Maintenance préventive ou maintenance prédictive

Votre stratégie de maintenance n’est peut-être pas la première chose qui vient à l’esprit lorsque l’on pense aux résultats. Pourtant, étant donné que les machines, les équipements et les systèmes assurent le fonctionnement des entreprises, les stratégies de maintenance ont un rôle majeur à jouer. Sans le soin et l'attention nécessaires, les choses se cassent, qu'il s'agisse d'un transformateur dans un réseau électrique, d'un roulement d'essieu sur un entraîner ou d'un réfrigérateur dans un restaurant.

Lorsque les actifs fonctionnent mal ou ne fonctionnent pas de manière optimale, il peut y avoir des problèmes de sécurité et des implications financières (en moyenne, le fabricant perd environ 800 heures par an en temps d’arrêt). Si l’on ajoute à cela des infrastructures vieillissantes, la rétention du personnel, des contraintes budgétaires et des pressions en matière de développement durable, il est facile de comprendre pourquoi les entreprises doivent trouver de meilleurs moyens de maintenir leurs actifs en bon état de fonctionnement.

Comprendre et planifier les périodes où votre équipement est susceptible de tomber en panne peut améliorer l’efficacité des opérations de production, mais comment décider quelle stratégie est la plus rentable pour vous ? La décision n'est pas simple. Plusieurs facteurs doivent être pris en compte, tels que votre secteur d’activité, le type et l’utilisation de l’actif, le coût de son remplacement, la quantité de données pertinentes dont vous disposez et l’impact d’une défaillance sur votre entreprise et vos clients. Il n’existe pas de solution unique, et la plupart des entreprises optent pour une combinaison de différentes stratégies de maintenance pour l’ensemble de leurs portefeuilles d’actifs.

Les stratégies de maintenance réactive, préventive et prédictive sont les approches de maintenance les plus couramment utilisées. La maintenance réactive (également appelée maintenance corrective) consiste exactement à réagir aux pannes lorsqu’elles surviennent. Il convient aux actifs non critiques à faible coût qui ne présentent pas de risques pour la sécurité ou les opérations si une stratégie de gestion est déployée.

La maintenance préventive et la maintenance prédictive sont des stratégies proactives qui utilisent la connectivité et les données pour aider les ingénieurs et les planificateurs à procéder aux réparations avant que les composants ne tombent en panne. Les stratégies prédictives vont encore plus loin et utilisent des techniques de données avancées pour prévoir quand les choses sont susceptibles de mal tourner à l'avenir. Les deux stratégies visent à réduire le risque de problèmes catastrophiques ou coûteux.

Examinons ces approches proactives de plus près.

La maintenance préventive fait appel à des plans de maintenance réguliers visant à réduire les risques de défaillance d’un actif en effectuant des tâches de maintenance de routine à intervalles réguliers. Les temps d'arrêt sont planifiés en utilisant les bonnes pratiques et les moyennes historiques, telles que l'intervalle moyen entre les défaillances (MTBF). Les stratégies de maintenance préventive existent depuis 1900 environ et sont largement utilisées depuis la fin des années 1950.

Trois types de maintenance préventive ont été développés : ils impliquent tous une maintenance régulière, mais ils sont programmés différemment et adaptés aux différents objectifs d’opérations de l’entreprise.

• Les calendriers de maintenance préventive basés sur l’utilisation basent la maintenance et les inspections futures sur l’utilisation des actifs, comme le changement des pneus de voiture après 80 000 km.
• La maintenance préventive basée sur le calendrier ou la maintenance préventive basée sur le temps définit des intervalles de temps spécifiques pour la maintenance, tels que l’entretien annuel de votre four à domicile.
• La maintenance conditionnelle crée des calendriers basés sur des facteurs tels que l’usure et la dégradation des actifs.

Dans tous les types de maintenance préventive, les temps d’arrêt des machines sont planifiés à l’avance, et les techniciens utilisent des listes de contrôle pour les vérifications, les réparations, le nettoyage, les ajustements, les remplacements et d’autres activités de maintenance.

La maintenance prédictive s’appuie sur la surveillance conditionnelle en évaluant en permanence l’état d’un actif. Les capteurs collectent des données en temps réel, et elles sont ensuite intégrées à l’IA-activée gestion des actifs d’entreprise (EAM), systèmes de gestion de la maintenance assistée par ordinateur (GMAO) et autres logiciels de maintenance. Grâce à ces types de logiciels, les outils d’analyse de données avancés et les processus comme machine learning (ML) peuvent identifier, détecter et résoudre les problèmes au fur et à mesure qu’ils se produisent. Les algorithmes sont également utilisés pour construire des modèles qui prédisent à quel moment de futurs problèmes potentiels peuvent survenir, ce qui atténue le risque que l’actif tombe en panne plus tard. Cela peut se traduire par une réduction des coûts de maintenance, une réduction de 35 à 50 % du temps d’arrêt et une augmentation de 20 à 40 % de la durée de vie.

