IOT et industrie : IOT et industrie : Bases de l’IoT: qu’est-ce que la maintenance prédictive? – Internet Industriel des Objets IIOT

Notions de base Bases de l’IoT: qu’est-ce que la maintenance prédictive?

La maintenance prédictive est l’une des applications les plus tangibles de l’industrie 4.0. Il permet d’obtenir les données d’état des machines et d’effectuer une maintenance proactive sur les systèmes. Cet article utilise une définition et des exemples pratiques pour expliquer le fonctionnement de la maintenance prédictive.

La maintenance prédictive est un pilier essentiel de l’Industrie 4.0.

Par définition, la maintenance prédictive fait référence à un processus de maintenance basé sur l’évaluation des données de processus et de machine. Il est utilisé principalement dans le contexte de l’Industrie 4.0. Le traitement en temps réel des données sous-jacentes permet de faire des prévisions qui constituent la base d’une maintenance en fonction des besoins et par conséquent de la réduction des temps d’arrêt. Outre l’interprétation des données des capteurs, cela nécessite une combinaison de technologie d’analyse en temps réel et d’une base de données en mémoire afin d’atteindre une vitesse d’accès plus élevée aux données par rapport aux disques durs. Si tout fonctionne, un technicien peut être désigné pour résoudre un problème avant qu’il ne survienne parce que les objectifs commerciaux ne peuvent être atteints que si les installations, les machines et les processus fonctionnent parfaitement.

Avec l’aide des technologies de maintenance prédictive, l’état des machines est évalué afin de prédire quand la maintenance doit être effectuée. En conséquence, des économies de coûts peuvent être réalisées par rapport à la maintenance préventive de routine ou basée sur le temps, car les tâches ne sont effectuées que lorsqu’elles sont nécessaires.
L’objectif principal de la maintenance prédictive est de fournir la planification de maintenance avancée la plus précise et d’éviter les pannes inattendues. Savoir quand une machine particulière doit être révisée facilite la planification des ressources pour les travaux de maintenance tels que les pièces de rechange ou le personnel. De plus, la disponibilité du système peut être augmentée en convertissant « arrêts imprévus » en toujours plus court et plus fréquent « arrêts prévus ». Les autres avantages incluent une durée de vie potentiellement plus longue des installations, une sécurité accrue de l’installation, moins d’accidents avec des effets négatifs sur l’environnement et une gestion optimisée des pièces de rechange.

Comment fonctionne la maintenance prédictive?

La maintenance prédictive catégorise l’état des plantes en les vérifiant périodiquement (hors ligne) ou en continu (en ligne). Dans le cas idéal, il est possible de rendre la maintenance à venir non seulement aussi rentable que possible, mais aussi efficace en termes de performances, c’est-à-dire avant même que la machine ne perde des performances. Afin de réduire au minimum les interruptions du fonctionnement normal du système, la plupart des inspections prédictives peuvent être effectuées pendant le fonctionnement de l’usine.
Pour l’évaluation de l’état réel d’une machine, un examen par infrarouge, acoustique (décharge partielle et ultrasons), détection, analyse des vibrations et mesures du niveau sonore peuvent être utilisés. Bien entendu, ces procédures de test ne doivent pas altérer le fonctionnement de la machine ni même l’endommager. Une approche plus récente consiste à lier les informations obtenues grâce à ces données aux performances des processus, qui sont mises à disposition par les systèmes collaboratifs d’automatisation des processus (CPAS). Si vous souhaitez mettre en œuvre la maintenance prédictive dans votre entreprise de manière efficace et à long terme, vous devez suivre les trois étapes suivantes:

  • capture, numérisation et transmission de données,
  • stockage, analyse et évaluation des données collectées, et
  • calcul des probabilités d’occurrence de certains événements.

Analytique prédictive et Big Data

Une grande difficulté dans le traitement de la maintenance prédictive est le traitement d’énormes quantités de données. Afin de pouvoir faire des déclarations fiables sur l’état des machines et des installations et ainsi être en mesure de détecter les dysfonctionnements le plus rapidement possible, il est nécessaire de collecter de grandes quantités de données. Ces données doivent être stockées, traitées et analysées à l’aide d’algorithmes intelligents.
En raison de l’énorme quantité de données, les technologies et les bases de données de l’environnement Big Data, telles que Edge Computing ou informatique de pointe, conviennent à des fins de maintenance prédictive.
Ces données incluent non seulement l’état des machines et des installations elles-mêmes, mais aussi de leur environnement: par exemple, des paramètres tels que la température ou l’humidité sont également saisis et évalués.

Dans l’ensemble, les données peuvent différer considérablement et sont disponibles dans différents formats. En raison du grand nombre de données et de formats différents ainsi que de la grande quantité de données, les bases de données doivent avoir des capacités énormes. Par conséquent, il est important d’être conscient du fait que la taille de la base de données et l’intelligence et les performances de l’algorithme d’analyse sont essentielles pour la qualité et la fiabilité des informations obtenues: plus la base de données est grande et plus l’algorithme est intelligent et sophistiqué , plus les résultats seront fiables.

