Analytique prédictive : débloquer la valeur au-delà de la maintenance

Tirez-vous de vrais bénéfices de votre programme d'analytique prédictive ? La plupart des programmes d'analytique prédictive sont des remplacements pour les programmes de maintenance prédictive basés sur les vibrations axés sur la mission unique de prévention des pannes. Depuis l'avènement des collecteurs de données basés sur microprocesseurs en 1980, moins de trois pour cent (3 %) de ces programmes ont abouti à des économies vérifiables compensant leurs coûts récurrents.

Dans l'ensemble, ces programmes ont vanté une réduction des temps d'arrêt imprévus, mais dans tous les cas, ils ont augmenté les temps d'arrêt planifiés nécessaires pour prévenir les pannes perçues comme imminentes. La plupart de ces programmes ont augmenté les temps d'arrêt de maintenance globaux, ainsi que les coûts globaux de main-d'œuvre et de matériaux de maintenance. Bien que l'apparence d'avantages puisse être présente, ces programmes se sont avérés contre-productifs. Non pas en raison de limitations technologiques, mais en raison d'une utilisation inappropriée de ces technologies.

Trois facteurs majeurs limitent les avantages que l'analytique prédictive pourrait offrir :

• Se concentrer sur la prévention des pannes prédétermine qu'elle ne générera pas de résultats positifs - Si c'est ce que vous voulez, c'est le mieux que vous puissiez espérer atteindre, et la prévention des pannes ne fait rien pour améliorer la fiabilité ou réduire les coûts.
• Restreindre l'analytique prédictive à la maintenance et aux carences de maintenance - Les données montrent que 17 % des défaillances d'actifs sont le résultat de problèmes de maintenance, la majorité (83 %) résultant d'autres carences au sein de l'organisation. Élargir le champ d'application pour inclure les facteurs causaux, tels que le mode de fonctionnement, dans l'analytique permettra non seulement de comprendre les fonctions forcées derrière les pannes, mais aussi d'identifier les carences qui dégradent la fiabilité et augmentent les coûts d'exploitation.
• Omettre les actifs du flux de valeur du programme - Conditionnés par les fournisseurs de technologies, les programmes de vibrations englobent les actifs rotatifs simples, la thermographie pour les équipements électriques et l'analyse d'huile de lubrification comme sauvegarde pour les vibrations. L'omission flagrante est les actifs qui génèrent des revenus — des actifs qui ne sont pas simples, peuvent ne pas être dynamiques, mais sans eux l'entreprise ne peut pas survivre.

L'analytique prédictive n'est pas seulement de la maintenance, ce n'est pas non plus un simple remplacement de la maintenance prédictive. Elle n'a pas de limites. L'analytique prédictive s'applique à toute activité récurrente — qu'il s'agisse d'un actif physique, d'un système de production ou du service financier de votre organisation. Dans cet article, nous limiterons la discussion aux actifs physiques et à la façon dont l'analytique prédictive, prédiquée sur la dynamique de fonctionnement, peut permettre d'obtenir et de maintenir une performance optimale de vos actifs.

Si vous voulez obtenir une performance optimale, une fiabilité et une durée de vie économique utile de vos actifs, rejoignez-nous pour cette approche éclairante de la véritable analytique prédictive qui fonctionne. Au lieu d'une focalisation unique sur la prévention des pannes, une focalisation sur le maintien du flux de valeur et des actifs auxiliaires critiques à leur condition de fonctionnement optimale ou de conception non seulement réduira les pannes, mais prolongera en même temps leur durée de vie économique utile et réduira le coût total de possession de l'organisation. C'est le seul moyen efficace d'obtenir un retour optimal sur le capital investi, ainsi que la génération de revenus.

Introduction

Un facteur commun conduisant à l'échec de ces programmes hérités est leur fixation sur les modes de défaillance des actifs d'investissement, au lieu des facteurs causaux derrière eux. Un exemple simple est l'identification d'un roulement défectueux et une action corrective pour remplacer le roulement. Mais sans poser la question évidente de ce qui a causé la défaillance du roulement, c'est une prophétie auto-réalisatrice, destinée à échouer.

Même si les défaillances physiques étaient la raison principale entraînant les temps d'arrêt et les coûts de maintenance élevés, cette approche ne peut tout simplement pas résoudre le problème. Jusqu'à ce que votre focus soit sur les facteurs causaux sous-jacents qui réduisent la fiabilité, la durée de vie économique utile, et par conséquent, augmentent les coûts d'exploitation et les dépenses d'investissement en maintenance, vous condamnez le programme d'analytique prédictive à un échec total.

Un exemple d'approche basée sur les pannes était une grande aciérie intégrée qui a mis en œuvre un programme de maintenance prédictive sous contrat pour l'usine. Avant le programme, les temps d'arrêt imprévus et les coûts de maintenance élevés tourmentaient l'usine. Après six ans dans le programme, ils ont signalé une réduction de 35 % des temps d'arrêt imprévus.

