Maîtriser la maintenance prédictive à grande échelle : stratégies éprouvées pour réussir

Précédemment, nous avons examiné l'essor de la PdM et pourquoi tant de fournisseurs et clients l'abordent mal. Ici, nous explorons comment nous appliquons nos années d'apprentissage PdM à nos pratiques actuelles.

La combinaison de plus de 30 ans d'expérience aérospatiale et de 150 années-personnes de R&D exclusive PdM nous a beaucoup appris sur le déploiement de technologies PdM dans divers secteurs. À mesure que nous rencontrons différents secteurs et niveaux de maturité client, nous continuons d'apprendre. Surtout, nous avons appris que bien faire de la PdM n'est pas facile.

Il ne s'agit pas seulement de savoir comment bien faire de la PdM, mais pourquoi cela compte. La vraie valeur de la PdM peut être difficile à expliquer, même avec un ROI significatif. Implémenter une stratégie PdM ne se décide pas à la légère : cela impacte toute l'entreprise, du conseil d'administration à l'atelier. Une confiance en son succès est nécessaire avant d'entreprendre une transformation de cette ampleur.

Voici les points clés que, selon notre expérience, les organisations doivent garder à l'esprit lorsqu'elles se lancent dans la maintenance prédictive.

La maintenance prédictive n'est pas un cas d'usage Data Science classique

Plus nous discutons avec les clients de leurs échecs passés, plus nous sommes certains que la PdM ne peut être traitée comme un problème Big Data typique. La raison : le contexte riche requis pour les solutions Big Data fait cruellement défaut en PdM. De nombreux modes de défaillance sont subtils, rendant difficile pour les algorithmes ML établis de prédire des patterns discernables.

Il n'est pas déraisonnable d'attendre 90%+ de précision en Data Science classique. L'attendre en PdM révèle une incompréhension fondamentale. Oui, des données de haute qualité en laboratoire donnent de tels résultats pour des machines et modes de défaillance spécifiques. Mais cela ne reflète pas la réalité : chaque machine et mode de défaillance est unique, les capteurs fournissent des données de précision variable, sans compter le dynamisme de l'atelier et le manque crucial d'informations contextuelles.

Des questions difficiles doivent être posées à quiconque fait des affirmations précises ou pose des questions généralisées sur la précision d'une solution PdM.

Connaître son audience

Notre expérience nous a aussi appris que les équipes maintenance occupées ont très peu de temps en début de quart pour identifier quelles machines requièrent leur attention. Elles ne veulent pas passer ce temps à étudier des graphiques et trier des données brutes.

Un design logiciel simple et intuitif est donc essentiel, offrant aux professionnels maintenance l'insight requis dans un tableau de bord lisible, économisant un temps précieux. Pourtant, beaucoup de fournisseurs proposent des tableaux de bord génériques, ignorant les workflows, préférences et expérience uniques de l'utilisateur. Or, le savoir et l'expérience de ces professionnels sont inestimables ; les exploiter est crucial au succès d'une solution PdM.

Les produits Senseye sont conçus avec cela en tête. Nous visons la simplicité, intégrant analytique et interface claire. Au lieu de multiples graphiques, l'information est présentée sous forme de liste, priorisée par l'Attention Engine, algorithme propriétaire utilisant données machine, maintenance et opérateur pour classer les machines nécessitant de l'attention.

Savoir où en sont vos utilisateurs dans leur parcours

Nous avons aussi appris que différentes entreprises — et souvent différents services au sein d'une même entreprise — sont à des stades différents de leur parcours PdM. L'une ne fait que de la surveillance d'état périodique par tournées. Une autre a combiné surveillance d'état automatisée robuste et solution PdM pour prédictions précises de santé machine et temps avant défaillance.

Ces exemples sont aux extrémités d'une échelle, la plupart des entreprises se situant entre les deux. La maturité de leurs données et leur préparation culturelle augmentent avec la compréhension du management et l'adhésion de l'IT. Il est crucial de savoir où se situe une entreprise sur cette échelle, car chacune aura besoin d'un package de support et déploiement différent selon son niveau de maturité.

Des années d'expérience nous ont beaucoup appris sur ce qui fonctionne et ce qui ne fonctionne pas. Prochain article : comment cette expérience a fait de Senseye PdM le produit PdM leader. En attendant, consultez notre livre blanc « Senseye in Depth: Why is Predictive Maintenance so hard? ».