Réussir la maintenance prédictive à grande échelle

Dans notre dernier article, nous avons examiné l'essor de la maintenance prédictive (PdM) et pourquoi tant de fournisseurs - et leurs clients - continuent de se tromper. Ici, nous allons explorer comment nous avons appliqué ce que nous avons appris sur la maintenance prédictive au fil des ans à tout ce que nous faisons aujourd'hui.

La combinaison de plus de 30 ans d'expérience de travail dans l'industrie aérospatiale et de plus de 150 années-personnes de temps de recherche et de développement consacrées exclusivement à la PdM nous a beaucoup appris sur le déploiement de technologies de maintenance prédictive dans différents secteurs. Et, alors que nous continuons à rencontrer différents secteurs et niveaux de maturité des clients, nous continuons à apprendre. Par-dessus tout, nous avons appris qu'il n'est pas facile de bien faire la maintenance prédictive.

Surtout, nous avons appris qu'il ne s'agit pas seulement de savoir comment bien faire la PdM, mais pourquoi c'est important. Nous avons appris, par exemple, que la véritable valeur de la PdM peut être difficile à expliquer, même si elle offre un retour sur investissement significatif. La mise en œuvre d'une stratégie PdM est une décision qui ne doit pas être prise à la légère - elle affecte toute une entreprise, du conseil d'administration à l'atelier. Une certaine confiance dans son succès sera nécessaire avant de se lancer dans une transformation de cette envergure.

Voici donc quelques points clés que, d'après notre expérience, nous pensons que les organisations doivent garder à l'esprit lorsqu'elles se lancent dans une démarche de maintenance prédictive.

La maintenance prédictive n'est pas un cas d'utilisation typique de la science des données

Plus nous parlons aux clients de leurs précédentes tentatives d'implémentation infructueuses, plus nous devenons certains que la PdM ne peut pas être traitée comme un problème typique de Big Data. Cela tient en grande partie au fait que le contexte riche requis pour que les solutions Big Data fonctionnent fait cruellement défaut dans la PdM. De nombreux modes de défaillance des machines sont également de nature subtile, ce qui rend difficile pour les algorithmes d'apprentissage automatique établis de prédire avec précision les modèles discernables.

Il n'est pas déraisonnable de s'attendre à des niveaux de précision de 90 % et plus dans une solution Data Science typique. Toutefois, s'attendre à une précision similaire d'une solution PdM suggère une incompréhension fondamentale de son fonctionnement. Oui, l'utilisation de données conservées de haute qualité dans un environnement de laboratoire donnera des résultats comme celui-ci pour des machines spécifiques et des modes de défaillance spécifiques. Mais cela ne représente pas la réalité. Chaque machine et mode de défaillance est unique, d'une part, et différents types de capteurs fourniront des données de différents niveaux de précision. Et cela sans parler de la nature dynamique d'un atelier et du manque général d'informations contextuelles cruciales.

Des questions difficiles doivent être posées à toute personne qui pose des questions générales ou fait des déclarations spécifiques concernant l'exactitude d'une solution PdM.

Connaissez votre public

Une autre chose que notre expérience nous a apprise est que les équipes de maintenance occupées ont généralement très peu de temps au début de leurs quarts de travail pour identifier les nombreuses machines dont ils sont responsables qui nécessitent le plus leur attention. Ils ne veulent certainement pas passer ce temps à étudier des graphiques et à passer au crible des données brutes pour découvrir ces informations.

Une conception logicielle simple et intuitive est donc essentielle, offrant aux professionnels de la maintenance les informations dont ils ont besoin dans un tableau de bord facile à lire et leur faisant gagner un temps précieux. Cependant, bien que de nombreux fournisseurs fournissent de tels tableaux de bord, il s'agit souvent d'offres génériques, qui ne tiennent pas compte des flux de travail, des préférences et de l'expérience uniques d'un utilisateur. En effet, les connaissances et l'expérience de ces professionnels sont inestimables; l'exploiter est crucial pour le succès d'une solution PdM.

Les produits Senseye sont conçus avec tout cela à l'esprit. Nous visons la simplicité, en intégrant de manière transparente l'analyse avec une interface utilisateur claire. Plutôt que de multiples tableaux et graphiques, les informations sont présentées sous la forme d'une liste, triée par Attention Engine, un algorithme propriétaire qui utilise les données de la machine, les données de maintenance et les données de l'opérateur pour hiérarchiser les machines nécessitant une attention particulière.

Savoir où en sont vos utilisateurs dans leur parcours

Nous avons également appris que différentes entreprises - et, souvent, différents domaines au sein d'une même entreprise - passeront à différentes étapes de leur parcours de maintenance prédictive. Une entreprise, par exemple, peut n'effectuer que des vérifications périodiques de surveillance de l'état basées sur les itinéraires. Un autre, cependant, aura combiné une surveillance robuste et automatisée de l'état avec une solution PdM pour des prédictions précises de la santé et du temps de panne de leurs machines.

Ces exemples sont aux extrémités opposées d'une échelle, bien sûr, et la plupart des entreprises se situeront quelque part entre les deux, le niveau de maturité de leurs données et de leur préparation culturelle augmentant en raison d'une meilleure compréhension de leur équipe de direction et de l'adhésion de leur Équipe informatique. Cependant, il est important de savoir où se situe une entreprise à cette échelle, car chacune aura besoin d'un package de support et de déploiement différent en fonction de son niveau de maturité.

Des années d'expérience nous ont beaucoup appris sur ce qui fonctionne et ce qui ne fonctionne pas. Dans notre prochain article, nous explorerons comment toute cette expérience et cette compréhension ont fait de Senseye PdM le produit PdM leader sur le marché. Jusque-là, vous pouvez trouver plus de détails sur les choses les plus importantes que nous avons apprises sur la PdM dans notre livre blanc "Senseye en profondeur :pourquoi la maintenance prédictive est-elle si difficile ?".