Qu'est-ce que la maintenance prédictiveₒ?

Par IBM Services

Présentation de la maintenance prédictive. Demeurez opérationnels. Maîtrisez vos coûts.

La maintenance prédictive est une méthode de gestion des actifs consistant à réparer un actif ou une pièce d'équipement avant sa panne, en fonction d’informations reçues le concernant. C'est le troisième niveau de la gestion d'actifs :

Maintenance corrective : réparations effectuées après un problème ou une panne

Maintenance préventive : réparations planifiées d’après l'expérience

Maintenance prédictive : réparations effectuées parce que les données d'un actif indiquent qu'une défaillance est imminente

 

Qu'est-ce qu'un actif ? IBM® se réfère à l'Organisation internationale de normalisation (ISO) 55000. Un actif est un « un article, une chose ou une entité qui a une valeur potentielle ou réelle pour une organisation. » Les actifs font partie de l'infrastructure physique d'une organisation et comprennent les véhicules, les appareils électroniques, les équipements, les machines, les ordinateurs, etc.

La maintenance prédictive s’est développée en tant que capacité pour les systèmes et les logiciels parce que les actifs eux-mêmes ont commencé à produire davantage d'informations et parce que les fonctions de maintenance et d’opération se sont numérisées. Caractéristiques spécifiques la définissant :

  • Existence de grandes quantités de données recueillies par le biais d’actifs instrumentés et connectés
  • Disponibilité de données recueillies via l'Internet des Objets (IoT)
  • Convergence entre informatique et technologie opérationnelle
  • Progrès des analyses permettant d’extraire des renseignements des données
  • Technologies d'intelligence artificielle (IA) telles que le machine learning (capacité d'un système à apprendre à partir de données par lui-même, sans programmation)

 

De la correction à l’anticipation des problèmes

Lorsqu'il est possible d'anticiper un problème avant qu’il ne survienne, peut-on toujours parler de problème ? 

Regarder la vidéo (0:35)

 

 

Pourquoi la maintenance prédictive est-elle importante ?

Réparer quelque chose avant qu'il ne tombe en panne est efficace et moins coûteux que de le réparer après la panne. Cela contribue à...

  • Éviter les durées d'immobilisation et améliorer la productivité
  • Prolonger la durée de vie des actifs et repousser les nouveaux achats
  • Réduire le coût et la complexité des réparations
  • Limiter les dommages supplémentaires ou collatéraux
  • Respecter les normes réglementaires et la conformité
  • Gérer les pièces de rechange, le matériel et les stocks
  • Et, au bout du compte, à améliorer le résultat net

Ces avantages incitent les organisations à adopter des méthodes et technologies de maintenance prédictive. D'après IBM (PDF, 798 Ko) : « Dans presque tous les secteurs à forte densité d'actifs (tels que le secteur pétrolier et gazier, la fabrication ou le transport), les organisations cherchent comment optimiser la valeur des actifs tout au long de leur cycle de vie. »

 

Par exemple, une étude IBM rapporte les cas suivants (PDF, 255 Ko) :

PhotonStar Technology, un concepteur et fabricant britannique de solutions d'éclairage et de construction intelligentes, développe des systèmes qui collectent des données provenant des installations et des équipements comme la consommation d'énergie et l'occupation des bâtiments, puis qui les chiffrent et les consolident pour les analyser dans le cloud. Ses clients accèdent alors à des tableaux de bord leur permettant de suivre l'efficacité, d’élaborer des plans de maintenance prédictive et de surveiller l'état des actifs en temps réel et à distance.

Un constructeur automobile japonais utilise l'IoT pour modéliser le comportement de son processus de soudage. Son objectif était de trouver les causes de défaillances et de malfaçons, et d’identifier les principaux signes annonciateurs d’une panne d’équipement. Le système mis en place fournit une prévision des défauts fiable à 90 %, sans faux positifs ; 50 % des pannes sont prévues avec plus de 2 heures d'avance. L'entreprise a diminué de 1,5 heure ses temps de maintenance par incident grâce à ces prévisions avancées.

Un grand constructeur aéronautique utilise l'IoT pour préserver le calibrage de ses outils d'assemblage de précision et améliorer sa qualité de fabrication. Les données fournies par les outils de l’atelier, croisées avec des celles sur les pannes d'équipement, sont utilisées pour des analyses prédictives de qualité afin de générer des modèles qui permettent d’identifier les outils nécessitant potentiellement un entretien. Les outils défectueux sont retirés de manière proactive de l'atelier pour être révisés et recalibrés, ce qui améliore notablement la qualité de fabrication. Le retour sur investissement de la solution a été de 100 % en un an, permettant d’éviter des millions de dollars de transformations et des mois de retards dans la production en retirant les outils défaillants du flux de production.

