Maîtriser la maintenance conditionnelle : langage, stratégies et retour sur investissement

La stratégie de maintenance la plus efficace est adaptée à chaque équipement, et non une approche unique. En analysant chaque pièce d'équipement, les organisations peuvent tracer une voie qui offre la plus grande fiabilité et le meilleur retour sur investissement. Aujourd'hui, les professionnels de la maintenance s'appuient de plus en plus sur la maintenance prédictive (PdM) et la surveillance d'état (CdM) pour naviguer dans ce parcours.

Pour naviguer dans le paysage de la maintenance, nous devons d'abord utiliser la terminologie appropriée. La PdM et la CdM sont des techniques et outils qui opèrent au sein d'une stratégie de maintenance conditionnelle (CBM). Ces outils détectent les symptômes de défaillances imminentes ; ils ne sont pas des stratégies en soi.

La CBM agrège les données de la PdM et de la CdM pour identifier le moment optimal pour la maintenance, atténuant les conditions qui mènent à la défaillance.

L'objectif de la CBM est de maintenir chaque actif disponible quand nécessaire, tout en évitant une maintenance trop précoce ou trop tardive sur la courbe P-F. Le but est de se décaler vers la gauche sur la courbe P-F en détectant les défaillances potentielles plus tôt.

Trouver cette fenêtre de maintenance idéale a longtemps mis au défi les praticiens.

Adopter un état d'esprit Industrie 4.0 (IIoT)

Jusqu'à récemment, les décisions de maintenance étaient un mélange de calendriers basés sur le temps et d'approches "fonctionner jusqu'à la panne". L'observation humaine et les données post-défaillance étaient les principales sources d'information.

Les installations attendaient souvent qu'un moteur, une pompe ou un convoyeur tombe en panne avant d'intervenir — la seule option viable lorsque les outils et les données étaient rares.

L'essor de l'automatisation et des données numériques pendant l'Industrie 3.0 a introduit les logiciels de système de gestion de maintenance assistée par ordinateur (GMAO), permettant un calendrier de maintenance préventive (MP) numérisé et basé sur le temps pour chaque actif.

Les équipes de maintenance mesuraient des indicateurs clés pour anticiper les pannes, puis planifiaient les arrêts pour réparer ou remplacer les composants selon un calendrier fixe (souvent spécifié par le fabricant), indépendamment de l'état réel. Cela a réduit les taux de défaillance, mais a ajouté de la main-d'œuvre, des temps d'arrêt et des remplacements inutiles.

Aujourd'hui, avec l'Industrie 4.0 et l'IIoT, de nombreuses installations exploitent des données d'état d'actifs en temps réel (ou quasi temps réel) pour optimiser les activités de maintenance.

La CBM capture les données provenant de capteurs, de diagnostics portables, de systèmes SCADA et d'autres systèmes d'acquisition. Les données sont agrégées, analysées et traduites en intelligence actionnable via une GMAO, qui dirige les ressources là où elles sont le plus nécessaires. Les équipes de maintenance passent de la gestion d'urgences à l'optimisation des processus numériques.

Maintenance prédictive vs surveillance d'état : quelle est la différence ?

La PdM et la CdM utilisent toutes deux la technologie pour capturer les données d'état des actifs, et toutes deux opèrent entièrement dans l'environnement de maintenance. Les différences sont subtiles ; elles sont complémentaires. La plupart des programmes robustes combinent les deux pour offrir une image complète de la fiabilité.

Ensemble, la PdM et la CdM fournissent les données empiriques nécessaires pour allouer les ressources de maintenance de manière efficace et rentable.

Maintenance prédictive

Les outils de PdM — thermographie, analyse vibratoire, analyse d'huile, mesure ultrasonique — capturent un instantané de la santé de l'actif. Comme les données sont spécifiques dans le temps, elles doivent être contextualisées avec des données opérationnelles telles que le temps de fonctionnement et les conditions de charge.

La PdM ne prédit pas les moments exacts de défaillance ou la durée de vie. Au lieu de cela, elle fournit des données d'observation qui éclairent une planification de maintenance plus précise et rentable, améliorant la disponibilité et l'assurance de capacité.

