Qu’est-ce que la maintenance prescriptive ?

Elle est régulièrement utilisée dans un large éventail de secteurs, partout où les actifs industriels lourds et interconnectés sont au cœur des processus métier.

Alors que de plus en plus d’entreprises abandonnent les stratégies de maintenance réactive obsolètes au profit de stratégies de maintenance proactive plus modernes, l’analyse prescriptive s’impose comme l’une des solutions les plus sophistiquées du marché. De nombreuses entreprises avancées déploient des stratégies prescriptives parallèlement aux stratégies prédictives, en utilisant ces dernières pour identifier un problème et les premières pour recommander des solutions.

Grâce aux capteurs intelligents et aux plateformes de gestion des actifs d’entreprise (EAM), les entreprises modernes peuvent collecter plus d’informations que jamais sur leurs actifs. La maintenance prescriptive aide à utiliser ces données, en recommandant des tâches de maintenance pour résoudre les problèmes avant qu’ils ne provoquent une panne d’équipement ou un temps d’arrêt imprévu.

La maintenance prédictive (PdM) est un plan de maintenance qui utilise des données opérationnelles et le contrôle de conformité (CM) pour prédire quand les actifs sont susceptibles de tomber en panne. La maintenance prescriptive va encore plus loin en recommandant des tâches de maintenance spécifiques que les techniciens peuvent effectuer pour résoudre les problèmes, en évaluant même les incidences financières et opérationnelles des recommandations.

La maintenance prescriptive dépend de la maintenance prédictive pour ses fonctionnalités principales, à savoir fournir des recommandations basées sur des données pour résoudre les problèmes de maintenance avant qu’ils n’entraînent la dégradation ou la défaillance des actifs.

Alors que les entreprises adoptent de plus en plus la technologie d’idO et les analyses avancées dans le cadre de leurs stratégies de gestion des actifs, la demande de solutions prescriptives et prédictives augmente. Selon un rapport récent, le marché mondial des solutions d’analyse prescriptive et d’analyse prédictive valait 25,40 milliards de dollars en 2024 et devrait atteindre 156,14 milliards de dollars d’ici 2032.

Toutes les stratégies de maintenance prescriptive (RxM) suivent un processus en cinq phases qui implique la collecte de données à partir de capteurs IdO, l’analyse des données à l’aide de techniques prescriptives et prédictives, ainsi que l’automatisation des tâches.

Voici un aperçu détaillé de chaque phase.

Les actifs industriels modernes comme les pompes à huile et à gaz, les turbines et les transformateurs sont équipés de milliers d’IdO qui collectent en temps réel des données relatives à la performance des actifs. Les données collectées par ces capteurs incluent généralement des variables critiques telles que la température, les vibrations, la consommation d’énergie et les débits.

Ces données sont ensuite transmises à une plateforme de contrôle de conformité (CM), à un environnement cloud ou à un système edge computing pour une analyse approfondie. Durant cette étape, les plateformes prescriptives importent également des données historiques sur la performance des actifs pour les comparer avec les conditions actuelles.

Les entreprises doivent fixer des attentes de performance de base pour chaque actif qu’elles souhaitent surveiller, en établissant des profils opérationnels normaux dans des conditions idéales. Sans références, les systèmes de maintenance prescriptive ne peuvent pas détecter d’anomalies ni identifier des schémas pouvant indiquer un mode de défaillance en développement.

La deuxième étape du workflow d’analyse prescriptive implique l’application de l’analyse prédictive et d’algorithmes statistiques pour prédire les défaillances avant qu’elles ne surviennent. En s’appuyant sur les références de performance et les données collectées lors de la première phase, le système peut désormais prédire quand certains actifs risquent de tomber en panne.

Par exemple, un modèle prédictif qui collecte et analyse des données relatives au moteur d’un véhicule peut déterminer que le moteur a une probabilité de panne de 99 % en 6 semaines. Ces informations sont basées sur les augmentations de vibrations détectées par rapport aux données opérationnelles historiques.

La phase 2 marque la fin des stratégies et systèmes traditionnels de maintenance prédictive, permettant aux techniciens d’agir en fonction des informations générées.

