IOT et industrie : Maintenance prédictive dans les projets IIoT, s'éloignant de la maintenance préventive

Au cours des dernières années, un
l'effet positif de l'IoT sur la maintenance des équipements a été très salué:
les entreprises de différents secteurs s'efforcent de bénéficier
analyses de maintenance offertes par les appareils connectés. Ainsi, la notion de
La «maintenance prédictive», exploitant pleinement le potentiel de l'IoT, a été
beaucoup discuté par opposition à la «maintenance préventive». Alors qu'est-ce qui est prédictif
maintenance et quels nouveaux avantages apporte-t-il aux industries axées sur l'IIoT?

Maintenance prédictive vs préventive
en un mot

En termes simples, la maintenance préventive (PM) implique la réalisation de la maintenance programmée définie conformément aux statistiques précédentes du fonctionnement de l'équipement, tandis que la maintenance prédictive (PdM) est déterminée par l'état des équipements surveillés lors des opérations normales.

Pour que la PM soit efficace, les analystes doivent posséder à la fois des estimations sur le fonctionnement typique de l'équipement, son âge et ses heures de fonctionnement, ainsi qu'une connaissance et une analyse approfondies de chaque équipement individuel, afin de faire des hypothèses solides quand et quoi exactement échouera. Ainsi, cette approche repose largement sur les compétences des ingénieurs de maintenance et la précision de leur travail.

Pour que PdM soit efficace, il faut
application intelligente de modèles et d'algorithmes de prédiction avancés pour analyser les données
provenant de diverses sources: capteurs d'équipement critique, planification des ressources d'entreprise
(ERP), système d'exécution de fabrication (MES), maintenance informatisée
système de gestion (GMAO), et autres. Cela rend l'approche plus autonome,
basé principalement sur l'auto-apprentissage et l'auto-amélioration, et connu aujourd'hui sous le nom de PdM 4.0.

Selon
à l'actif d'entreprise du groupe consultatif ARC
Etude de marché sur la gestion et la gestion des services sur site, la maintenance préventive prouve
inefficace car seulement 18% des actifs ont une défaillance liée à l'âge
tendance, alors que 82% des défaillances d'actifs se produisent de manière aléatoire.

Pas étonnant que
avec les chiffres mis en évidence, l'intérêt des développeurs, les équipements
fabricants et principaux fournisseurs de
les services de conseil en transformation en maintenance prédictive
grandir.

Différence clé: Technologies IIoT
Application

Alors, si c'est le chemin
la maintenance prédictive traite les analyses de Big Data, ce qui la rend si efficace
et différencie de la maintenance préventive, comment l'ensemble du système est-il construit?

Fondamentalement, PdM est divisé en 2
types concernant la manière dont il analyse les données collectées:

PdM basé sur des règles. Pré-établi
les règles définissent un seuil, et une fois les données sur les actifs collectées par les capteurs
indique que ce seuil est atteint, une alerte est envoyée. Apprentissage de la PdM. Ici, machine
les algorithmes d'apprentissage traitent de grands ensembles de données historiques, exécutant ainsi
différents scénarios pour prédire ce qui va mal et quand cela se produira – et
puis générer des alertes.

Dans les deux cas, l'architecture de
cet Internet
de la solution de développement logiciel des objets est la même:

Les capteurs sont implémentés dans des machines ou
produits et collecter des données sur leur fonctionnement et leur environnement ,. Éléments choisis
pour la mesure peut varier: niveaux de température, vitesse de rotation du moteur, etc.

Le référentiel central fonctionne comme un hub de données,
qui stocke, traite et analyse les données entrantes, et peut être localisé soit
sur site ou dans le cloud. Données commerciales d'ERP, MES et autres systèmes,
ainsi que les flux de processus de fabrication, sont intégrés dans les données centrales
référentiel pour fournir un contexte aux données des actifs de production.

Un flux de données
entre les actifs surveillés et le magasin de données central est fourni par le
protocole de communication choisi.

