Améliorer la maintenance dans la fabrication

L'univers numérique double de taille tous les deux ans et devrait passer de 4 400 milliards de gigaoctets en 2013 à 44 000 milliards en 2020. Selon EMC Digital Universe, les entreprises sont responsables d'environ 85 % des données détenues dans cet univers numérique.

Les usines de fabrication ne sont qu'un type d'entreprise contribuant à cette production de données, collectant des données de processus pour surveiller l'état des machines. Les ingénieurs d'usine peuvent tirer le meilleur parti de ces données et s'assurer que leur programme de maintenance profite à leur usine, selon Claudia Jarret, responsable américaine chez le fournisseur de pièces d'automatisation EU Automation.

Les fabricants, confrontés à la pression constante pour répondre à la demande des clients tout en restant flexibles, sont parfaitement conscients de la menace d'arrêt des usines, a expliqué Jarret. Causés par une multitude de facteurs, y compris une panne de machine, les temps d'arrêt peuvent coûter jusqu'à 260 000 $ par heure aux fabricants, selon le cabinet d'analyse Aberdeen Research.

Par conséquent, la maintenance préventive, où l'équipement est entretenu avant qu'il ne tombe en panne, est essentielle, plutôt que la maintenance réactive, qui se concentre sur la réparation de l'équipement suite à une panne.

Mais pour ceux qui travaillent dans des industries à volume élevé et à faible marge telles que l'agroalimentaire ou la fabrication de pièces automobiles, la maintenance préventive peut être considérée à tort comme inaccessible, en raison des coûts initiaux élevés perçus.

Prévention

Les jours d'attente pour qu'un système tombe en panne en raison d'une surchauffe des moteurs ou d'une fuite des systèmes de transfert de chaleur, par exemple, sont heureusement derrière nous, a déclaré Jarret. Les responsables d'usine planifient désormais des inspections régulières, des mises à niveau et des dépannages pour éviter les pannes. Ces étapes simples constituent un moyen d'effectuer une maintenance préventive.

Mais à mesure que les technologies de l'industrie 4.0 telles que la surveillance de l'état deviennent plus accessibles, il existe des méthodes encore plus intelligentes, plus précises et moins chronophages.

De nombreuses usines de fabrication utilisent désormais la maintenance prédictive, une forme sophistiquée de maintenance préventive, pour déterminer le bon fonctionnement de l'équipement et prévoir avec précision les pannes avant qu'elles ne surviennent. Non seulement cela réduit le risque de pannes entraînant des temps d'arrêt, mais cela peut également signifier que toutes les pièces de rechange nécessaires peuvent être commandées et sont en stock en cas de panne de l'équipement.

De plus, la surveillance de la santé de l'équipement peut permettre des ajustements progressifs, là où une révision en profondeur aurait été auparavant nécessaire pour des améliorations. Les modifications peuvent améliorer l'efficacité des processus, réduisant ainsi les coûts en éliminant les éléments inefficaces et en augmentant la durée de vie de l'équipement grâce à la maintenance ou au remplacement des pièces d'usure.

Par où commencer

La première étape qu'un directeur d'usine doit suivre lors de la mise en œuvre d'un programme de maintenance préventive est de collecter autant de données que possible, a conseillé Jarret. Cela devrait inclure une estimation précise du coût réel des temps d'arrêt pour l'usine en question. La collecte des données collectées par les capteurs intelligents, les chiffres des ventes et les systèmes modernisés devrait vous permettre de prendre en compte la perte de ventes, le gaspillage de produit et le coût des réparations d'urgence, ce qui peut fournir un chiffre de référence utile.

En utilisant leur expérience de l'usine, les ingénieurs de maintenance devraient également être impliqués pour produire un plan idéal pour l'usine, y compris les domaines qui, selon eux, nécessiteront des niveaux de maintenance plus élevés, tels que les équipements plus anciens ou les machines qui sont intrinsèquement sujettes aux pannes telles que les moteurs, les turbines. , ou d'autres pièces mobiles.

Ce plan peut ensuite être utilisé parallèlement au budget pour produire un plan de maintenance réaliste, y compris le niveau de maintenance préventive pouvant être utilisé. Pour certains fabricants, cela signifie des contrôles réguliers de l'équipement, comme une fois par mois pour une section de l'usine, ou quotidiennement pour les machines plus volatiles.

Données

Si l'objectif est une véritable maintenance prédictive, des données telles que la température, la pression et les vibrations sont collectées par des capteurs et seront continuellement intégrées, stockées et analysées. La prochaine question pour les fabricants est de savoir comment tirer le meilleur parti de ces ensembles de données précieux, mais volumineux.

Une fois les données collectées, la prochaine étape pour tirer le meilleur parti de leur potentiel consiste à commencer l'analyse. Une option populaire pour l'analyse des données est un service d'analyse cloud. Ici, les données brutes sont transmises au cloud, où elles peuvent à la fois être stockées et analysées pour les tendances qui peuvent prédire un événement, y compris une panne. De nombreux services intègrent également un système d'alerte et des avertissements de pannes imminentes peuvent être envoyés via un portail Web, une application, un e-mail ou un SMS au personnel concerné.

D'autres fabricants, peut-être préoccupés par la cybersécurité, la stabilité à long terme des données stockées dans le cloud ou le décalage entre la collecte et l'analyse des données, analyseront les données brutes en interne. Bien que cela nécessite souvent beaucoup plus de ressources, cela donne aux directeurs d'usine un contrôle total sur leurs données.

Obsolescence

Quel que soit le système mis en œuvre, la maintenance prédictive peut être utilisée pour gérer l'obsolescence, en plus de réduire les temps d'arrêt et d'améliorer l'efficacité des processus.

Cela signifie que les pièces peuvent être commandées au bon moment en fonction du calendrier de maintenance. Traditionnellement, les fabricants devaient conserver un stock de pièces pouvant avoir besoin d'être remplacées, qui occupent un espace précieux sur le sol de l'usine qui pourrait plutôt être utilisé pour les opérations. Les pièces de rechange peuvent également être volumineuses et présenter un risque pour la santé et la sécurité, notamment des risques de trébuchement ou d'incendie, si elles sont stockées dans l'usine.

Au lieu de cela, les fabricants peuvent choisir de commander des pièces de rechange uniquement lorsque cela est nécessaire, maximisant ainsi l'espace et les ressources dont ils disposent. Avec des fournisseurs tels que EU Automation capables d'expédier des pièces obsolètes dans le monde entier dans les 24 heures, il n'est désormais plus nécessaire de stocker les pièces sur site ou de subir de longues périodes d'indisponibilité en attendant leur arrivée.

Lorsque la maintenance prédictive est utilisée, les données collectées peuvent également être utilisées à d'autres fins, telles que l'augmentation de l'efficacité des processus et la garantie que les pièces de rechange sont commandées à temps. Une collecte et une analyse appropriées de ces données sont essentielles pour maximiser leur potentiel, et cela ne fera que gagner en importance chaque année à mesure que la quantité de données augmentera.