Une fois les données capturées, les valeurs mesurées et les données de diagnostic sont transmises via des réseaux aux centres de service ou au fabricant. La base de ce processus est l’Internet des objets (IoT).
Néanmoins, il est essentiel de constamment mettre à jour et traiter les grandes quantités de données collectées lors de la maintenance prédictive afin d’identifier les tendances et les développements. Si la maintenance prédictive est utilisée correctement et efficacement, elle peut offrir une variété d’avantages à la fois pour le fabricant et l’utilisateur. Voici les avantages les plus importants en un coup d’œil:

  • Amélioration de l’efficacité économique: d’une part, la maintenance prédictive peut réduire les temps d’arrêt des machines et des usines et le coût des temps d’arrêt imprévus. D’autre part, l’entretien régulier des machines et des systèmes peut également augmenter leur durée de vie.
  • Temps de maintenance idéal: avec la maintenance prédictive, le meilleur moment possible pour une maintenance à venir peut être déterminé en évaluant en permanence les données capturées. De plus, la maintenance peut être intégrée de manière optimale dans le processus de production.
  • Amélioration des performances de la machine: L’analyse permanente des données collectées permet d’améliorer les performances de la machine et d’atteindre une productivité plus élevée à long terme.

Exemples de maintenance prédictive

La maintenance prédictive est déjà utilisée dans de nombreux domaines. Il s’agit non seulement d’un outil attractif pour l’industrie manufacturière en général, mais aussi pour tous les services de mobilité que ce soit dans l’aviation, l’automobile ou les trains ou les éoliennes. Avec l’aide de la maintenance prédictive, les temps d’arrêt des éoliennes peuvent être presque complètement éliminés.

Entretien prédictif des véhicules à moteur

L’entretien prédictif gagne également en importance dans le domaine de la mobilité par exemple dans l’entretien des véhicules à moteur. Une collecte de données étendue acquise par des capteurs dans le moteur ou la carrosserie des véhicules, aide à éviter les réparations coûteuses ou les pannes à un stade précoce car elle permet de lancer des activités préventives. Cela comprend, par exemple, le remplacement d’une pièce de véhicule endommagée lors de la prochaine visite d’atelier avant que la pièce ne tombe complètement en panne. La maintenance prédictive va encore plus loin si les véhicules sont en réseau: vous pouvez transmettre des données en ligne et automatiquement aux ateliers de maintenance ou au constructeur.

Maintenance prédictive dans l’industrie aérospatiale

Les avions ne gagnent de l’argent que lorsqu’ils sont en l’air. Si un avion tombe en panne en raison de dommages mécaniques, cela entraîne des coûts élevés pour la compagnie aérienne. Par conséquent, ils tiennent à détecter à l’avance les éventuels dommages et à éviter ainsi une panne ou même un accident. Les domaines d’application de la maintenance prédictive dans l’aviation comprennent les turbines ou les pompes hydrauliques. Airbus a lancé son « Skywise » plate-forme de données en 2017, un projet qui permet aux ingénieurs aéronautiques d’intervenir à un stade précoce pour détecter les erreurs et remplacer un composant avant qu’il ne tombe en panne.

Maintenance prédictive dans le transport ferroviaire

L’application de la maintenance prédictive dans le transport ferroviaire est similaire. Là aussi, la maintenance prédictive est utilisée pour mieux planifier les réparations et mieux comprendre le cycle de vie de certains composants. La maintenance prédictive dans le transport ferroviaire peut aider à prévenir la défaillance inattendue d’un train. Il le fait en permettant de planifier à l’avance quand la partie endommagée du train doit être réparée afin d’éviter des perturbations dans les opérations. En analysant et en utilisant les données capturées, des instructions de réparation peuvent être sélectionnées, des pièces de rechange appropriées peuvent être fournies et les temps d’arrêt peuvent être aussi courts que possible.

Maintenance préventive contre maintenance prédictive

La maintenance prédictive diffère de la maintenance préventive en ce qu’elle est basée sur l’état réel d’une machine et non sur sa durée de vie moyenne ou attendue pour prédire quand une maintenance est requise.
La maintenance préventive vise également à éviter les temps d’arrêt. La différence avec la maintenance prédictive, cependant, est le fait qu’aucune donnée réelle collectée sur la machine n’est utilisée pour la maintenance, mais que les mesures de maintenance et de surveillance sont effectuées sur la base d’intervalles (réguliers) déjà définis à l’avance. La maintenance préventive est basée sur le taux de défaillance théorique et ne tient donc pas compte des performances réelles de la machine. Les temps d’arrêt sont planifiés en fonction des dates du calendrier ou de l’utilisation. Il faut veiller à ce que le temps de maintenance ne soit ni trop tôt ni trop tard. Par exemple, la plupart des fabricants de chariots élévateurs recommandent une maintenance préventive toutes les 150 à 200 heures de fonctionnement.
Étant donné que les entreprises, leurs usines et leurs opérations quotidiennes peuvent différer considérablement, l’utilisation de la maintenance préventive peut entraîner des travaux de maintenance inutiles. De plus, lors de l’utilisation de la maintenance préventive, une entreprise court rapidement le risque de remplacer à un stade précoce des pièces qui fonctionnent toujours parfaitement et l’auraient toujours fait.

Laisser un commentaire