IOT et industrie : Utilisation de l'Internet des objets pour la maintenance prédictive

28 mai 2020
                    

 Retour à l'aperçu
                    
                                            Exploitez la puissance de l'IoT pour faire des projections de maintenance basée sur les besoins
                                        
                                        Planifier les temps d'arrêt pour la maintenance des opérations, en particulier s'il n'y a rien de mal avec les machines, peut être une douleur coûteuse dans le cou. Vous avez des pièces qui fonctionnent parfaitement, mais comme elles ont quelques années ou que cette garantie est épuisée, vous devez les faire tester.
Et si vous n'aviez pas besoin de planifier ces tests? Et si à la place, vous pouviez utiliser des capteurs et des analyses en temps réel pour faire des prédictions en fonction de l'état des machines, puis planifier la maintenance. La vie, et bien, les coûts, le fonctionnement des processus, la sécurité et la qualité des produits ne seraient-ils pas tellement meilleurs?!
Entrez dans l'IoT et la maintenance prédictive! Avec l'avènement de l'Industrie 4.0, de la 5G et du Big Data, il est désormais facile de voir les avantages tangibles de la connexion d'outils et de machines à Internet pour évaluer leur fonctionnalité. Plutôt que de définir des temps d'arrêt pour les machines uniquement pour constater qu'elles fonctionnent toutes parfaitement, pourquoi ne pas plutôt exploiter la puissance de la modélisation des données pour faire des projections pour la maintenance en fonction des besoins.
Comment savoir si vous avez besoin d'une maintenance prédictive ou non?
Plutôt que de penser, oh ça sonne comme une idée fantastique, je vais commencer à mettre des capteurs sur tout et à suivre toutes ces données! Pensez à l'inverse; qu'est-ce qui, dans votre usine, utilise les temps d'arrêt et coûte très cher à l'organisation lorsqu'elle ne fonctionne pas ou est en maintenance?
En cartographiant l'environnement de travail, vous pouvez implémenter des systèmes pour réduire ce temps d'arrêt.
Vous devrez également analyser plus en détail les outils, car certains d'entre eux auront du mal à prévoir leurs besoins de panne ou de maintenance. Décomposer les outils en leurs parties consécutives et décider quels défauts possibles peuvent être facilement prédits, aidera au développement du modèle de Big Data et vous aidera également à déterminer où les capteurs doivent aller.
Si la maintenance de vos outils prend beaucoup trop de temps ou que le temps d'arrêt est coûteux, il est peut-être temps de réfléchir à la manière de résoudre ces problèmes.
Dans l'industrie automobile, la maintenance prédictive est utilisée pour évaluer chacune des pièces afin qu'au fur et à mesure qu'elles progressent dans la chaîne d'approvisionnement, vous puissiez évaluer quand elles peuvent échouer. Ainsi, plutôt que de les envoyer le long de la chaîne, uniquement pour qu'ils se cassent et soient éventuellement renvoyés, le remplacement peut avoir lieu avant qu'il ne casse.
Dans l'industrie ferroviaire, la capacité d'évaluer à l'avance le moment où les fonctions doivent être réparées peut permettre d'économiser beaucoup de coûts et de retarder les services. Cela augmenterait considérablement l'efficacité et les perturbations du service ferroviaire.
Les industries pétrolières et gazières ont souvent besoin de personnel pour se rendre physiquement dans des environnements dangereux pour effectuer la maintenance et les tests sur les outils et le matériel. À l'aide de capteurs, de l'IoT et de la maintenance prédictive, ces déplacements peuvent être réduits à moins que cela ne soit absolument nécessaire, réduisant ainsi les coûts et assurant la sécurité des travailleurs.
Comment passer de la maintenance préventive à la maintenance prédictive avec l'IoT?
Bien que SCADA propose également des analyses en temps réel dans les entreprises, il y a peu ou pas d'interopérabilité entre les machines et les applications logicielles, et il faut également beaucoup de temps pour parcourir toutes les données historiques locales et faire des prévisions. Avec le Big Data et l'apprentissage automatique, l'IIoT est beaucoup plus rapide dans le traitement des données stockées et facilement accessibles dans le cloud. Un facteur clé dans la prévision de la maintenance des outils consiste à analyser les données historiques pour déterminer où quelque chose pourrait mal tourner en usine, mais avec les limites de SCADA, il est difficile de prévoir.
Comme nous l'avons mentionné précédemment, toutes les parties des outils doivent être évaluées pour configurer ces contrôles d'intégrité. Ces variables sont alors ce que recherchent les capteurs des outils pour envoyer les données nécessaires au cloud à analyser.
Les données doivent passer par plusieurs étapes pour que tout le système fonctionne correctement. Les données passent par des passerelles de terrain et de cloud pour permettre le filtrage et le traitement des données et assurer une connectivité correcte.
Un lac de données stocke les données du capteur dans son état brut, parfois inexact. Un entrepôt de données est l'endroit où les données sont stockées dans leur état nettoyé, grâce auxquelles les données sont lisibles et peuvent être lues par des algorithmes d'apprentissage automatique. Ce sont ces modèles qui font les prédictions sur les futurs états des outils, et peuvent être relayés à l'organisation pour voir ce qui doit être fait avec les outils.
La prise de ces mesures proactives garantit que vos opérations fonctionnent non seulement sans heurts et sans interruption, mais elles augmentent le retour sur investissement en raison d'une sortie plus rapide et de moins de temps passé à réparer inutilement l'équipement. Selon Deloitte, la prévision des pannes peut augmenter le temps de disponibilité de l'équipement de 20%. La quatrième révolution industrielle est bel et bien là, Davra aimerait discuter avec vous des nombreuses opportunités qui s'offrent à vous aujourd'hui.
Auteur
Brian McGlynn, Davra, COO
Connectez-vous sur Linkedin

                

Laisser un commentaire