Un résultat réussi, n'est-ce pas ? Pas quand on regarde le changement réel sur ces six ans. Vrai, leurs temps d'arrêt imprévus étaient plus bas, mais leurs temps d'arrêt planifiés — pour remplacer les roulements, engrenages et autres pièces d'usure perçus comme défectueux — ont augmenté de 65 %.

L'autre changement notable était dans leur coût de maintenance d'année en année. Le total des coûts de main-d'œuvre et de matériaux a augmenté de plus de 80 %. Le coût des roulements de remplacement est passé de 2,4 millions de dollars à 14,7 millions de dollars, les engrenages et autres pièces d'usure ont suivi des tendances similaires.

Les pannes ne sont pas la norme. Les actifs conçus pour être fiables, exploités de manière cohérente dans les limites de conception et recevant une maintenance de soutien adéquate, resteront fiables bien au-delà de leur durée de vie de conception. Le problème avec l'analytique prédictive axée sur les pannes est de ne pas reconnaître que la façon dont nous exploitons et maintenons les actifs peut devenir une prophétie auto-réalisatrice. Nous créons une usure accélérée, induisons des conditions de fonctionnement anormales qui accélèrent l'usure, puis différons la maintenance de soutien qui aurait au moins atténué les dommages.

La solution

Résoudre les limitations de l'analytique prédictive n'est pas si difficile, du moins d'un point de vue technique. Les technologies prédictives classiques ne sont pas une limitation. Lorsqu'elles sont utilisées efficacement, elles fourniront les moyens d'obtenir des résultats positifs.

L'aciérie est un bon exemple. Lorsque leur programme est passé d'une approche axée sur les pannes à la véritable analytique prédictive, le changement a été presque immédiat. En moins d'un an, les coûts de matériaux de maintenance sont tombés à moins de 2 millions de dollars.

En prenant le roulement comme exemple, le nouveau programme s'est concentré sur les facteurs causaux derrière les défaillances de roulements signalées et a mis en œuvre des actions correctives pour les éliminer. L'élimination du facteur causal a immédiatement éliminé la défaillance prématurée chronique qui faisait grimper les coûts et les coûts de remplacement ont chuté.

La deuxième année, les coûts des roulements et autres pièces d'usure ont encore diminué. Une réduction de 60 % des coûts de maintenance a conduit l'usine à produire constamment à un taux 30 % plus élevé qu'avant le changement de focus.

Le succès de votre programme d'analytique prédictive doit prendre en compte la dynamique de fonctionnement des actifs, systèmes et processus qui composent l'usine. Il doit tenir compte des limitations de conception inhérentes, des modes de fonctionnement et du niveau de maintenance de soutien qui définissent leur dynamique.

Un autre exemple de la différence entre l'analytique prédictive axée sur les pannes vs la véritable analytique prédictive concerne sept cents pompes à boue dans une raffinerie. La raffinerie avait un programme de maintenance prédictive bien établi utilisant des collecteurs de données portables. Les techniciens parcouraient fidèlement leurs itinéraires quotidiennement et le système signalait quand chacune de ces pompes nécessitait une maintenance pour prévenir une défaillance imminente.

Au fil du temps, le coût associé aux reconstructions de pompes a atteint plus de 10 millions de dollars par an. Sur le papier, le programme fonctionnait et il y avait peu de temps d'arrêt signalés causés par des pannes de pompes.

Lorsque le programme d'analytique prédictive de la véritable dynamique de fonctionnement a remplacé le programme de maintenance prédictive, les résultats ont changé radicalement. Parce que le nouveau programme recherchait les facteurs causaux au lieu de s'arrêter aux modes de défaillance, il est devenu apparent que la raison pour laquelle 11 % des pompes nécessitaient des réparations majeures annuellement était leur mode de fonctionnement.

Des vannes de décharge commandées à distance contrôlaient chaque pompe. L'analytique a reconnu que la plage de contrôle forçait les pompes à fonctionner bien en dehors des recommandations de meilleures pratiques. L'instabilité qui en résultait causait une usure accélérée et des dommages sévères à l'assemblage rotatif et au carter.

Pour corriger le problème, le client a modifié les paramètres de fonctionnement pour limiter la plage de contrôle à +/- 10 % du BEP, faisant chuter le coût de réparation annuel à moins de 1 million de dollars. Un autre avantage de l'analytique prédictive a été qu'elle a reconnu l'impact que l'ancienne plage de contrôle avait sur la consommation d'énergie.

Au lieu de 160 chevaux-vapeur au BEP, les pompes tiraient en moyenne presque 300 ch. La différence de consommation d'énergie annuelle était de plus de 7 millions de dollars. Dans cette seule application, l'analytique prédictive a réduit les coûts d'année en année de plus de 16 millions de dollars USD.

Comment ça fonctionne

Appliquer l'analytique prédictive à la gestion d'actifs n'est pas si compliqué ; il suffit de penser logiquement et de déterminer clairement les exigences de fiabilité et de durabilité des actifs de votre organisation.

