L'essor de la PdM et pourquoi il est si difficile de bien faire les choses

La maintenance prédictive (PdM) est une approche proactive pour traiter les pannes des machines avant qu'elles ne deviennent un problème. En analysant d'énormes volumes de données machine, PdM permet au personnel de maintenance de comprendre l'état des machines et d'optimiser leurs activités en conséquence afin d'éviter les temps d'arrêt imprévus et d'éliminer les pannes soudaines. Mais, malgré ses avantages évidents, la plupart des déploiements PdM sont voués à l'échec. Dans cet article, nous examinerons l'essor du PdM et pourquoi tant de fournisseurs - et leurs clients - continuent de se tromper.

Maintenance prédictive - hier et aujourd'hui

La maintenance prédictive existe depuis bien plus longtemps que vous ne le pensez. Pendant la Seconde Guerre mondiale, le scientifique CH Waddington a observé que le taux de panne ou de réparation d'un avion avait tendance à être à son maximum immédiatement après une inspection ou une session de maintenance. Connu sous le nom d'"effet Waddington", ce phénomène a entraîné l'ajustement des processus de maintenance pour correspondre à l'état physique d'un avion et à la fréquence de son utilisation, avec des cycles d'inspection ajustés basés sur l'analyse des données résultantes. Bref, c'était le début de PdM.

Beaucoup de choses ont changé depuis, bien sûr. La quatrième révolution industrielle et l'avènement de l'industrie 4.0 ont vu des percées technologiques se produire à un tel rythme qu'elles "perturbent presque toutes les industries dans tous les pays". Ces percées ont conduit à des améliorations significatives dans les technologies de capteur, de réseau, d'acquisition de données et de stockage qui, avec l'accès à une richesse de puissance de calcul et de données rendues disponibles par les avancées récentes de la technologie de l'IA, ont vu la PdM devenir de plus en plus applicable à une industrie plus large. .

Aujourd'hui, tout comme il y a près de 80 ans, le principal avantage de la PdM reste sa capacité à éclairer les décisions. Chargés de superviser de nombreuses machines sur un ou plusieurs sites, les professionnels de la maintenance sont des personnes extrêmement occupées. En leur fournissant une meilleure compréhension de l'état de santé continu de leurs machines, une solution PdM peut les aider à mieux utiliser le temps et les ressources limités dont ils disposent.

Alors, compte tenu de son héritage et des avantages évidents qu'il offre, pourquoi a-t-il été si difficile pour tant de personnes de réussir dans la PdM ?

Trois erreurs courantes

La vérité est que de nombreux fournisseurs ont sauté dans le train PdM malgré leur faible appréciation de ce qui est, essentiellement, un domaine tout à fait unique. Certains ont simplement essayé de « suralimenter » les outils de surveillance hérités, tandis que d'autres ont appliqué des approches conventionnelles de la science des données à un espace de problèmes qui est loin d'être conventionnel. Sans la compréhension nécessaire de ce qu'est exactement un système PdM et de son fonctionnement, de nombreuses nouvelles solutions n'arriveront même pas sur le marché. Par conséquent, peu d'entreprises réussiront réellement à grande échelle.

En fin de compte, une grande partie de ce manque de compréhension - et le succès ultérieur de la PdM - se résume à trois erreurs fondamentales que les fournisseurs et leurs clients commettent souvent à maintes reprises.

1. Comme nous l'avons vu, le concept de PdM n'a rien de nouveau. Des techniques telles que la surveillance de l'état, les crédits de maintenance et les pronostics existent depuis un certain temps déjà. Mais un manque de capacité à faire évoluer ces techniques au-delà des seules machines critiques signifie que leur déploiement a été largement limité aux seules machines critiques.
2. PdM n'est pas, comme certains le pensent, un problème de Big Data dans lequel il existe des millions de points de données et d'étiquettes sur lesquels former des modèles. Un environnement d'usine est très dynamique et bruyant, avec une gamme de variables telles que la maintenance des machines, différentes vitesses de production et même le comportement des différents opérateurs de machines. Et, bien sûr, chaque machine est unique. Malgré cela, de nombreuses organisations continueront d'adopter une approche classique de la science des données en matière de PdM.
3. Il est important de se rappeler à quel point les professionnels de la maintenance sont occupés. Si l'expérience utilisateur d'un système PdM ne reflète pas cela, il y a un risque qu'il n'interagisse pas avec ses utilisateurs cibles. Toutes les informations et informations précieuses qu'il génère seront ignorées, et l'investissement d'une organisation dans le système lui-même sera gaspillé.

Senseye comprend PdM

Senseye a consacré plus de 150 années-personnes à la recherche et au développement exclusivement sur PdM. C'est pourquoi nous comprenons comment fonctionne PdM. Surtout, nous comprenons comment PdM améliore le fonctionnement quotidien des ingénieurs de maintenance. Et c'est grâce à cette compréhension que nos solutions PdM réussissent. C'est pourquoi nous savons comment le déployer à grande échelle, c'est pourquoi nous ne nous contentons pas de lancer des data scientists et c'est pourquoi l'expérience utilisateur est importante.

Notre prochain article explorera comment nous avons appliqué les leçons que nous avons apprises à tout ce que nous faisons. Jusque-là, vous pouvez trouver plus de détails sur l'origine de la PdM et sur les raisons pour lesquelles les fournisseurs - et certains acheteurs - ne réussissent pas dans notre livre blanc "Senseye en profondeur :pourquoi la maintenance prédictive est-elle si difficile ?".