IoT industriel : IIoT aide à simplifier le chemin vers une maintenance conditionnelle

Gérer les actifs industriels pour des performances, une sécurité et une longévité optimales a longtemps été un mélange d’art, de science et d’expérience. Naturellement, certaines organisations ont tendance à pécher par excès de prudence, pensant que trop d’entretien ou de remplacement d’équipement trop tôt, est moins à risque que trop peu, trop tard. D’autres peuvent être dans un cycle difficile à échapper de réparations réactives et d’efforts préventifs étouffés. L’essor de l’Internet des objets industriel (IIoT) ouvre la voie à un changement fondamental dans cette approche de la gestion des actifs, de la maintenance et de la fiabilité – de la réactivité et la prévention à la maintenance conditionnelle (CBM).

«La fiabilité, la maintenance et les réparations n’ont pas autant profité de la collecte et de l’utilisation des données basées sur le cloud. La majorité des activités de maintenance et de surveillance quotidiennes restent manuelles et souvent réactives, en particulier sur les équipements non critiques. »- Responsable technique Honda Amérique du Nord (NA).

Selon une étude de mai 20181, un certain nombre de raisons expliquent pourquoi l’IIoT n’a pas gagné autant de traction dans le domaine de la maintenance. «L’inhibiteur le plus important de l’IIoT pour le déploiement de la maintenance prédictive est le manque de compétences des scientifiques du Big Data et un manque de compréhension de l’industrie 4.0.»1 La bonne nouvelle est que les organisations qui mettent en œuvre une stratégie de maintenance prédictive IIoT réelle peuvent transformer le M&R en un moteur de valeur commerciale.

Surmonter les obstacles

Bien que l’IIoT puisse aider la plupart des équipes de M&R à rationaliser les processus de flux de travail et à améliorer l’efficacité, la disponibilité et la santé et la fiabilité globales des actifs, nombre de ces équipes peuvent ne pas utiliser l’IIoT pour guider leurs efforts. Lorsqu’on leur demande pourquoi, ils citent souvent un manque de temps, de formation et d’intégration système / données. Creuser un peu plus en profondeur produit une explication plus détaillée des raisons pour lesquelles l’adoption de l’IIoT est limitée dans ce domaine:

  • Une réticence à passer de stratégies réactives et préventives à des stratégies prédictives et de surveillance de l’état. De nombreux programmes de M&R reposent actuellement sur une maintenance planifiée et basée sur l’itinéraire qui a suffisamment bien fonctionné jusqu’à présent; le temps et la formation nécessaires pour passer à une stratégie prédictive peuvent sembler décourageants.
  • Le coût historiquement élevé du matériel et des logiciels de surveillance de l’état. Alors que les actifs les plus critiques d’une usine sont surveillés depuis longtemps avec des capteurs fixes, la fixation de capteurs fixes à des équipements moins critiques n’est pas abordable.
  • Accès limité et flexibilité de l’informatique, y compris les problèmes de cybersécurité. L’application de l’IIoT implique un large éventail de choix technologiques, notamment des capteurs de surveillance d’état, du matériel d’automatisation industrielle, des plates-formes de connectivité, de stockage, de sécurité et d’analyse. Une théorie est que, comme les équipes de maintenance peuvent éviter de traiter avec les TI, elles sont simplement submergées par les nombreuses décisions technologiques requises.
  • Flux de données disparates et / ou données historiques dans des silos sans connectivité. Lors de la collecte de données provenant de nombreuses sources, la nature exclusive de la plupart des systèmes et technologies empêche souvent les équipes de M&R d’avoir une vision claire de toutes les données. Selon certaines estimations, plus de 90% des machines industrielles dans le monde n’ont pas de connectivité réseau intégrée.1
  • Les analystes de l’industrie suggèrent que la culture de la maintenance joue un rôle majeur dans la limitation de l’adoption de l’IdO et que les bloqueurs cités ci-dessus ne sont que des euphémismes par peur du changement.