Alors c'est soit le
règles prédéfinies ou basées sur l'apprentissage automatique
algorithmes qui exécutent toutes les données plusieurs fois et les testent par rapport au
des variables du monde réel, générant ainsi des informations sous forme de tableaux de bord et
alertes.

Si le système montre quelque chose de différent du comportement souhaité, une alerte sera envoyée aux fabricants pour une enquête plus approfondie et la détermination de l'action corrective à effectuer. Un tableau de bord fourni pour l'analyse prédictive synthétise les données opérationnelles qui permettent aux ingénieurs de processus et de maintenance de fournir des informations exploitables.

De cette façon, PdM fonctionne à 2 niveaux de
analytique:

L'analyse prédictive, qui fournit
utilisateurs avec des modèles reconnus et génère des informations sous forme de tableaux de bord
et alertes; Analyse de cas racine, qui permet
les ingénieurs de maintenance et de processus pour étudier les informations et déterminer les
action corrective à effectuer.

La valeur de la maintenance prédictive
pour les organisations

# 1 Temps de maintenance réduit et
Efficacité accrue

Installation
capteurs intelligents dans ses installations et collecte de données sur l’état réel
de l'équipement permet d'effectuer des réparations proactives. Ici
les statistiques viennent: les programmes PdM mènent
à un retour sur investissement décuplé, une réduction de 25% à 30% des coûts de maintenance, un
70% -75% de réduction des pannes et une réduction de 35% -45% des temps d'arrêt.

A titre d'exemple, le
le plus grand constructeur automobile américain General Motors a
investi dans l'adoption d'IBM Maximo sur ses 140 sites de production dans le monde,
pour soutenir une large adoption de stratégies de maintenance prédictive. C'est ainsi que le
leader technologique prévoit de réduire son budget de fonctionnement annuel total pour
maintenance, qui s’élève à 1 milliard de dollars aujourd'hui.

# 2 Flux de revenus supplémentaires

Avec l'IoT industriel et les données
des analyses fonctionnant en tandem et un système de maintenance prédictive déployé,
les organisations peuvent le monétiser en offrant des services numériques basés sur l'analyse pour
leurs clients. Ceux-ci incluent: tableaux de bord PdM, maintenance optimisée
horaires, services de répartition des techniciens effectués avant le besoin de pièces
remplacement.

L'un des exemples a
été défini par le fabricant japonais d'équipement d'automatisation industrielle
FANUC. En coopération avec Cisco et Rockwell Automation, il a développé un
Solution prédictive «temps d'arrêt quasi nul», qui applique des analyses à
données opérationnelles générées par les robots de fabrication de FANUC. Une fois par
le client du fabricant partage les données avec FANUC, ce dernier les analyse en
le cloud pour prédire les problèmes potentiels et permettre sa résolution en temps opportun.

# 3 Optimisation des coûts opérationnels

Que ce soit un équipement
fabricant, entreprise de transport ou unité pétrolière et gazière, chaque organisation
s'efforce de minimiser les heures-personnes consacrées aux inspections de routine des machines,
surtout quand ils ne mènent à aucune conclusion clé, déclenchent un bon de travail ou
ne résolvez pas les problèmes des temps d'arrêt imprévus.

PdM peut vous aider
tâche lourde: il automatise les processus d'inspection des machines et réduit les risques
problèmes d'équipement imprévus.

# 4 Avantage concurrentiel

L'application de la PdM peut renforcer considérablement l'image de marque d'une entreprise. UNE
appareil défectueux, en particulier s'il s'agit d'un équipement critique,
une fois en panne, peut sérieusement nuire à la réputation du fabricant. Dans ce
cas, une maintenance prédictive intelligente
stratégie peut aider le fabricant à se différencier dans un
marché et rassurer les clients.

Bien que la notion de «maintenance prédictive»
existe depuis un certain temps, ce n'est que maintenant que l'approche commence à se généraliser.
La raison est claire: haute disponibilité et faible coût des technologies numériques,
couplé à l'essor du réseau d'approvisionnement numérique et de nombreux spécialistes
travaillant avec la technologie, rendent la PdM abordable pour les installations et
entreprises de toutes tailles.

Laisser un commentaire