Maintenance prédictive – Ce que vous devez savoir

Ed Maguire de Momenta Partners

Ici chez Partenaires Momenta , nous passons beaucoup de temps à discuter avec des innovateurs et des utilisateurs finaux sur la façon d'exploiter les données des actifs physiques pour optimiser les processus, réduire les risques, développer les entreprises et même alimenter de nouveaux modèles commerciaux, déclare Ed Maguire, partenaire Insights.

La maintenance prédictive est une priorité à tous les niveaux, avec des start-ups, des entreprises de services professionnels et des entreprises industrielles établies qui cherchent des moyens de réaliser des avantages en "réparant les choses avant qu'elles ne cassent", ce qui leur permet d'économiser énormément de temps, d'argent et de risque pour la réputation.

Qu'est-ce que la maintenance prédictive ?

La maintenance prédictive implique simplement de pouvoir prédire quand une machine ou une pièce est susceptible de tomber en panne sur la base de données réelles, puis de pouvoir prendre des mesures pour éviter tout problème. C'est un concept simple, mais difficile à réaliser. Dans des secteurs comme l'aérospatiale et les transports, être en mesure de prévenir les défaillances peut sauver des vies.

Alors que la récente Southwest Airlines la fatalité n'était peut-être pas prévisible, et si les données de l'explosion du moteur pouvaient être utilisées pour empêcher la suivante ? Pour pouvoir prédire une défaillance potentielle, vous devez commencer par des données - des données historiques, en particulier menant à une défaillance - afin de créer un algorithme qui peut signaler les signes de problèmes en cours.

Le chemin vers la maintenance prédictive

Aujourd'hui, la maintenance industrielle est principalement de nature « préventive ». La maintenance préventive commence par un programme. Lorsque les entreprises achètent des actifs industriels ou autres, elles suivent généralement les intervalles recommandés pour la maintenance. Pensez à la recommandation de changer l'huile sur une voiture tous les 3 000 milles. En dehors du respect des calendriers prescrits, la plupart des réparations majeures se produisent lorsqu'il y a une panne d'équipement, et les actifs eux-mêmes sont remplacés lorsqu'ils atteignent un certain âge. Il est utile de respecter un calendrier, mais cela ne donne pas une idée de ce qui pourrait arriver à l'avenir.

Avec l'ajout de la surveillance de l'état, les entreprises peuvent s'engager dans une maintenance proactive. La surveillance de l'état implique le suivi des données en temps réel - il peut s'agir de données provenant de capteurs de température ou de vibrations, par exemple. Cela peut aider à identifier les problèmes au fur et à mesure qu'ils surviennent, et s'il y a une condition inhabituelle telle qu'une vibration excessive ou une température trop élevée, cela peut signaler la nécessité d'une maintenance proactive - un changement de pièce par exemple.

La maintenance préventive fonctionne à partir d'un calendrier prédéfini, et la maintenance proactive utilise généralement la surveillance de l'état, mais aucune de ces approches n'aidera nécessairement une entreprise à anticiper ce qui risque de mal se passer à l'avenir.

Pour pouvoir prédire les pannes, vous avez besoin de données historiques pour développer un algorithme prédictif, incluant de préférence les périodes précédant et incluant les pannes ou les pannes. Cela implique de collecter les données et d'effectuer des analyses sur les données, puis de tester, régler et mettre à jour les algorithmes avec les données nouvellement collectées. Dans le passé, il s'agissait d'un processus coûteux, qui nécessitait des statisticiens hautement spécialisés capables de développer des modèles spécialisés.

Une fois que les solutions de maintenance prédictive sont en place depuis un certain temps, elles peuvent être associées à des recommandations ou des instructions spécifiques pour que l'entreprise résolve les problèmes avant qu'ils ne surviennent. Ce concept, connu sous le nom de maintenance prédictive, est l'idée que l'analyse peut identifier les problèmes en attente, guider un correctif et maintenir les machines opérationnelles avec une intervention humaine minimale.

Depuis les années 1980, la maintenance prédictive était le domaine des plus grandes organisations avec les poches les plus profondes où le coût des pannes ou des temps d'arrêt est élevé, comme dans l'armée et dans l'aérospatiale. Aujourd'hui, avec les baisses massives des prix du stockage, de la puissance de traitement, des puces spécialisées telles que les GPU adaptées au Machine Learning, l'accessibilité de la maintenance prédictive se démocratise.

La réalité d'aujourd'hui est que de nombreux actifs sont sur-maintenus, les entreprises dépensant inutilement afin d'éviter les pannes, car elles manquent d'informations sur la santé réelle des machines. Il existe une formidable opportunité de réduire les coûts liés aux temps d'arrêt et aux interruptions, ainsi que de dépenser beaucoup plus efficacement sur la fréquence et l'étendue des réparations des machines. Alors que nous n'en sommes qu'aux balbutiements, alors que la plupart des industriels passent de la Maintenance Préventive à la Maintenance Proactive, de nombreuses start-ups et projets sont en cours pour démocratiser la Maintenance Prédictive.

Il est essentiel de commencer par les données, nous recommandons donc une approche mesurée. Commencez par la surveillance d'état et assurez le confort et l'exactitude des données et des processus. Une fois que vous disposez de tâches de maintenance proactive raisonnables, engagez des experts en données et en domaine (soit des scientifiques des données pour le faire vous-même, soit des spécialistes de votre secteur d'une entreprise de services professionnels ou d'une start-up logicielle).

Développez les algorithmes, testez-les dans la vie réelle, mesurez, ajustez et améliorez et poursuivez le processus. La maintenance prédictive est un objectif, mais c'est plus un voyage qu'une destination. De nombreuses ressources et experts sont disponibles pour vous aider, et avec la persévérance, vous réussirez :économies de coûts, élimination des temps d'arrêt imprévus, sécurité améliorée, processus plus efficaces – et surtout des clients plus satisfaits.

Pour en savoir plus, nous vous recommandons de lire Realing the Opportunity in Predictive Maintenance (PdM) Analytics .

L'auteur de ce blog est Ed Maguire, partenaire Insights chez Momenta Partners

À propos de l'auteur :

Ed apporte à Momenta plus de 17 ans d'expérience à Wall Street dans la recherche d'actions et la banque d'investissement, avec une expertise approfondie du domaine des logiciels d'entreprise. Il a fait ses preuves en identifiant des opportunités stratégiques et en articulant des idées exploitables basées sur une analyse rigoureuse de la technologie, des opérations, de la concurrence et des marchés. Plus récemment, il était analyste principal et directeur général de CLSA Americas couvrant l'industrie du logiciel, la technologie et l'innovation.