La maintenance prescriptive introduit une couche supplémentaire d’intelligence, en s’appuyant sur les informations recueillies par les méthodes prédictives au cours des phases 1 et 2. Lors de la troisième phase, un système prescriptif peut évaluer les réponses potentielles et recommander des actions en fonction de variables qu’il est programmé pour prendre en compte.

Par exemple, si un système prescriptif apprend en phase 2 qu’un roulement risque de bientôt tomber en panne, il pourrait recommander l’une de ces actions :

• Remplacer le roulement dans un délai précis
• Ajuster les paramètres opérationnels pour tenir compte du roulement défectueux
• Réduire la vitesse d’exploitation pour permettre les tâches de maintenance
• Planifier la maintenance lors d’un prochain arrêt technique afin d’éviter les temps d’arrêt imprévus
• Augmenter la lubrification

En plus des données de maintenance et de performance, certaines entreprises ajoutent des données provenant d’autres parties de l’entreprise, telles que la planification du capital, le stock des pièces et la planification des travaux, pour qu’un système prescriptif puisse en tenir compte.

La plupart des stratégies modernes de maintenance prescriptive automatisent et améliorent les workflows grâce à un système de gestion de la maintenance assistée par ordinateur (GMAO). Lorsqu’il est correctement intégré, un système GMAO moderne joue un rôle critique dans la RxM, servant à la fois de système d’enregistrement et de couche d’exécution pour les activités de maintenance prescriptive.

En tant que système d’enregistrement, la GMAO est la source officielle d’informations métier pour toutes les activités de maintenance. En tant qu’exécuteur de tâches de maintenance prescriptive, un système de GMAO peut être configuré pour automatiser des tâches manuelles, telles que la génération d’ordres de travail, la commande de pièces de rechange et la mise à jour des plannings de maintenance.

Intégrer un système de GMAO dans une stratégie de maintenance prescriptive permet de rationaliser les activités de maintenance, de réduire la dépendance à l’effort manuel et d’améliorer l’exécution.

La dernière étape du workflow de maintenance prescriptive est en cours. L’apprentissage continu est une technique d’entraînement d’IA qui consiste à entraîner séquentiellement un modèle pour de nouvelles tâches tout en préservant ce qu’il a déjà appris. À mesure qu’un système de GMAO génère des ordres de travail et que les équipes de maintenance les réalisent, les algorithmes de machine learning apprennent constamment des résultats de chaque tâche de maintenance réalisée.

Finalement, lorsqu’un système d’apprentissage prescriptif a collecté suffisamment d’informations, il peut déterminer quelles interventions recommandées ont empêché les défaillances d’actifs et celles qui ne l’ont pas fait. Ces informations sont précieuses au niveau opérationnel, puisqu’elles permettent de guider les recommandations futures du système et la manière dont les techniciens définissent et gèrent les bases de référence.  

Les entreprises adoptent des stratégies de maintenance prescriptive car elles offrent des avantages qui vont au-delà des étapes opérationnelles et d’exécution de la maintenance des actifs. Lorsqu’elle est pratiquée efficacement, la maintenance prescriptive peut avoir un impact sur l’ensemble de l’entreprise, en améliorant la sécurité des travailleurs, en optimisant la planification des investissements et en augmentant la productivité globale :

• Moins de temps d’arrêt imprévus : les temps d’arrêt imprévus sont l’une des sources de perturbations opérationnelles les plus coûteuses dans les secteurs industriels. Selon un rapport récent, le temps d’arrêt coûte aux fabricants environ 50  milliards de dollars américains par an, avec un coût horaire moyen d’environ 260 000 dollars par heure. La maintenance prescriptive permet de prévoir les pannes et de recommander des mesures correctives pour les éviter, réduisant ainsi de manière significative les temps d’arrêt des machines et des équipements.

• Efficacité opérationnelle accrue : la maintenance prescriptive aide les entreprises à prioriser leurs activités de maintenance en fonction du risque et de l’impact sur l’entreprise, pas seulement en fonction de la santé et de la performance des actifs. En envisageant les efforts de maintenance à travers le prisme de la planification des investissements, les stratégies prescriptives permettent de mettre en lumière les tâches de maintenance qui auront un impact sur les opérations de l’entreprise, et pas seulement sur la santé d’un actif particulier.

