Maintenance & Entreprise n° 656 bis

SOLUTIONS OPTIMISATION

SOLUTIONS OPTIMISATION ÉNERGÉTIQUE INDUSTRIELLE ET MAINTENANCE PRÉDICTIVE AVIS D’EXPERT Maintenance Prédictive : Quand la Big Data se met au service d’une industrie plus efficiente L’essor de l’industrie 4.0 en Europe et avec elle des usines intelligentes — qui associent des équipements de production connectés, capables de communiquer via l’Internet des objets industriels, à des fonctions d’apprentissage automatique et d’analyse — a transformé le secteur industriel. Pour la première fois, les usines ne sont plus considérées comme un simple rassemblement de machines fonctionnant en silos, mais comme des réseaux interconnectés de composants en mouvement qui s’apparentent à des organismes vivants. Exploiter les informations extraites de ce nouvel écosystème et en tirer parti pour optimiser le fonctionnement de la ligne de production est le défi et la promesse des outils de maintenance prédictive. Peter Livaudais, VP Strategic Account chez Senseye. Les nouvelles technologies changent la donne en termes d’efficacité et de maintenance. Elles offrent aux industriels les moyens de gérer et d’améliorer les performances de ces environnements, avec un niveau d’investissement relativement faible. Les équipements peuvent être surveillés en continu pour anticiper au mieux et éviter les pannes non-programmées tant redoutées par les acteurs de l’industrie. Un avantage compétitif précieux quand on sait qu’une minute d’arrêt machine non programmée peut engendrer des coûts pouvant aller jusqu’à plusieurs dizaines de milliers d’euros. Encore faut-il avoir les outils adéquats pour donner du sens aux milliers de données collectées et pour optimiser leur analyse. BIG DATA OU LA MINE D’OR DE LA MAINTENANCE PRÉDICTIVE Cette nouvelle ère qui s’ouvre pour l’industrie offre aux acteurs de la maintenance prédictive des opportunités de développement sans précédent. Les concepts de surveillance d’état et de maintenance prédictive ne sont pas nouveaux, mais ils n’étaient jusqu’à présent une réalité que pour peu d’industriels à travers le monde. Il était si coûteux et complexe de collecter et d’analyser suffisamment de données pour obtenir des résultats tangibles que les outils ayant fait leurs preuves dans ce domaine étaient majoritairement utilisés dans les secteurs de la défense et de l’aérospatiale. Alors qu’autrefois les données étaient collectées via un procédé largement manuel exigeant l’intervention d’un expert, les machines sont aujourd’hui capables d’enregistrer et de transmettre des données en temps réel via des capteurs intelligents. Le développement de capteurs intelligents s’accompagne de l’émergence d’algorithmes intelligents et auto-apprenants comme ceux que nous développons chez Senseye. Ils sont en mesure de comparer en temps réel et en continu différentes données clés (vibration, pression, température, dynamométrie, courant électrique). L’objectif : identifier 18 I MAINTENANCE & ENTREPRISE • N°656 bis • Janvier 2020

OPTIMISATION ÉNERGÉTIQUE INDUSTRIELLE ET MAINTENANCE PRÉDICTIVE SOLUTIONS © DR types de machines différentes dont des robots, des convoyeurs, des transporteurs, des pompes, des machines électriques et des compresseurs. Plus de 400 utilisateurs dans les équipes de maintenance chez Nissan utilisent la solution Senseye pour optimiser leurs activités et faires des réparations bien en amont des pannes machines. Les résultats ? Depuis 2016, le groupe Nissan a économisé plusieurs millions de dollars en réduisant les arrêts machines non planifiés et en identifiant les pannes éventuelles entre deux semaines et six mois avant qu’elles se produisent. Les économies d’énergie du groupe, bien que plus difficile à quantifier, découlent indéniablement de la réduction du nombre de redémarrages annuels de la ligne de production. les problèmes émergents et déterminer si une panne machine est sur le point de se produire et à quel moment. Les ingénieurs qui travaillent avec notre solution sont de cette façon en mesure d’effectuer des sessions de maintenance préventive pendant les temps d’arrêt-machine planifiés. Ils corrigent ainsi les problèmes avant qu’ils ne surviennent en évitant ainsi les coûteux temps d’arrêt machines non programmés. Une révolution silencieuse qui n’en reste pas moins une véritable révolution pour l’industrie et pour notre métier. DE L’OPTIMISATION DES COÛTS À L’OPTIMISATION DE L’UTILISATION DES ÉQUIPEMENTS : LE CAS NISSAN Production d’une voiture Nissan Les temps d’arrêt-machine non planifiés constituent l’un des postes de coût les plus importants dans l’environnement industriel. Dans le secteur automobile, par exemple, une seule minute d’arrêt d’une machine essentielle peut coûter des dizaines de milliers d’euros sans parler des dépenses énergétiques que représentent les redémarrages de la ligne de production après ces interruptions non planifiées. Le groupe Nissan produit plus de 5 millions et demi de voitures dans plus de vingt sites dans le monde entier (Japon, Etats-Unis, Russie, Royaume- Uni). En décidant d’entreprendre un programme de maintenance prédictive, l’objectif de ce géant de l’automobile était clair : réduire les arrêts de production de 50% sur l’ensemble de ses sites comprenant des milliers d’actifs diverses. Grâce à notre solution et à ses algorithmes auto-apprenants, Nissan a pu mettre en place la surveillance à distance de 9 000 actifs connectés et de plus de 30 Au-delà de la réduction des coûts des arrêts machines, la maintenance prévisionnelle permet d’améliorer l’utilisation et donc la durée de vie des équipements. Un processus de production optimisé est forcément plus efficient en terme de consommation énergétique avec moins d’arrêts et donc moins de remise en marche de la chaîne de production. Optimiser la durée de vie des équipements permet de créer un cercle vertueux d’une optimisation de l’inventaire des pièces de rechange et de la planification du temps de production des machines. Aujourd’hui si les nouvelles technologies rendent des milliers de données disponibles, il essentiel que les acteurs industriels adoptent les outils adéquats pour les exploiter à leur juste valeur et en faire les piliers d’une industrie 4.0 plus efficiente. ● Peter Livaudais MAINTENANCE & ENTREPRISE • N°656 bis • Janvier 2020 I 19