Tout le dossier Tout le dossier
-
Simulation
Big data : plus qu'une technologie, une culture
-
Data analysis
La boîte à outils du data scientist
-
Simulation
M6 perce les secrets de la pub télé
-
Data analysis
Accor personnalise ses services
-
Data analysis
Le parallélisme massif, facteur clé de l’innovation en simulation numérique pour les industriels
-
Simulation
Santen optimise sa R&D
-
Supplément
Supplément simulation : le big data fait son big bang
-
Data analysis
French tech : les surdoués de la donnée
-
Aéronautique - Spatial
Airbus teste plus vite ses avions
-
Transport
Lyon fluidifie son trafic urbain
-
Data analysis
L’optimisation topologique et l’impression 3D en route pour l’espace
-
Data analysis
ThyssenKrupp anticipe les pannes de ses ascenseurs grâce au cloud et au Big data
-
Éco - social
Une plate-forme big data commune pour les mutuelles d'assurance MAAF, MMA et GMF
-
Aéronautique
Pourquoi Safran fait le pari du big data
ThyssenKrupp anticipe les pannes de ses ascenseurs grâce au cloud et au Big data
Pour améliorer la fiabilité et la sécurité de ses ascenseurs en service, ThyssenKrupp combine l’Internet des objets, le Big data et le cloud computing. Ainsi, le service de maintenance surveille en temps réel les machines, procède à des diagnostics à distance et anticipe les pannes.
Comment rendre les ascenseurs en service plus fiables et plus sûrs, tout en réduisant les coûts d’entretien ? Pour ThyssenKrupp, la solution réside dans la combinaison de l’internet des objets, du Big Data et du cloud computing. Et c’est ce que l’ascensoriste compte mettre en place pour son parc de 1,1 million d’ascenseurs dans le monde. Avec l’aide du groupe canadien de services numériques CGI, il va connecter, d’ici à 5 ans, tous ses ascenseurs au cloud Azure de Microsoft. Objectif : analyser en temps réel les données issues de ses machines par les outils Big Data de l’éditeur américain pour anticiper les pannes, réduire les temps hors service et baisser les coûts de maintenance.
ThyssenKrupp a validé le projet avec un démonstrateur de faisabilité sur 50 ascenseurs, la moitié à Seattle, aux États-Unis, l’autre moitié à Stuttgart, en Allemagne. L’étude a ensuite été étendue à plus de 100 ascenseurs supplémentaires fin 2014 dans ces deux pays, avant le coup d’envoi du déploiement mondial prévu en juin 2015.
Trois services Microsoft
Dans chaque ascenseur, des milliers de capteurs recueillent des données comme l’accélération et la vitesse de la cabine, la distance parcourue, la fréquence d’ouverture et de fermeture des portes, la quantité d’électricité consommée, la température du moteur ou encore l‘alignement de l‘arbre. À ces mesures s’ajoutent les alertes d’anomalies transmises par le système de contrôle-commande sous forme de codes d’erreur. Ces données sont triées, analysées et stockées dans le cloud Azure de Microsoft. Les agents au centre de surveillance, comme les techniciens sur le terrain, peuvent procéder à des diagnostics à distance en visualisant les indicateurs clés de la santé des ascenseurs sur leurs écrans de contrôle ou leurs terminaux mobiles. "Tout le monde accède au même tableau bord en temps réel", assure Rory Smith, directeur de la stratégie de développement de Thyssenkrupp en Amérique.
Le système combine trois services dans le cloud Azure de Microsoft : Intelligent Systems Service (ISS), BI Power for Office 365 et Machine Learning. Le premeir sépare les alertes d’incidents des données de fonctionnement, analyse les informations et en extrait les indicateurs les plus pertinents pour la surveillance et le diagnostic des ascenseurs. BI Power for Office 365 propose, lui, aux gestionnaires des visualisations de ces indicateurs sous la forme de tableau de bord sur leurs écrans de contrôle. En explorant les données, ils peuvent surveiller en temps réel le fonctionnement des ascenseurs, procéder à des diagnostics à distance et optimiser la planification des interventions sur site. "Avec une appli mobile, les techniciens de réparation accèdent sur leurs ordinateurs portables ou de poche au même tableau de bord que les gestionnaires au centre de maintenance", note Rory Smith.
Maintenance prédictive
Le service Azure Machine Learning injecte les données en provenance des ascenseurs dans un moteur d’apprentissage statistique qui les corrèle avec l’historique afin de détecter les signaux faibles annonciateurs de pannes proches. Ainsi, le service de maintenance sait à l’avance le type de pannes à venir, sur quel ascenseur et quand. Il peut anticiper les réparations de façon à éviter les arrêts de fonctionnement. "Nous allons au-delà des normes professionnelles en matière de maintenance préventive en offrant une maintenance prédictive, qui augmente le taux d’activité de nos ascenseurs", déclare Andreas Schierenbeck, PDG de ThyssenKrupp Ascenseurs.
Le système améliore aussi l’efficacité de la maintenance en aidant le technicien sur site à identifier la source de la panne. Les anomalies de fonctionnement sont signalées par le système de contrôle-commande sous la forme de codes d’erreurs. Or il existe pas moins de 400 codes d’erreur différents, avec pour chacun une multitude de causes possibles. Le service Azure Machine Learning détermine les trois ou quatre causes les plus probables du code d’erreur signalé par l’ascenseur et les endroits où elles se trouvent. Ce qui fait dire à Rory Smith que l’ascenseur devient suffisamment intelligent pour apprendre au technicien comment le réparer. Drôle de répartition des rôles entre la machine et l’homme !
Ridha Loukil
ThyssenKrupp anticipe les pannes de ses ascenseurs grâce au cloud et au Big data
Tous les champs sont obligatoires
0Commentaire
RéagirPARCOURIR LE DOSSIER