• Moins de réparations d’urgence : la maintenance d’urgence, un type de maintenance réactive effectuée lorsqu’un équipement vital tombe en panne, est problématique même lorsqu’elle n’entraîne pas de temps d’arrêt imprévu. Les réparations d’urgence conduisent souvent à des coûts accrus dus aux heures supplémentaires et à l’expédition express des pièces, et peuvent créer des conditions dangereuses pour les travailleurs. La maintenance prescriptive réduit le risque de réparations d’urgence en permettant des interventions planifiées qui résolvent les problèmes avant qu’ils ne s’aggravent.

• Gestion du cycle de vie des actifs renforcée : la gestion du cycle de vie des actifs (ALM) est le processus sur lequel les entreprises comptent pour assurer le bon fonctionnement des actifs tout au long de leur cycle de vie. La maintenance prescriptive améliore l’ALM en fournissant une visibilité en temps réel sur la santé des actifs et leur performance future. Lorsqu’elles sont intégrées à un système de GMAO, les stratégies de maintenance prescriptive peuvent aider les entreprises à prendre des décisions plus éclairées concernant leurs actifs à chaque étape de leur cycle de vie, y compris la planification, l’installation, les opérations et la mise hors service.

• Fiabilité accrue : les stratégies de maintenance prescriptive aident les entreprises à identifier rapidement les modes de défaillance et à les traiter avant qu’ils n’entraînent une panne d’équipement. Cette approche permet de réduire le risque d’une panne catastrophique à court terme et de fiabiliser les équipements et les processus au fil du temps.

• Sécurité accrue des travailleurs : les pannes d’équipement représentent un risque important pour la sécurité, notamment dans les environnements industriels exploitant des actifs lourds. La maintenance prescriptive aide les entreprises à identifier les problèmes émergents avant qu’ils ne deviennent des événements dangereux, réduisant ainsi le risque d’incidents liés à la sécurité sur le lieu de travail.

• Durabilité améliorée : alors que les initiatives de développement durable sont de plus en plus courantes au niveau des entreprises, la maintenance prescriptive est en train de devenir un outil efficace pour aider les entreprises à atteindre leurs objectifs. Les actifs correctement entretenus consomment moins d’énergie, produisent moins d’émissions et de déchets, et nécessitent moins de pièces de rechange. De plus, en recueillant et en analysant en permanence les données de milliers de capteurs IdO, les entreprises obtiennent des informations précieuses sur les performances de leurs actifs et sur les actions de maintenance qui contribuent à les rendre plus durables.  

La maintenance prescriptive est utilisée dans tous les secteurs à forte intensité d’actifs, y compris la fabrication, le pétrole et le gaz et l’exploitation minière. Voici un aperçu de la manière dont ces secteurs et d’autres l’utilisent pour améliorer la fiabilité des actifs, réduire les coûts et améliorer la sécurité des travailleurs :

Les entreprises de fabrication utilisent la maintenance prescriptive principalement pour surveiller les équipements, la robotique et les grands systèmes d’assemblage.

Les plateformes modernes alimentées par l’IA peuvent analyser les vibrations, la température, les niveaux de fluides et d’autres indicateurs clés de performance (KPI) et aider à identifier les problèmes d’équipement avant qu’ils ne provoquent des pannes.

Les applications courantes de la maintenance prescriptive dans le secteur manufacturier sont les suivantes :

• Machines à commande numérique informatique (CNC)
• Robots industriels
• Systèmes de convoyage
• Équipement de conditionnement
• Compresseurs

Les installations de pétrole et de gaz reposent sur de grands actifs complexes opérant sans interruption (et dans des environnements exigeants) pour leurs processus de cœur de métier.

La maintenance prescriptive permet de surveiller et d’entretenir un large éventail de composants critiques, dont les pompes, les compresseurs, les pipelines et les turbines, afin de réduire les temps d’arrêt au minimum.  

