Avec l’automatisation de l’industrie, les capteurs sur les équipements sont devenus essentiels pour contrôler le processus de production. Ces capteurs créent une grande quantité de données, et dans l’ère de l’industrie 4.0, nous exploitons ces données en les fusionnant et en les stockant dans des historians et des Data Lakes, tout en les associant à des outils d'intelligence artificielle pour prédire le comportement d'une machine.
L’objectif est de pouvoir remplacer les stratégies d’actifs classiques à intervalle de temps fixe, comme une révision de l’équipement basée sur un calendrier, par des stratégies prédictives, où nous n'effectuons des activités de maintenance que lorsque l'état annoncé de l'équipement nécessite un entretien ou une réparation.
Le but de l’Asset Performance Management (APM) est d’assurer la conformité, la performance et la durabilité des actifs tout au long de leur cycle de vie. Nous passons d’une stratégie d’actif « push », dans laquelle nous planifions des interventions préventives quel que soit l’état au moment T de l’actif, à une stratégie d’actif « pull », dans laquelle nous déclenchons des interventions préventives « juste à temps » pour éviter les erreurs et les temps d’arrêt imprévu. Le grand avantage de cette stratégie est d’éviter les erreurs, les temps d’arrêt imprévu et réduire le coût d’une maintenance préventive et le temps d’arrêt planifiés, car l’efficacité augmente lorsque nous nous concentrons sur les équipements qui ont le plus besoin d’une intervention.
Les opérateurs ou les techniciens sont submergés par le nombre d'alertes et ils ne disposent pas des outils nécessaires pour hiérarchiser ces alertes simultanées. Ils ne comprennent pas non plus l’urgence de chaque alerte et s'ils doivent prendre des mesures exceptionnelles pour éviter la défaillance annoncée. Tout cela fait de la création d'un planning de maintenance réaliste et basé sur les risques une tâche difficile.
Dans certains cas, les pièces de rechange nécessaires pour résoudre le problème signalé ne sont pas disponibles et même les expédier ne permettrait pas d'éviter de coûteux temps d'arrêt non planifiés. Dans d'autres cas, un temps précieux a été consacré à l'interprétation et au diagnostic des alertes, ainsi qu’à l'obtention d'un consensus sur les mesures à prendre. Un temps qui aurait dû être consacré à la résolution du problème.
Il convient de définir les quatre éléments suivants pour chaque alerte prévue :
L'analyse prédictive nous permet de définir des indicateurs fiables, basés sur des capteurs et d'autres données d'exploitation. Ces indicateurs sont de véritables « indicateurs de pointe » dans la mesure où ils permettent de prendre des décisions en temps réel, qui influenceront la performance des équipements avant qu'ils ne se produisent. Il s'agit d'une véritable révolution dans l'histoire des systèmes de gestion de production. Mais si nous n'ajoutons pas d’actions prescriptives à ces indicateurs d'alerte, nous n'obtiendrons pas la valeur que nous attendons. Dans le pire des cas, toutes les alertes pourraient créer des tensions et augmenter l’inefficacité dans l’entreprise, ce qui aurait des conséquences néfastes.
À lire également :