Le zéro panne, mission impossible ?
Si, comme moi, vous avez connu la lointaine époque où la Qualité totale était en vogue, vous avez connu les 5 Zéros du juste à temps: Zéro défaut, Zéro stock, Zéro délai, Zéro papier et Zéro panne. Nous avions tendance à les surnommer: les 5 missions impossibles ! Aujourd’hui, les technologies de l’industrie 4.0 rendent les objectifs 5 zéros plus atteignables que jamais. Dans cet article, nous aborderons les étapes qui permettent d’atteindre le zéro panne, ce qui influence les 4 autres zéros.
Que feriez-vous si vous pouviez prédire l’avenir ?
Si vous êtes un gestionnaire d’usine, vous pourriez me répondre :
J’aimerais prédire toutes pannes de nos machines critiques afin que je puisse les éviter et atteindre le zéro panne !
Bonne nouvelle ! Les problèmes à venir des machines peuvent être détectés par la cueillette et l’analyse en continu des données de santé machine. La nouvelle génération de capteurs sans fil intelligents (AIoT) s’installent en quelques minutes et permettent de cueillir rapidement les données de vibration, de température, d’ampérage, etc. (voir des exemples de capteurs =>ici).
La solution intelligente de surveillance machine , =>SIS-M, fait l’analyse 24/7 des données des capteurs puis vous envoie, au besoin, une demande de travail urgente ou importante vers votre logiciel de maintenance. C’est comme si vous avez un super ingénieur fiabiliste à chacune de vos machines !
L’objectif de la maintenance 4.0 est de programmer les activités juste à temps pour éviter les temps d’arrêt. Les enseignements tirés de l’analyse des données en continu permettent de mieux prévoir et prévenir les problèmes futurs.
Qui a été le premier intéressé à atteindre le zéro panne ?
Saviez-vous que la NASA a mis en œuvre les premières études de maintenance prédictive automatisée ? Son objectif était d’éviter les pannes du moteur principal de la navette spatiale. Depuis, le concept a gagné en popularité auprès d’autres industries. Les premiers à l’avoir adopté sont les fabricants d’éoliennes et de moteurs à réaction. Ces derniers ont été pressés de trouver des solutions pour atteindre le zéro panne, car leurs produits doivent bien fonctionner, sous diverses conditions extrêmes, avec peu de temps disponible pour la maintenance.
La maintenance prédictive diffère des concepts traditionnels comme la maintenance réactive ou préventive. Elle réduit les pertes de temps et d’équipement tout en minimisant les risques d’arrêt. Pour cela, il est nécessaire de cueillir, de stocker et d’analyser des ensembles de données. Les données des capteurs de vibration, de température, d’ampérage et plusieurs autres sont à la base de toutes les informations de diagnostic de santé machine. Les informations sont ensuite analysées en continu grâce à la puissance de calcul des ordinateurs, directement à l’usine ou par télésurveillance, par des équipementiers.
Le zéro panne : un objectif pour les équipementiers ?
Les gestionnaires d’entretien ne sont pas les seuls à bénéficier de la maintenance 4.0. Les équipementiers peuvent également proposer une nouvelle gamme d’applications et de nouveaux services à leurs clients industriels. Un exemple est la monétisation des services techniques offerts par les équipementiers: avec les bons capteurs et les modèles prédictifs, un équipementier assure la surveillance et la planification d’une maintenance préventive . De plus, une meilleure compréhension de la performance des actifs améliore la prévision ainsi que l’optimisation des designs d’équipement. Voir notre article de blogue sur le sujet: =>Internet des objets industriels : nouveaux modèles d’affaires pour les équipementier).
Quelles sont les trois étapes vers le zéro panne ?
Pour atteindre le zéro panne, il faut passer par 3 étapes cruciales, illustrées à la figure suivante. Ces étapes sont essentielles pour atteindre des prédictions fiables :
- Choix judicieux et installation de capteurs pour la cueillette de données de santé machine;
- Mise en historique des données pertinentes et interprétation des données avec un apprentissage guidé;
- Prévision des événements et intégration de la prédiction à votre logiciel de gestion de la maintenance assistée par ordinateur (GMAO).
Comment choisir une solution de Maintenance 4.0 ?
Parmi la panoplie de solutions existantes, les éléments suivants sont à évaluer afin de faire un choix éclairé et durable.
1) Surveiller
Le flux de données des capteurs AIoT, sous forme de graphiques de tendance, donne un aperçu de la santé et de la charge d’une machine. Avec les flux de données clés disponibles, il devient possible de surveiller les anomalies. Il peut s’agir de tendances, de pics ou de ruptures de données. Savoir comment les données sont liées au comportement réel des actifs peut aider à visualiser l’état de vos machines en tout temps.
2) Mieux voir pour mieux gérer
Les aperçus des graphiques historiques des données les plus récentes alimentent l’extrapolation des événements futurs. Les modèles prédictifs nous permettent de répondre à ces deux questions :
- Quels sont les actifs les plus susceptibles de tomber en panne ?
- Quel est le meilleur moment pour réaliser une intervention ?
3) Prédiction des défaillances
La prédiction précoce des défaillances permet de programmer des demandes de bon de travail, juste à temps, qui ne provoquent pas de perturbations de la production. Votre future solution de maintenance 4.0 doit donc pouvoir s’intégrer avec votre logiciel de gestion de la maintenance (GMAO). Avec une bonne planification de la maintenance, la coordination des activités sur le terrain devient plus efficace. Le personnel de maintenance déployé est à l’heure et dispose de toutes les informations pertinentes, incluant les pièces de rechange nécessaires. La planification des tâches et l’utilisation judicieuse des pièces de rechange contribuent également à optimiser les stock de pièces. Cela permet donc de réduire le coût des ruptures de stock et le sur-stockage (le fameux zéro stock).
4) Optimiser
L’analyse des défaillances permet de comprendre les causes sous-jacentes et de les éviter à l’avenir. Cette méthode d’analyse est également connue sous le nom d’analyse des causes profondes. L’intelligence artificielle et plus particulièrement l’apprentissage automatique ( ou Machine learning) permet d’automatiser l’analyse des causes profondes. Pour découvrir des études de cas sur l’analyse des causes profondes, je vous recommande la lecture de l’étude de cas => Le nouveau processus de maintenance 4.0 de Fred.
Conclusion
Les technologies de l’usine intelligente 4.0 remettent les 5 zéros au goût du jour. Les données recueillies par les capteurs AIoT installés sur vos équipements critiques permettent d’optimiser le processus de gestion de la maintenance et de prédire les pannes. Une meilleure planification des travaux de maintenance et l’utilisation judicieuse des pièces de rechange vous aident à limiter les stock de pièces (vers le Zéro Stock). De plus, une meilleure productivité des machines influence positivement la qualité des produits, leur livraison juste à temps et la satisfaction des clients, ce qui contribue aux fameux zéro défaut et zéro délai.
Je vous invite à commenter ou à partager votre expérience du Zéro panne dans la fenêtre ci-dessous. Si vous pensez que cet article pourrait aider une personne de votre entourage, n’hésitez pas à le partager avec les boutons ci-dessous.
Au plaisir d’échanger avec vous !
Excellent article à propos de l’optimisation de la disponibilité des équipements industriels grâce à l’entretien prédictif automatisé. A lire !