La maintenance prescriptive contribue également à améliorer la sécurité des travailleurs dans le secteur pétrolier et gazier. La panne des machines lourdes peut entraîner des blessures, voire des décès. L’analytique avancée aide à identifier et à appliquer des correctifs aux problèmes sur les grues, les pompes et les plateformes pétrolières avant qu’ils n’entraînent des conditions dangereuses.

Les équipements miniers sont souvent exploités dans des conditions extrêmes, susceptibles d’accélérer leur usure et de les dégrader.

La maintenance prescriptive avec un système de GMAO entièrement intégré aide les techniciens de maintenance à surveiller les conditions opérationnelles et la performance des actifs pour divers actifs lourds critiques aux opérations principales, notamment :

• Camions de transport
• Broyeurs
• Convoyeurs
• Excavatrices
• Équipements de traitement

Les outils d’analytique en temps réel donnent aux équipes de maintenance une image précise de la manière dont l’environnement et les conditions affectent leur équipement et les aident à résoudre les problèmes avant d’interrompre la production.  

Le secteur du transport et de la logistique repose principalement sur la maintenance prescriptive pour entretenir de grandes flottes de véhicules transportant des personnes et des marchandises sur de longues distances.

Les véhicules équipés de capteurs IdO collectent des données à la source pour une analyse plus approfondie sur un système de GMAO ou dans le cloud. Les applications de maintenance prescriptive dans le secteur du transport et de la logistique incluent :

• Les flottes de camions commerciaux
• Les réseaux ferroviaires
• Les avions
• Les embarcations maritimes

Les hôpitaux modernes s’appuient sur de grands actifs complexes pour prodiguer des soins aux patients et rationaliser les processus. Compte tenu du caractère essentiel de l’environnement et de la nature interconnectée des systèmes, ces actifs doivent être hautement fiables.

En milieu hospitalier, la maintenance préventive contribue au bon fonctionnement de divers systèmes :

• Machines d’IRM
• Appareils de scanner
• Respirateurs artificiels
• Équipement de laboratoire
• Systèmes d’infrastructure du bâtiment

Les systèmes de maintenance prescriptive dans le secteur de la santé améliorent le temps de fonctionnement des équipements, la sécurité des patients et la conformité réglementaire.

Alors que l’IA, la technologie IdO et les applications de ML continuent de progresser, la maintenance prescriptive est en passe de devenir un composant fondamental des programmes de maintenance modernes. Les systèmes futurs intégreront probablement des algorithmes de plus en plus sophistiqués, des jeux de données plus vastes et des modèles prédictifs encore plus puissants pour fournir des recommandations précises.

Les entreprises qui peuvent combiner la maintenance prescriptive avec la maintenance prédictive, les plateformes de GMAO et les systèmes EAM avancés seront dans la meilleure position pour profiter des avantages de ces technologies à mesure qu’elles mûrissent. À certains égards, la maintenance prescriptive représente une nouvelle ère dans la gestion de la maintenance, les entreprises qui peuvent mieux l’utiliser étant capables de remplacer des pratiques obsolètes et réactives par des pratiques plus efficaces, automatisées et proactives.

Toutefois, l’avenir de la maintenance prescriptive aura aussi ses défis. Les systèmes d’analyse prescriptive et prédictive sont aussi puissants que les données qu’ils reçoivent, et de nombreuses entreprises sont encore confrontées à de multiples problèmes liés à leurs données, dont voici quelques exemples :

• Historiques de maintenance et enregistrements de pannes incomplets ou manquants
• Bons de travail mal documentés
• Conventions de dénomination des actifs incohérentes
• Données opérationnelles cloisonnées

Lorsqu’elle repose sur une base solide de bonnes données, la maintenance prescriptive peut aider les entreprises à utiliser l’intelligence fondée sur les données à travers l’ensemble de leurs processus de maintenance, prolongeant ainsi les cycles de vie des actifs et améliorant la productivité. Mais si les données sous-jacentes sont de mauvaise qualité, même les plateformes prédictives et prescriptives les plus avancées ne pourront pas décoller.