Débloquer l'excellence de la maintenance prédictive : Bonnes pratiques expertes pour fabricants

PdM : tendance majeure 2021+. Comment évaluer et répondre aux insights santé machine ?

Film avec Alexander Hill, Rob Russell (Senseye), Jim Davison (Make UK), Dr Hannah Edmonds (MTC). Bonnes pratiques pour maximiser bénéfices PdM, démocratiser expertise surveillants conditionnels et ingénieurs fiabilité pour PdM durable et à grande échelle.

Transcription

PdM composant essentiel

Alexander Hill : PdM sera focus manufacturiers années à venir. Indispensable pour gains efficacité, économies, travail/maintenance à distance.

Rob Russell : Cas d'usage principal usines intelligentes/digitalisation construit autour PdM. Connaissance domaine requise : 1) obtenir bonne info machines, 2) l'utiliser en contexte maintenance.

Attirer nouvelle génération

Jim Davison : Ingénieurs usine traditionnels = cheveux gris, fin carrière. Défi recrutement nouvelle génération. Technologies smart apportent dimension excitante au rôle, inconnue jusqu'ici.

Bonnes pratiques ingénierie face aux alertes précoces

Rob Russell : Répondre aux alertes avec rigueur ingénierie. Sources données et détection précoce problèmes subtils. Équipe maintenance acquiert méthodes pour valider constats et comprendre que détection précoce = large fenêtre temporelle. Permet planification/ investigation quand production n'a pas besoin machines, puis maintenance plus tard, encore hors production -> zéro impact production.

Combiner analyses pour valeur ajoutée

Dr Hannah Edmonds : Programme large : multiples éléments production, multiples analytics. Combinaison = valeur ajoutée. Utilisé analyse automatisée Senseye pour diagnostiquer problèmes système production et identifier vie résiduelle utile machines. Visualisation via programme additionnel + couplage GMAO pour planifier tâches maintenance.

Automatiser le travail fastidieux des experts

Alexander Hill : Objectif : PAS remplacer surveillants conditionnels et spécialistes fiabilité. Mais garantir leur temps utilisé EFFICACEMENT. Ils regardent souvent des dizaines de milliers de flux données pour identifier les importants. Très éprouvant, difficile. Notre approche : automatiser au maximum le rôle traditionnel de l'expert scrutant des milliers de points de données. Pas de construction/ajustement modèles manuels. Technologie brevetée et algorithmes automatisent tout le processus.