension factuelle beaucoup plus claire des performances et de l'efficacité des actifs afin de réduire les coûts de maintenance, d'améliorer la disponibilité de la production (temps d'arrêt réduit), d'améliorer la qualité des produits, d'améliorer le rendement de la production, de réduire les temps d'arrêt imprévus et d'optimiser les ressources de main-d'œuvre de maintenance. Ces données peuvent également être utilisées pour justifier le remplacement des équipements existants et vérifier les performances des nouveaux processus de production et des équipements récemment installés.
Des logiciels de modélisation analytique plus récents et plus faciles à utiliser sont de plus en plus disponibles en raison des demandes de clients dont l'appétit est aiguisé par des résultats convaincants et qui ont besoin de plus en plus d'informations sur leurs opérations commerciales. Les modèles analytiques apportent des fruits à portée de main; la maintenance et l'amélioration opérationnelle affectent directement le résultat net, et c'est pourquoi les grandes entreprises sont si intéressées à tirer parti de ces technologies.
Explorer la valeur potentielle
Les données des systèmes d'automatisation et de surveillance, exploitées avec des analyses, des contrôles et des rapports, créent la base d'un programme de maintenance en temps réel. L'impact potentiel de l'utilisation de la maintenance prédictive est significatif, comme l'illustre une analyse Nucleus Research des améliorations potentielles:

Réduction des temps d'arrêt annuels non planifiés: 60 à 90%
Réduction de la capacité excédentaire nécessaire pour compenser les temps d'arrêt imprévus: jusqu'à 90%
Réduction des rebuts ou des retouches: jusqu'à 50%
Prolongation de la durée de vie des actifs améliorant le rendement des actifs: 5 à 15%

Identifier et prioriser les besoins
Une analyse précieuse consiste à identifier et à hiérarchiser votre situation en tenant compte de trois facteurs relatifs aux cas d'utilisation analytiques.

Préparation opérationnelle et organisationnelle: êtes-vous prêt ou les gens ont-ils besoin de plus d'informations et de formation?
Alignement des affaires et de la stratégie: est-ce conforme aux buts et objectifs de votre entreprise?
Risque et valeur de retour: Pour vos opérations, quel est le potentiel économique?

Domaines d'amélioration
Caractéristiques organisationnelles avec le rendement le plus élevé

Amélioration du rendement de la qualité des actifs grâce à l'analyse prédictive ayant un impact sur les processus de production et de fabrication
Fabrication discrète et process complexe

Amélioration du rendement de la qualité des actifs pour des niveaux plus élevés de qualité des produits finis et des services
Fabrication discrète et process complexe

Détection, diagnostic et pronostic des causes profondes axés sur les processus pour une résolution rapide de problèmes complexes
Industrie à haut risque, opérations multisites

Étalonnage d'outils prédictif piloté par processus pour un débit, une disponibilité et une précision améliorés afin de maintenir la précision de la tolérance
Fabrication de précision

Réduction des rappels et de l'exposition à la garantie grâce à une détection prédictive et précoce des problèmes d'actifs sur le terrain
Marchés concurrentiels, cycles de développement de produits coûteux

Suivi et traçabilité des actifs pour détecter et prédire le mouvement et l'emplacement des actifs (gestion de la chaîne d'approvisionnement)
Partenaires collaboratifs pour les sous-composants, actifs coûteux, maintenance externalisée

Réduction des rebuts grâce aux améliorations de l'analyse des processus de production et de l'analyse des causes profondes
Coût élevé des matières premières, coût fixe des produits transformés

Modélisation des paramètres d'alerte précoce et prédictifs pour une détermination précoce et précise des problèmes
Fabrication de précision

Les améliorations du service produit grâce à la détection et à la prévention des défauts entraînent la fidélisation de la clientèle
Marchés concurrentiels, rappels coûteux, risque pour la réputation de l'entreprise

Surveillance et analyse des actifs pour la garantie ou le rappel de conformité réglementaire
Industrie hautement réglementée, coût élevé de la non-conformité

A propos de l'auteur
Mary Bunzel est la directrice générale du Manufacturing Industry Solutions Group chez Intel Corporation. Auparavant, elle était chez IBM et apporte plus de 30 ans d'expérience dans les meilleures pratiques pour les industries manufacturières, avec un accent particulier sur les industries automobile, des produits industriels et des industries alimentaire et pharmaceutique. Avant de rejoindre IBM, Bunzel a passé 10 ans à travailler pour MRO Software (PSDI), où elle était responsable des comptes stratégiques de Maximo pour General Mills, J&J, Cargill, ADM, Ford et General Motors. Bunzel sert de porte-parole d’IBM au marché, aux clients et aux groupes d’analystes sur l’état du marché de la fabrication en ce qui concerne les offres de gestion d’actifs Maximo.

Connectez-vous avec Mary

Une version de cet article a également été publiée dans le magazine InTech.

Laisser un commentaire