Exploiter la puissance de l’IIoT pour améliorer la maintenance

L’objectif ultime de la maintenance est l’amélioration continue pour garantir des performances plus fiables, moins de temps d’arrêt et des coûts réduits. Bien que la maintenance ne soit généralement pas synonyme d’innovation, les équipes de maintenance sont connues pour adopter de nouvelles technologies pour améliorer la valeur des actifs, notamment:

  • Gestion des actifs d’entreprise (MAE) / logiciel de gestion de la maintenance informatisée (GMAO)
  • Caméras d’imagerie thermique
  • Outils et capteurs portables de vibration
  • Pression, température et autres jauges

Ces technologies ont été adoptées car elles améliorent la capacité de l’équipe de maintenance à détecter rapidement les problèmes potentiels. Ceci est important car la maintenance est vraiment critique pour la mission. Non seulement la santé et la valeur d’un actif sont en jeu, mais encore plus important, la santé et la sécurité des personnes dans l’usine dépendent de la bonne exécution des opérations de M&R. Les erreurs peuvent être désastreuses et coûteuses.

La technologie à elle seule ne peut pas convaincre les équipes de M&R de passer au CBM. Cependant, les gestionnaires d’actifs peuvent profiter de l’engagement des équipes de M&R à l’amélioration continue pour introduire lentement une technologie qui ajoute des données d’actifs aux flux de travail existants pour préparer leurs équipes sur la voie du CBM.

L’évolution des stratégies centrées sur la maintenance vers les stratégies centrées sur les actifs

Création d’une image complète des données sur les actifs

Les outils, capteurs et autres technologies et logiciels qui regroupent automatiquement les données pour l’analyse sont fondamentaux pour un cadre de fiabilité connecté. Cependant, certaines solutions se concentrent sur un seul type de surveillance (comme les vibrations). Cela oblige les équipes de maintenance des usines à gérer le problème complexe de l’agrégation de ces données avec d’autres sources pour une image complète de la santé des actifs. Toutes les sources de données (mécaniques, électriques, thermiques, de contrôle, de processus et d’exploitation et de gestion des bâtiments) et tous les types (portables, sans fil et logiciels) doivent être combinées et exploitées pour surveiller et évaluer les actifs et les systèmes.

Un système EAM ou GMAO robuste devrait également être inclus pour fournir des informations. L’EAM / CMMS doit être entièrement implémenté avec une bibliothèque et une hiérarchie d’actifs et la capacité d’intégrer des données provenant de nombreuses sources différentes.

«L’intégration de données provenant de plusieurs sources permet des décisions de maintenance plus rapides et meilleures. En fin de compte, l’EAM / CMMS devrait avoir la capacité de s’intégrer aux données machine qui fournissent des processus actionnables et événementiels », a déclaré Gregory Perry, CMRP, CRL, consultant principal, Accelix.

Intégration des données d’actifs existantes dans les workflows EAM

Pour améliorer la maintenance, toutes les sources et tous les types de données doivent être disponibles pour rencontrer les équipes où qu’elles se trouvent dans le parcours de fiabilité. Qu’ils utilisent des outils portables, des capteurs sans fil, un contrôle de supervision et d’acquisition de données (SCADA) ou toute autre donnée d’état / de processus, toutes ces données doivent être agrégées et stockées dans un système pour une analyse future et mises à la disposition des bonnes personnes lorsque ils en ont besoin.

Un point de départ naturel est de connecter les systèmes de gestion de la maintenance et d’automatisation des actifs existants. Alors que la prolifération des capteurs sans fil permet aux équipes de M&R de collecter des données à partir de n’importe quel actif, la technologie IIoT leur permet également de libérer la valeur des données existantes en brisant les silos entre les systèmes et les bases de données.

La construction de systèmes d’automatisation industrielle qui s’appuient sur des contrôleurs logiques programmables (API) connectés via un réseau SCADA – l’IIoT d’origine – génèrent des milliards de points de données chaque jour. Bon nombre de ces points de données donnent un aperçu de l’intégrité de l’actif qu’ils gèrent, notamment:

  • Nombre de cycles
  • Heures d’exécution
  • Consommation de carburant
  • Mesures de pression
  • Lectures de température

L’incorporation de ces données dans un MAE, tel que le module de surveillance d’état d’IBM Maximo, fournit une base pour passer d’une maintenance de base planifiée ou basée sur un itinéraire à CBM. Cela peut apporter des avantages importants, notamment:

  • Planification de la maintenance optimisée, ce qui élimine les tâches de maintenance redondantes et inutiles
  • Gain de temps et de ressources en éliminant la collecte de données manuelle / basée sur l’itinéraire
  • Amortissement des actifs basé sur l’utilisation réelle plutôt que sur l’âge.
  • Perturbation minimisée; le système CBM fonctionne dans le cadre du système de bons de travail existant pour garantir que les équipes de M&R ne manquent pas un battement

La voie facile pour obtenir un retour sur investissement réel

La plupart des organisations disposent déjà des points de données dont elles ont besoin dans leur système d’automatisation ou de gestion de bâtiment pour commencer à passer à CBM. Plutôt que de prendre en charge les actifs de «détection», les équipes de M&R n’ont qu’à identifier les points de données clés pour commencer à influencer la planification de la maintenance.