Surveillance d'état

Les outils de CdM collectent des données de santé continues via des capteurs et des systèmes d'acquisition, idéaux pour les actifs difficiles d'accès ou dangereux. Les capteurs détectent les vibrations de roulements, la surchauffe ou les problèmes de qualité d'énergie sans exposer le personnel au risque ni nécessiter d'arrêt.

Les données peuvent être collectées sur des périodes allant de quelques secondes à plusieurs jours. L'IIoT, les avancées des capteurs et la baisse des coûts créent une croissance exponentielle des données. L'application de l'IA et de l'apprentissage automatique à ces données de tendance permet d'identifier le point optimal sur la courbe P-F pour une action préventive.

Atténuer les défaillances aléatoires

Les défaillances aléatoires proviennent de causes inconnues. La PdM et la CdM excellent à découvrir les causes profondes de ces événements.

Les équipes de maintenance doivent examiner les vibrations, la thermographie, la qualité d'énergie et d'autres signaux pour identifier les précurseurs de défaillance. Se fier à des inspections répétitives basées sur le temps peut épuiser les ressources.

Avec la PdM et la CdM, les organisations peuvent classer les défaillances avec précision, résoudre les causes profondes et mettre en œuvre la bonne stratégie d'atténuation, transformant les "inconnues" en fenêtres de maintenance prévisibles et prolongeant le MTBF.

Développer une stratégie d'action préventive efficace

L'évolution de la maintenance passe d'approches dirigées par le temps à des approches dirigées par l'état, puis par les données. Chaque actif ne suit pas le même chemin ; le choix de la stratégie dépend de la criticité et du coût.

La plupart des installations adoptent un plan préventif hybride qui mélange des méthodes dirigées par le temps, par l'état et par les données. La clé est de sélectionner le bon mélange.

Bien que la maintenance préventive dirigée par le temps ait diminué, elle reste efficace pour des tâches telles que le remplacement programmé de composants à haut risque dans des environnements critiques — pétrole et gaz, énergie nucléaire, etc. Dans ces contextes, combiner la CBM avec la maintenance dirigée par les données est préférable.

Les décisions doivent tenir compte de la criticité de l'actif, du budget et de la disponibilité des ressources humaines et techniques. Déployer la PdM et la CdM uniquement lorsqu'elles surpassent les méthodes simples basées sur le temps ou "fonctionner jusqu'à la panne" garantit une maintenance rentable.

La fréquence de collecte des données doit correspondre au mode de défaillance. Un roulement avec une courbe P-F de six mois peut ne nécessiter qu'une surveillance hebdomadaire, alors que le même roulement dans une centrale nucléaire exige une surveillance constante.

Principales considérations pour concevoir une stratégie de maintenance efficace

Choisir la stratégie optimale est à la fois une décision financière et logistique. Gardez ces facteurs à l'esprit :

• Évaluer si le remplacement périodique d'un actif est moins coûteux et plus rapide que des inspections programmées.
• Identifier les actifs dont la criticité justifie le coût de la surveillance d'état.
• Se souvenir de la distinction entre stratégies et techniques & outils :
• CBM, RCM, RBM, DOM et RTF sont des stratégies.
• PdM et CdM sont des techniques et outils utilisés au sein de la stratégie CBM.
• Dirigé par le temps, dirigé par l'état et dirigé par les données classent les tâches procédurales dans un plan d'action préventive.
• Les outils de fiabilité comme l'AMDEC et l'AMDEC critiquable guident la sélection de la stratégie et les étapes procédurales pour atténuer ou éliminer les causes de défaillance.

En fin de compte, vous devez équilibrer deux retours sur investissement : les gains d'efficacité traditionnels et le ROI de l'intégrité — maintenir la disponibilité des actifs et l'assurance de capacité. Les outils, techniques et stratégies que vous choisissez doivent soutenir cette mission.

À propos de l'auteur

Gregory Perry, CMRP, CRL, est consultant principal en assurance de capacité chez Fluke Reliability. Leader certifié en fiabilité avec près de deux décennies d'expérience dans les meilleures pratiques de maintenance et opérationnelles, il se spécialise dans la MRO, les magasins, les principes de maintenance de classe mondiale et le leadership GMAO. Perry fournit des services d'implémentation et de conseil, présente des sessions de meilleures pratiques lors de conférences industrielles majeures et rédige des webinaires sur l'excellence en maintenance.