Différentes techniques de contrôle de conformité sont utilisées pour identifier les anomalies des actifs et fournir des avertissements avancés concernant les problèmes potentiels, notamment le son (acoustique ultrasonique), la température (thermique), la lubrification (huile, fluides), l’analyse des vibrations et l’analyse des circuits moteurs. Une augmentation de la température d’un composant, par exemple, peut indiquer un blocage dans le flux d’air ou le liquide de refroidissement ; des vibrations inhabituelles peuvent indiquer un défaut d’alignement des pièces mobiles ou une usure ; les changements dans le son peuvent fournir des avertissements précoces des défauts qui ne peuvent pas être repérés par l’oreille humaine.

Le secteur du pétrole et du gaz a été l’un des pionniers de l’adoption de la maintenance prédictive comme moyen de réduire les risques de catastrophes environnementales, et d’autres secteurs en voient également de plus en plus les avantages. Dans le secteur de l’alimentation et des boissons, par exemple, les problèmes de stockage alimentaire non détectés peuvent avoir des conséquences majeures sur la santé, et lors de l’expédition, anticiper et prévenir les pannes d’équipement réduit le nombre de réparations à effectuer en mer, où il est plus difficile et plus coûteux que dans le port.

Les deux types de stratégies de maintenance augmentent le temps de fonctionnement et réduisent les temps d’arrêt imprévus, améliorant ainsi la fiabilité et le cycle de vie des actifs. Les principales différences réside dans le timing et la capacité à prédire le futur état probable d'un actif.

Les programmes de maintenance préventive utilisent des données historiques pour anticiper l’état attendu d’un actif, et ils planifient à l’avance des tâches de maintenance de routine à intervalles réguliers. Bien que cela soit utile pour la planification, les actifs peuvent être trop ou pas assez entretenus, étant donné que la grande majorité des défaillances d’actifs sont inattendues. Par exemple, un problème peut être diagnostiqué trop tard pour éviter d’endommager un actif, ce qui signifiera probablement des temps d’arrêt plus longs tant qu’il ne sera pas résolu, ou du temps et de l’argent dépensés lorsqu’il n’y en a pas besoin.

La maintenance prédictive évite la maintenance inutile en comprenant l’état réel de l’équipement. Cela signifie qu'il peut signaler et résoudre les problèmes plus tôt que la maintenance préventive et empêcher des problèmes plus graves de se développer.

La maintenance prédictive tire parti de nouvelles technologies telles que l’intelligence artificielle, le machine learning et l’Internet des objets (IdO) pour générer des informations. Les systèmes et logiciels de gestion de maintenance créent automatiquement des ordres de maintenance corrective, permettant aux équipes de maintenance, aux data scientists et aux autres employés de prendre des décisions plus intelligentes, plus rapides et plus financièrement judicieuses.

Les workflows de gestion de stock, tels que les chaînes d’approvisionnement en main-d’œuvre et en pièces détachées, deviennent plus efficaces et plus durables grâce à la réduction de la consommation d’énergie et des déchets. La maintenance prédictive peut alimenter d’autres pratiques de maintenance basées sur l’analytique en temps réel telles que les jumeaux numériques, qui peuvent être utilisés pour modéliser des scénarios et d’autres options de maintenance sans risque pour la production.

Il existe des obstacles à surmonter pour que la maintenance prédictive soit efficace ou même possible, notamment la complexité, la formation et les données. La maintenance prédictive nécessite une infrastructure de données et de systèmes moderne qui peut rendre la mise en place coûteuse par rapport à la maintenance préventive. La formation du personnel à l’utilisation des nouveaux outils et processus et à l’interprétation correcte des données peut s’avérer coûteuse et chronophage. La maintenance prédictive repose également sur la collecte de volumes importants de données spécifiques. Enfin, la mise en œuvre d’une stratégie de maintenance prédictive nécessite un changement culturel pour s’adapter au passage d’opérations quotidiennes prédéterminées à des opérations quotidiennes plus flexibles, ce qui peut s’avérer difficile.

En résumé, bien que les stratégies de maintenance préventive et de maintenance prédictive visent toutes deux à accroître la fiabilité des actifs et à réduire le risque de défaillances, elles sont très différentes. La maintenance préventive est régulière et routinière, tandis que la maintenance prédictive se concentre sur la fourniture des bonnes informations sur des actifs spécifiques au bon moment. La maintenance préventive convient aux actifs où les modèles de défaillance sont prévisibles (par exemple, des problèmes récurrents ou fréquents) et où l’impact des défaillances est relativement faible, tandis que la maintenance prédictive peut être plus avantageuse pour les actifs stratégiques où les défaillances sont moins prévisibles et l’impact métier des défaillances est élevé. En fin de compte, si les stratégies de maintenance prédictive sont déployées avec succès, elles se traduiront par des clients plus satisfaits et des économies considérables grâce à une maintenance et une performance des actifs optimisées.

La bonne nouvelle, c'est qu'IBM peut vous aider. IBM Maximo Application Suite est un ensemble d'applications qui vous permet de déplacer la planification de la maintenance au-delà des calendriers et d’effectuer une maintenance prédictive conditionnelle basée sur les informations relatives à la santé des actifs.

En combinant les données opérationnelles, l’IdO, l’IA et l’analytique dans une plateforme cloud unique et intégrée, Maximo vous permettra de prendre des décisions plus intelligentes, fondées sur les données, pour améliorer la fiabilité des actifs, allonger le cycle de vie des actifs, optimiser les performances et réduire les temps d’arrêt et les coûts opérationnels.