Le marché de la maintenance prédictive est en plein essor. Selon une étude du cabinet McKinsey, la maintenance prédictive permettra aux entreprises d’économiser 630 milliards de dollars d’ici 2025. L’évolution des technologies du numérique a un grand impact sur la société, tout comme sur l’industrie. Afin de gagner en productivité, de nombreuses entreprises font appel à l’Internet des objets (Internet of Things ou IoT), c’est-à-dire aux dispositifs connectés combinés à l’intelligence artificielle, dans le cadre de la maintenance de leurs machines.
A lire aussi dans notre dossier “IoT et maintenance industrielle” :
- Iot et maintenance prédictive : de quoi parle-t-on ?
- Directeur maintenance : comment réduire les coûts de maintenance ?
- Comment l’Internet of Things transforme la maintenance industrielle ?
- L’utilisation des lunettes connectées dans l’industrie automobile
Optimiser la maintenance industrielle en temps réel avec l’IoT - Réalité augmentée dans la maintenance industrielle : quels avantages ?
- Maintenance et IoT : comment réduire le temps de réglage des machines ?
- Comment l’Iot permet d’éviter les arrêts de production dans l’industrie ?
- Les objets connectés pour plus d’efficacité dans l’industrie
- Les lunettes connectées au service de la maintenance industrielle
- Limiter les déplacements du personnel d’astreinte avec la lunette connectée
- Comment les lunettes connectées améliorent le picking dans la logistique ?
- Le Edge computing au service de l’industrie pour optimiser les dépenses
Les trois types de maintenance
Dans le domaine de l’industrie, la maintenance occupe une place importante.
Il est possible à l’heure actuelle de définir trois types de maintenance :
-
- la maintenance réactive ou corrective
- la maintenance préventive
-
- la maintenance prédictive
La première est la plus classique : dès la panne déclarée, une intervention est programmée afin de réparer la machine et de la remettre en marche. Aucune maintenance n’est prévue en amont, le problème est réglé qu’après être apparu.
La seconde, que l’on nomme maintenance préventive, utilise des statistiques pour mettre en place des interventions à des moments clés, avant que la panne se produise. Grâce à un calendrier, des actions sont organisées de façon régulière et permettent de remplacer les pièces les plus susceptibles de poser des problèmes et de déclencher des pannes.
Un gaspillage peut émerger de ce type de maintenance, en remplaçant trop souvent des pièces en bon état, et par rapport à leur durée de vie.
Le dernier type de maintenance est prédictif, et c’est celui qui nous intéresse.
Qu’est-ce que la maintenance prédictive ?
La maintenance prédictive dans le domaine de l’industrie fait partie des évolutions dues à l’amélioration continue du numérique, de l’intelligence artificielle et de l’IoT.
Le but de la mise en place de ce type de maintenance ? Anticiper les pannes afin de mieux les éviter grâce à l’interprétation des données fournies par les objets connectés.
Le faible prix des capteurs connectés permet d’en équiper les machines, et par conséquent d’analyser de nombreux facteurs, et de prévenir les pannes qui sont sur le point de survenir.
Ainsi, ce type de maintenance regroupe les avantages de la maintenance corrective et de la maintenance préventive, en intervenant avant la panne, uniquement quand celle-ci va survenir.
Il n’y a donc pas de gaspillage de temps et de pièces, et la machine est immobilisée que sur un court laps de temps pour une meilleure productivité et une meilleure satisfaction du client.
L’apport de l’internet des objets Iot
La maintenance prédictive n’est possible que grâce aux avancées technologiques en lien avec le numérique et en particulier à l’intelligence artificielle et à l’IoT — l’internet des objets.
Avec l’installation de capteurs connectés, les machines peuvent être surveillées sous toutes leurs coutures, que ce soit la température, les vibrations ou la pression.
L’objectif ici est de collecter les données en temps réel et de détecter les signes de défaillance. La quantité de données dépend alors du nombre de capteurs installés.
Les données générées sont ensuite transmises à des logiciels de traitement le plus souvent connectés à internet, mais qui peuvent aussi être stockés provisoirement sur PC grâce au edge computing comme les dynaEdge de Toshiba.
Ce sont ces données analysées, comparées à d’autres, dites de références, qui permettent de déterminer si une panne est sur le point de survenir, comme lors de l’augmentation de la température par exemple.
Une alerte est donc émise en temps réel dans le cas de la réception de données inquiétantes, afin de lancer la réparation avant la panne.
Associé au machine learning — technologie clé de l’intelligence artificielle — ces données permettent de prévoir les défaillances avec une grande précision.
