Actualité web & High tech sur Usine Digitale

Recevez chaque jour toute l'actualité du numérique

x

Maintenance prédictive : comment peut-on réparer avant la panne ?

Publi-Rédactionnel Aujourd’hui de plus en plus de constructeurs de machines ou d'équipements s’intéressent à la maintenance prédictive, qui consiste à anticiper une panne et à réaliser l’opération de maintenance qui permettra de l’éviter. Née de la rencontre de l’Internet des objets (IoT), du Big Data et de l’intelligence artificielle (IA), elle révolutionne la façon d’envisager la maintenance, la sécurité et la continuité de service, mais aussi la valorisation des équipements. Explications.
Twitter Facebook Linkedin Flipboard Email
×

Maintenance prédictive : comment peut-on réparer avant la panne ?
Maintenance prédictive : comment peut-on réparer avant la panne ?

Traquer les indices d’une prochaine panne

La maintenance traditionnelle consiste à effectuer des opérations de maintenance dont le contenu est figé et défini par les caractéristiques techniques de l’équipement. La maintenance prédictive enrichie la maintenance traditionnelle par l’analyse continue de l’état de fonctionnement réel de l’appareil dans son environnement. Elle permet de détecter très en amont de la panne, les signaux faibles d’une baisse dans la qualité de fonctionnement, et ainsi à éviter la panne. Cette forme de maintenance nouvelle, met à contribution différentes technologies innovantes.

En effet au cœur de la maintenance prédictive, on trouve d’abord des capteurs connectés, qui mesurent en continu des paramètres de fonctionnement de l’équipement. Ces données, collectées en masse sur tout type d’équipement (selon le principe du Big Data), sont transmises (via l’IoT) à un moteur d’intelligence, qui les analyse et les croise avec les rapports d’intervention sur ces mêmes équipements. La plateforme d’IA va ainsi peu à peu mettre en évidence des corrélations entre certaines informations transmises et les pannes. Elle pourra donc apprendre que telles valeurs mesurées précèdent tel type de défaillance. Ainsi dès que ces valeurs seront à nouveau mesurées, elle pourra programmer l’intervention d’un technicien, et éviter la panne.

On pourrait comparer le système de maintenance prédictive à un mécanicien surdoué capable, grâce à son expérience et son sens de l’observation, de diagnostiquer un dysfonctionnement d’une voiture simplement en l’essayant. Le bruit du moteur, un grincement, un claquement, une vibration lui suffisent à savoir qu’une panne se profile !

Et comme le mécanicien, le système de maintenance prédictive va accumuler de l’expérience, apprendre sans cesse – via les technologies de machine learning (c’est-à-dire l’apprentissage autonome par l’expérience) – et progresser pour être de plus en plus fiable dans ses diagnostics.

 

Le technicien sur place avant la panne de l’ascenseur…

La maintenance prédictive a d’abord été développée pour assurer la continuité de fonctionnement des équipements industriels. Et en particulier les outils de production, dont une panne se traduit immédiatement par une perte financière. Mais aujourd’hui, différents constructeurs se l’approprient dans d’autres domaines, et l’adaptent à leurs produits.

C’est le cas par exemple du fabricant d’ascenseurs et escaliers mécaniques KONE. Pour proposer un système de maintenance prédictive, KONE a déployé les grands moyens. La plateforme d’intelligence artificielle choisie par ce constructeur est Watson d’IBM, qui a prouvé son efficacité par exemple avec des diagnostics médicaux d’une grande fiabilité.

Quant aux capteurs connectés qui truffent ses ascenseurs, ils relèvent plus de 200 paramètres critiques – ouverture et fermeture des portes, lumière, arrêt automatique, distance et durée des courses, niveau de bruit, vibrations, température, pression de l’air, humidité, etc. – transmis en temps réel !

Sur cette base technique, KONE a imaginé ses « Services connectés 24/7 ». Ainsi, dès que l’intelligence artificielle anticipe une défaillance sur un ascenseur, les techniciens KONE reçoivent un ordre de service accompagné d’un diagnostic. Si une anomalie critique est détectée, les techniciens peuvent commander immédiatement les pièces nécessaires et programmer une intervention rapide. La réparation aura lieu avant même la défaillance et l’indisponibilité de l’ascenseur. Mais cette intervention est programmée à bon escient : la plateforme d’IA évalue aussi le degré d’urgence de l’intervention. Le client ne sera pas dérangé pour une anomalie mineure, qui attendra une prochaine opération de maintenance sur site !

Le système évolue constamment grâce au machine learning, pour des diagnostics toujours plus précis. Enfin les "Services connectés 24/7" sont compatibles avec toutes marques et tous types d'ascenseurs : il suffira de comparer le comportement d’ascenseurs de même modèle, fonctionnement dans des environnements similaires, pour prédire les défaillances.

 

Plus de confort et de sécurité, une durée de vie allongée

Avec ses « Services connectés 24/7 », KONE assure une continuité de service, non plus seulement dans un objectif de productivité, mais également de satisfaction client, de confort et de sécurité des utilisateurs. Et même pour garantir la sérénité des usagers : qui n’appréhende pas les pannes d’ascenseurs ?

Mieux encore, un tel service de maintenance prédictive peut être considéré comme « l’anti-obsolescence programmée » !

En effet, l’obsolescence programmée se définit comme une pratique visant à réduire délibérément la durée de vie d’un équipement, en planifiant à l’avance la panne de l’un de ses composants.

A l’inverse, la maintenance prédictive détecte en temps réel la probable défaillance d’un composant pour le changer immédiatement. Elle permet ainsi d’éviter la panne, mais aussi de prolonger la durée de vie de l’équipement ! Ces réparations anticipées évitent en effet que des anomalies mineures n’évoluent en réelles défaillances critiques, qui altèreraient les équipements sur le long terme. Une pratique durable et responsable.

 

Contenu proposé par KONE

 

 
media
Suivez-nous Suivre l'Usine Digitale sur twitter Suivre l'Usine Digitale sur facebook Suivre l'Usine Digitale sur Linked In RSS Usine Digitale