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 apprécié:
les entreprises de différentes industries s’efforcent de bénéficier de
analyse de maintenance offerte par les appareils connectés. Ainsi, la notion de
La «maintenance prédictive», tirant pleinement parti du 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-elle aux industries axées sur l'IIoT?

Maintenance prédictive vs maintenance préventive
en un mot

En termes simples, la maintenance préventive (PM) implique d'effectuer une maintenance planifiée conformément aux statistiques précédentes du fonctionnement de l'équipement, tandis que la maintenance prédictive (PdM) est déterminée par l'état de l'équipement surveillé pendant les opérations normales.

Pour que les MP soient efficaces, les analystes doivent disposer à la fois d'estimations sur le fonctionnement typique de l'équipement, de son âge et de ses heures de fonctionnement, ainsi que d'une connaissance et d'une analyse approfondies de chaque équipement individuel, afin de faire des hypothèses fiables sur le moment et ce qui échouera exactement. Ainsi, cette approche repose fortement 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'équipements critiques, 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 de ARC Advisory Group
Étude de marché sur la gestion et la gestion des services sur le terrain, la maintenance préventive se révèle
inefficace car seulement 18% des actifs ont une défaillance liée à l'âge
alors que 82% des défaillances d’actifs se produisent de façon aléatoire.

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

Différence clé: Technologies IIoT
Application

Alors, si c'est le chemin
la maintenance prédictive traite l'analyse des mégadonnées, ce qui la rend si efficace
et se différencie de la maintenance préventive, comment l'ensemble du système est-il construit?

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

PdM basé sur des règles. Préétabli
les règles fixent 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 machine PdM. Ici, machine
les algorithmes d'apprentissage traitent de grands ensembles de données historiques,
différents scénarios pour prédire ce qui ne va pas et quand cela se produira – et
puis générer des alertes.

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

Les capteurs sont implémentés dans des machines ou physiques
produits et recueillir des données sur leur fonctionnement et leur environnement. Éléments choisis
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 issues de l'ERP, du MES et d'autres systèmes,
avec 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
des algorithmes qui exécutent toutes les données plusieurs fois et les testent par rapport à la
variables du monde réel, générant ainsi des informations sous la forme de tableaux de bord et
alertes.

Si le système présente 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 des données opérationnelles qui permettent aux ingénieurs de processus et de maintenance de traiter 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
ingénieurs de maintenance et de processus pour enquêter sur les informations et déterminer la
action corrective à effectuer.

La valeur de la maintenance prédictive
pour les organisations

# 1 Temps de maintenance réduit et
Efficacité accrue

L'installation
capteurs intelligents dans l'ensemble de 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 en tête
à un décuplement du ROI, une réduction de 25% à 30% des coûts de maintenance, une
70% -75% de diminution des pannes et une réduction de 35% -45% des temps d'arrêt.

Par 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 des stratégies de maintenance prédictive. C’est ainsi que
leader technologique envisage de réduire son budget de fonctionnement annuel total pour
maintenance, s'élevant 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 axés sur
leurs clients. Il s'agit notamment de: tableaux de bord PdM, maintenance optimisée
les horaires, les services de répartition des techniciens effectués avant le besoin de pièces
remplacement.

L'un des exemples a
été fixé par le fabricant japonais d'équipements d'automatisation industrielle
FANUC. En coopération avec Cisco et Rockwell Automation, elle a développé un
Solution prédictive "temps d’arrêt proche de zéro", qui applique des analyses
données opérationnelles générées par les robots de fabrication de FANUC. Une fois par
Le client du constructeur partage les données avec FANUC, ce dernier les analyse
le cloud pour prévoir les problèmes potentiels et permettre d'y remédier 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 lorsqu'ils ne conduisent à aucune conclusion clé, ne déclenchent pas un ordre de travail ou
ne résolvent pas les problèmes d’arrêts imprévus.

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

# 4 Avantage compétitif

L'application de PdM peut considérablement renforcer l'image de marque d'une entreprise. UNE
appareil défectueux, surtout s'il s'agit d'un équipement essentiel à la mission,
une fois en baisse, peut sérieusement saper la réputation du fabricant. Dans ce
case, une maintenance prédictive intelligente
Cette stratégie peut aider le fabricant à se différencier
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,
couplée à l'essor du réseau d'approvisionnement numérique et à un certain nombre de spécialistes
travaillant avec la technologie, rendent le PdM abordable pour les installations et
entreprises de toutes tailles.

                                

                                                                
                                                            

Laisser un commentaire