Pourquoi la maintenance prédictive va révolutionner l’industrie ?

Pour approfondir le sujet

Sur le même thème :

Le Healthcare Data Institute propose 10 recommandations pour faire de l’IA une réalité en santé

Le Healthcare Data Institute, think tank dédié à la transformation du système de santé par la valorisation scientifique et économique des données de santé,...

Celonis et BMW annoncent le renforcement de leur partenariat

Celonis, société pionnière du Process Mining, et le groupe automobile BMW ont annoncé le 26 mars dernier l’extension de leur partenariat stratégique. Celui-ci a...

Asystom ajoute la maintenance prédictive des vannes industrielles à sa solution AsystomPredict

Asystom, start-up toulousaine spécialisée dans la maintenance prédictive pour les équipements industriels, annonce l'ajout d'une application dédiée à la surveillance des vannes à sa...

Le CEA, le CNRS et Inria annoncent le lancement du PEPR Intelligence artificielle

Le programme de recherche (PEPR) Intelligence Artificielle, lancé le 25 mars dernier, co-piloté par le CEA, le CNRS et Inria, est doté d'un budget...

Pourquoi la maintenance prédictive va révolutionner l’industrie ?

Selon une étude du cabinet McKinsey, la maintenance prédictive permettra aux entreprises d’économiser 630 milliards de dollars d’ici 2025. Ces économies seront rendues possibles par plusieurs facteurs. Premièrement, une réduction des coûts de maintenance de 10 à 40%. Ensuite, en réduisant le nombre de pannes de moitié. Enfin, en diminuant le montant investi dans les nouvelles machines de 3 à 5% en augmentant la durée de vies des machines existantes.

C’est donc un avenir radieux que promet le célèbre cabinet de conseil au monde de l’industrie. Mais si la maintenance prédictive apporte une rupture par rapport à ce qui se fait aujourd’hui, il convient en premier lieu d’étudier les stratégies de maintenance les plus répandues aujourd’hui.

Maintenance corrective, maintenance préventive, 2 modèles diamétralement opposés

La maintenance corrective est l’approche la plus basique de maintenance. Il s’agit très grossièrement de réparer — voire remplacer — une pièce une fois la panne constatée. Ce type de maintenance a l’avantage d’économiser toutes les activités de maintenance en prévention. La maintenance corrective est légitime, voire recommandée, dans certains cas :

  • les pièces de remplacement sont à bas coût
  • les pièces peuvent être changées rapidement
  • l’impact d’une panne de la machine est faible pour l’utilisateur final

De l’autre côté, la maintenance préventive est proactive. Il s’agit d’anticiper les défauts et les pannes d’une machine. La maintenance préventive se manifeste sous la forme d’un calendrier d’intervention. Le fournisseur planifie des venues fréquentes sur site pour s’assurer que les machines livrées ne sont pas abîmées. Le problème réside dans le coût des venues du fournisseur pour les machines sur lesquelles il n’y a pas de problème. Il y a donc un gaspillage.

Qu’est ce que la maintenance prédictive ?

La maintenance prédictive permet de détecter les anomalies sur des machines avant qu’elles ne deviennent trop graves. La force de la maintenance prédictive est donc d’anticiper les pannes. Ce qui évite tout arrêt — coûteux — de la chaîne de production.

Si la maintenance prédictive émerge c’est qu’il est désormais possible de capter les signaux faibles sur les machines. Il reste ensuite à faire remonter les data et les analyser. Ces analyses permettent d’augmenter la satisfaction client et de faire des économies.

Les types de maintenance

La maintenance prédictive, au service de la satisfaction client

La maintenance prédictive, par rapport à la maintenance préventive, permet de passer d’une logique de flux poussé à une logique de flux tiré. Le fournisseur n’intervient que lorsque des signaux émis par une machine reflètent une panne probable à court terme. C’est donc l’état réel de l’actif, et non un calendrier théorique, qui déclenche une intervention.

L’anticipation des pannes est rendu possible par :

  • l’implantation de capteurs. Ils permettent de remonter plusieurs milliers de données chaque jour. C’est l’internet des objets (IoT).
  • la modélisation d’un schéma de panne. En se basant sur l’historique de fonctionnement des machines, au-delà des symptômes, il est possible d’identifier les causes racines de la panne.
  • le développement et l’optimisation d’algorithmes prédictifs qui déterminent les seuils d’alerte. C’est l’apprentissage automatique ou machine learning. Des technologies comme Apache Mahout ou SparkMLlib sont appropriées pour ce cas.

C’est pourquoi Schindler décide de tester cette approche en installant des capteurs dans 50 ascenseurs en 2016 en Allemagne. Les données remontées concernent la température de l’ascenseur, les ouvertures de portes, ou le nombre d’étages délivrés. Dans le cadre d’un projet avec Sicara, startup spécialisée en IA, nous avons fait de la prédiction de séries temporelles sur ces données de température. Puis, nous avons identifié quand serait atteint le nombre d’ouverture de portes avant panne. Du coup, nous étions en mesure de prédire quand le technicien allait devoir intervenir sur la machine. En multipliant les capteurs de ce type l’objectif est d’avoir un ascenseur qui fonctionne 100% du temps (enfin)!