L’intégration des données d’exploitation des actifs dans les systèmes qui gèrent les calendriers et les activités de maintenance fournit un retour sur investissement rapide. Une entreprise pharmaceutique a commencé à mesurer la différence de pression d’air sur les deux côtés de leurs filtres HEPA. En changeant les filtres uniquement lorsque les capteurs ont montré un certain niveau de chute de pression, ils ont économisé 350 000 $ en un an. Honda NA a également connu une amélioration de 30% de son temps moyen de réparation en exploitant les données SCADA dans Maximo.

Pour de nombreuses organisations, avant d’aller de l’avant avec CBM, elles doivent optimiser les activités préventives et réactives. En plus de CBM, Honda NA exploite les données sur les actifs de son système SCADA pour rationaliser la maintenance réactive. S’étendant sur plus de 10 terrains de football, son usine d’assemblage de Marysville, Ohio est l’un des sites de fabrication les plus complexes au monde. Cela met sérieusement à l’épreuve les temps de réponse. En connectant son système d’automatisation à Maximo, Honda informe désormais la maintenance de l’emplacement exact dans les six secondes suivant une panne.

Passer à CBM

Fluke Connect2Assets, anciennement SCHAD Automatic Meter Reading, facilite la mise en route de CBM en transmettant automatiquement les données d’actifs des systèmes SCADA / PLC au module de surveillance d’état de Maximo. À partir de là, les données sur les actifs peuvent être utilisées pour déclencher des ordres de travail en fonction des règles et des plans de travail existants. Fluke Connect2Assets intègre des données d’actifs en temps réel dans les workflows Maximo en les reliant à l’équipement sous-jacent qu’il gère. En incorporant les données des actifs dans les flux de travail existants, les utilisateurs de Maximo peuvent assurer un passage transparent de la maintenance de base basée sur un calendrier à CBM.

«La maintenance conditionnelle est une initiative basée sur les données. Armés de plus d’informations sur les performances des actifs et des principaux indicateurs de défaillance, nous sommes en mesure de prendre de meilleures décisions quant au moment et au type de maintenance à effectuer. Connect2Assets de Fluke fournit de manière transparente des données à IBM Maximo sur les performances et l’état des actifs, permettant aux activités de maintenance d’être menées d’une manière qui n’était pas possible auparavant. « – Alex Walter, Directeur de l’innovation, The A3J Group

Connect2Assets fournit également une plate-forme extensible pour votre stratégie CBM. Dans un avenir proche, Connect 2Assets intégrera des flux de données supplémentaires de la gamme Fluke Connect de capteurs sans fil et d’outils de test, y compris son capteur de vibration récemment lancé, pour enrichir Maximo avec encore plus de données sur les actifs. Connect2Assets a également été étendu à la plateforme IoT Connections de Watson, permettant aux équipes de maintenance de tirer parti des données de conditions en temps réel pour générer des informations sur la santé des actifs.

Étude de cas pharmaceutique: Mobility offre aux techniciens de maintenance une vision des données en temps réel

Une entreprise pharmaceutique mondiale comptait 175 sites, 10 000 techniciens et plus de 100 000 points de données connectés. Il a été confronté à de nombreux défis, notamment:

  • Solution mobile de gestion du travail vieillissant
  • Pas de visibilité des données d’automatisation
  • Plusieurs systèmes de saisie de données pour Maximo

L’équipe avait besoin d’une solution qui fournirait aux techniciens un accès mobile à toutes les données dont ils pourraient avoir besoin pour prendre des décisions et faire leur travail efficacement. Les solutions et la valeur que l’équipe a reçues étaient les suivantes:

  • Lecture automatique du compteur (AMR)
  • EAM et SCADA mobiles
  • Intégration EAM

Laisser un commentaire