 

 

Capacités clés d'une maintenance prédictive efficace

Une maintenance prédictive efficace s’appuie sur la convergence entre les données provenant des instruments et de l'IoT et les technologies d'analyse avancées et d'IA dans des systèmes numériques. IBM renvoie vers un sondage mené par A. T. Kearney dans Industry Week (PDF, 798 Ko) où il apparaît que 558 entreprises utilisant des systèmes de gestion de la maintenance informatisés affichaient en moyenne :

  • Une augmentation de 28,3 % de la productivité de la maintenance
  • Une réduction de 20,1 % de la durée d'immobilisation des équipements
  • 19,4 % d'économies sur le coût du matériel
  • 17,8 % de réduction du stock nécessaire à la maintenance et aux réparations
  • Un amortissement en 14,5 mois

Pour utiliser ces systèmes avec succès, les organisations doivent :

Intégrer

Dans le cadre de leur gestion des actifs, les organisations doivent suivre, évaluer et gérer la fiabilité d'une vaste gamme d'actifs physiques et technologiques. Un défi auquel s’ajoutent des infrastructures technologiques qui exécutent des applications et des données cloisonnées. L'intégration de systèmes cloisonnés améliore la visibilité et l'efficacité de la localisation et du signalement des défaillances potentielles.

 

Inclure l'IoT

Les données issues de l’IoT telles que les informations météorologiques, RFID ou routières et les informations en provenance d'autres appareils et sources peuvent augmenter et renforcer les capacités de maintenance prédictive. Par exemple, les conditions météorologiques peuvent affecter les équipements extérieurs dans l'agriculture, la production de pétrole ou de gaz ou des instruments très sensibles dans les domaines de la santé et de la biotechnologie. L'IoT peut également regrouper des informations provenant potentiellement de millions de pièces d'équipement différentes. Par exemple, le fabricant d'ascenseurs et d'escaliers mécaniques KONE Corp. surveille à distance et optimise la gestion de plus de 1,1 million d'ascenseurs et d'escaliers mécaniques dans des bâtiments du monde entier.

 

Analyser des données de qualité

La capacité à collecter et à analyser des données sur les actifs permet à une organisation de passer de la maintenance corrective à la maintenance prédictive. L'analyse prédictive et les technologies d'IA telles que le machine learning peuvent être appliquées aux volumes de données opérationnelles pour offrir aux organisations une compréhension plus détaillée et plus fine de la performance des équipements.

La qualité ou l'intégrité des données analysées est également importante. Selon IBM (PDF, 798 Ko), « la qualité des données des actifs est un risque d’échec souvent négligé. Sans champs remplis ou données validées, l'analyse n'est pas possible. L'analyse de la qualité des champs de données dans des domaines critiques tels que les registres d'actifs, les stocks d'articles et l'achèvement des tâches est essentielle pour obtenir des rapports analytiques fiables. »

 

Priorité donnée à la fiabilité et à l'efficacité

En s'appuyant sur les avantages de l'analyse prédictive, les ingénieurs fiabilité peuvent créer des modèles statistiques valides pour la durée de vie des équipements, à partir de données opérationnelles et d'autres facteurs. Ces modèles leur permettent de se concentrer sur les risques critiques susceptibles d’affecter la fiabilité et la continuité opérationnelles.

Cette capacité permet également le développement d'une stratégie de maintenance qui peut améliorer l'efficacité : l'analyse peut indiquer que les plannings de maintenance sont à jour, que les méthodes sont parfaites et qu’aucune modification n’est nécessaire. Elle peut aussi recommander une maintenance urgente pour éviter une panne. Enfin, elle peut conduire au report de la maintenance pour limiter les coûts et les efforts inutiles.

 

Ressources sur la maintenance prédictive

 

Comprendre le spectre de la gestion d'actifs

Explorez le spectre complet de la gestion d'actifs pour faire le bon choix, notamment pour vous lancer à petite échelle et monter en puissance.

Lire le blog

 

Connexions intelligentes : réinventer les entreprises grâce à un IoT intelligent

Envisagez la maintenance prédictive et la gestion des actifs dans un contexte élargi et découvrez en quoi l'IoT change les opérations et les processus.

Lire l'étude (PDF, 255 Ko)

 

Études de cas

Hana Financial Group

Hana Financial Group a collaboré avec IBM Services en Corée pour consolider l'infrastructure et les ressources de 11 de ses filiales afin d'appliquer une approche proactive à sa maintenance et d’identifier les problèmes potentiels avant qu'ils ne provoquent des durées d'immobilisation.

En savoir plus

 

VE Commercial Vehicles Ltd.

VECV simplifie et rationalise la couverture de son environnement multi-fournisseurs dans différentes localisations, accélérant la résolution des problèmes et augmentant la productivité, la disponibilité et la continuité de l'activité de ses opérations informatiques.

En savoir plus

 

Produits mis en évidence

La différence apportée par les Services de support technologique IBM

Assurez-vous une réduction de la perte de temps et de ressources pouvant atteindre 40 % par an grâce à l'analyse prédictive et aux systèmes cognitifs.

Voir la vidéo

 

 

Solutions

Services de support technologique

Services de support matériel et logiciel IBM

Support matériel et logiciel multifournisseurs