La maintenance prédictive, au service de la productivité de l’entreprise

La maintenance prédictive permet d’améliorer plusieurs indicateurs de performance :

In fine la maintenance prédictive permet d’améliorer le retour sur investissement. Elle rationalise le processus et permet des gains de coût et de temps.

Maintenance prédictive vs maintenance préventive

C’est pourquoi la SNCF a décidé en 2016 de déployer des capteurs IoT sur l’ensemble du réseau SNCF (50 000 km de voies, 2 200 systèmes d’aiguillage…). Ce vaste plan d’investissement — près de 300 millions d’euros — a pour objectif de mettre en place une maintenance prédictive. Selon Guillaume Pépy, PDG de SNCF, cette stratégie permettra d’économiser près de 537 millions d’euros entre 2015 et 2020.

Parmi les capteurs IoT mis en place, il y a celui relevant les données sur les systèmes d’aiguillage des trains. Il s’agit d’alerter la SNCF lorsqu’un seuil d’utilisation est franchi. Ce qui déclenche l’intervention d’une équipe pour graisser le matériel. Ces capteurs reviennent “10 fois moins cher” qu’une maintenance préventive classique selon le président d’Intesens.

Voici à propos une étude comparative des différents types de maintenance réalisée par l’EPRI :

Comparaison du coût des différents type de maintenance (Source : EPRI Electric Power Research Institute)

Intelligence artificielle et PME : commencer par un petit périmètre avant d’industrialiser

Lorsqu’on parle d’algorithme prédictif ou de maintenance prédictive on pense souvent aux grands groupes industriels collectant des milliards de données. Pour autant, il est possible d’appliquer ces principes à une partie seulement de la chaîne de production. c’est le choix qu’a fait Figeac Aero, un sous-traitant aéronautique. Ils ont commencé par installer des capteurs sur un nombre limité de données : vibrations, défauts géométriques, force de serrage des outils. Ce qui leur a permis de prévenir 40% des pannes. Le 1er test ayant réussi, ils ont décidé d’étendre leur programme de maintenance prédictive à d’autres données, d’autres machines.

La clé pour réussir un projet de maintenance prédictive réside dans la communication entre les techniciens métier et les data scientists. C’est ce qu’a fait la SNCF en mettant en place des formations à destination des coordinateurs de travaux. L’objectif est de favoriser la communication avec les data scientists. Il s’agit également d’intégrer le métier afin de personnaliser au maximum les outils de maintenance développés.

Quand choisir une maintenance prédictive plutôt qu’une maintenance préventive ou correctrice ?

La maintenance prédictive s’inscrit dans une logique ROIste. Il faut identifier le point limite d’utilisation d’une machine de sorte à rentabiliser au maximum son investissement. Afin d’identifier ce point limite, il faut accepter de laisser des machines tomber en panne. Cela permet à l’algorithme prédictif d’intégrer le point de rupture de la machine, pour mieux l’anticiper par la suite.

La maintenance préventive, comme la maintenance corrective c’est de la gestion de risque. C’est un arbitrage entre le coût représenté par la panne d’une machine et le coût lié à la maintenance en elle-même. Dans certains cas, les pannes peuvent avoir des conséquences désastreuses. Par exemple, une panne d’un moteur d’avion de ligne pour AirFrance. Lorsqu’il y a un risque lié à la sécurité humaine, la maintenance préventive prend le pas sur la maintenance prédictive. Cela n’empêche pas l’installation de capteurs comme c’est le cas pour les avions afin d’anticiper au maximum les pannes de composants.

Les investissements liés à la maintenance prédictive ont représenté 9,1 milliards de dollars en 2016 dans le monde, selon le cabinet ABI Research. Avec un taux de croissance annuel de 22 %, elle devrait conquérir de nouveaux acteurs industriels. Alors, à qui le tour ?

Si vous avez aimé cet article, pensez à vous abonner juste en dessous. Si vous souhaitez en savoir plus sur les projets d’intelligence artificielle ou de maintenance prédictive que nous menons chez Sicara, contactez-nous.

Sources


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
Collecte de dons par AssoDon

La solution de collecte de dons assodon facilite votre collecte, et inclut : - gestion de votre administratif - coaching pour votre collecte - comm...

 

Contributeur expert

Jean-Régis de Vauplane

Jean-Régis de Vauplane est Business Developer chez Sicara.

Partager l'article

Le Healthcare Data Institute propose 10 recommandations pour faire de l’IA une réalité en santé

Le Healthcare Data Institute, think tank dédié à la transformation du système de santé par la valorisation scientifique et économique des données de santé,...

Celonis et BMW annoncent le renforcement de leur partenariat

Celonis, société pionnière du Process Mining, et le groupe automobile BMW ont annoncé le 26 mars dernier l’extension de leur partenariat stratégique. Celui-ci a...

Asystom ajoute la maintenance prédictive des vannes industrielles à sa solution AsystomPredict

Asystom, start-up toulousaine spécialisée dans la maintenance prédictive pour les équipements industriels, annonce l'ajout d'une application dédiée à la surveillance des vannes à sa...

Le CEA, le CNRS et Inria annoncent le lancement du PEPR Intelligence artificielle

Le programme de recherche (PEPR) Intelligence Artificielle, lancé le 25 mars dernier, co-piloté par le CEA, le CNRS et Inria, est doté d'un budget...