Les étapes suivantes définissent le processus :

Déterminer la fiabilité inhérente de chaque actif

La fiabilité est déterminée par la conception. Toutes les activités après la conception doivent soutenir cette fiabilité inhérente pour obtenir un retour sur investissement optimal. Cette première étape cruciale détermine non seulement les faiblesses inhérentes de chaque actif ou système, mais aussi le mode de fonctionnement et la maintenance nécessaire pour soutenir la fiabilité inhérente et atteindre la durée de vie économique optimale de chaque actif.

Physique de la défaillance

Définir clairement tous les modes de défaillance et leurs facteurs causaux pour chaque actif ou système. Cela doit être plus qu'une simple AMDEC ou des listes de défaillances perçues. Il doit prendre en compte tous les écarts par rapport aux meilleures pratiques, tels que l'impact de divers modes de fonctionnement — production et maintenance. Rappelez-vous, seulement 17 % des défaillances d'actifs résultent d'une maintenance inadéquate ; les 83 % restants sont le résultat de carences au sein des opérations.

Comprendre les défaillances est important, mais comprendre les facteurs causaux ou les fonctions forcées qui entraînent cette défaillance est crucial. Si vous connaissez le mode de défaillance, vous pourrez peut-être l'anticiper et récupérer rapidement — mais cela ne fait rien pour améliorer la fiabilité ou prévenir une récurrence. Les facteurs causaux fournissent les connaissances nécessaires pour prévenir la défaillance initiale et toutes les récurrences.

Quels paramètres identifient les modes de défaillance et les facteurs causaux

Une fois que vous avez une compréhension approfondie de la fiabilité inhérente, des modes de défaillance et de leurs facteurs causaux, l'étape suivante consiste à déterminer des paramètres spécifiques, tels que les vibrations ou la distribution de chaleur, nécessaires en entrée pour un moteur d'analytique prédictive. L'analytique prédictive, comme toute autre forme de diagnostic, dépend de la qualité et de l'exhaustivité des données d'entrée.

Par exemple, l'entrée de données de vibration à large bande à haute résolution et à bande étroite discrète est suffisante pour une analytique efficace de l'état mécanique d'une pompe, mais peut ne pas suffire à déterminer les facteurs causaux qui pourraient fournir une détection et une correction précoces des écarts qui, s'ils restaient inconnus, entraîneraient une défaillance. Dans la plupart des cas, ces paramètres seront une combinaison de données de processus extraites des systèmes de surveillance et de contrôle existants et de données mesurées directement qui font partie intégrante du moteur d'analytique prédictive. Sur les actifs et systèmes dynamiques, ce dernier inclut l'utilisation de capteurs intelligents qui intègrent l'analytique en périphérie, l'apprentissage automatique et l'intelligence artificielle stratégiquement situés sur l'actif, le processus ou le système.

Modèle de détection d'anomalies

En combinant les connaissances acquises jusqu'ici dans cette discussion, la dernière étape pour une analytique prédictive efficace consiste à développer un modèle basé sur la dynamique de fonctionnement ou la physique qui peut ingérer des données continues de chaque actif, système ou processus, et analyser automatiquement toutes les variables, identifier tous les écarts par rapport à la normale, identifier les facteurs causaux derrière chaque écart, et générer des instructions prescriptives pour les actions correctives. Évidemment, le modèle ODA est la clé d'une analytique prédictive efficace. Tout ingénieur de fiabilité expérimenté devrait être capable d'évaluer un actif spécifique à un moment de son cycle de vie et de faire la même chose.

La différence est qu'il n'y a pas assez d'ingénieurs de fiabilité qualifiés ou d'heures dans la journée pour analyser continuellement tous les actifs. Les moteurs d'analytique prédictive ne se fatiguent pas, ne s'ennuient pas, ne se distraient pas.

En conclusion, la véritable efficacité des programmes d'analytique prédictive ne réside pas dans leur simple existence, mais dans leur mise en œuvre stratégique. La focalisation prévalente sur la prévention des pannes, bien que bien intentionnée, échoue souvent en raison de son incapacité à traiter les facteurs causaux sous-jacents. Passer à une approche holistique qui englobe la dynamique des actifs et les complexités opérationnelles produit des avantages tangibles, comme en témoignent les transitions réussies des paradigmes axés sur les pannes vers la véritable analytique prédictive.

En reconnaissant l'importance cruciale de soutenir le flux de valeur et les actifs auxiliaires, les organisations peuvent non seulement atténuer les pannes, mais aussi optimiser la performance et réduire le coût total de possession. Adopter l'analytique prédictive comme outil pour améliorer la fiabilité, prolonger la durée de vie économique utile et minimiser les coûts d'exploitation signifie un changement de paradigme vers des stratégies de gestion d'actifs proactives, assurant des rendements optimaux sur le capital investi et une génération de revenus soutenue.

À propos de l'auteur

À propos de l'auteur