Réduire les coûts en évitant la sur-maintenance : une approche prédictive

Réduire les arrêts peut être en tête de votre liste de souhaits en optant pour un régime de Maintenance Prédictive, mais il y a d'autres grandes récompenses à saisir. Ne négligez pas le bénéfice potentiel d'éliminer la sur-maintenance.

La sur-maintenance est intégrée dans chaque programme de maintenance planifié qui repose sur l'exécution de travaux à intervalles réguliers et prédéterminés. C'est parce que tout le monde, des OEM aux managers maintenance, construit une marge de sécurité dans les intervalles maintenance « pour être prudent ».

Le coût élevé de la prudence

Prenez les directives pour le remplacement d'un roulement graissé à vie comme exemple. Les intervalles de remplacement recommandés peuvent aller de 16 000 à 40 000 heures de fonctionnement. Chaque changement de roulement prend entre 30 minutes et 2 heures. Les heures-hommes passées à remplacer les roulements seront 2,5 fois plus grandes à un intervalle de 16 000 heures, comparé à 40 000 heures. Il y a des milliers de roulements sur un site industriel typique, donc c'est un coût additionnel massif.

La Maintenance Prédictive peut virtuellement éliminer ce surcoût maintenance en permettant aux équipes de faire la maintenance in extremis pour prévenir une panne, plutôt qu'à intervalles fixes. En même temps, elle réduit drastiquement les arrêts et promet des gains de productivité significatifs.

Cependant, la Maintenance Prédictive n'est possible qu'avec le soutien d'une surveillance d'état efficace, qui peut prédire de façon fiable quand chaque composant va défaillir. La surveillance d'état repose à son tour sur la prise de données en temps réel depuis les machines et leur utilisation pour construire une image de l'état évolutif de l'équipement.

Technologies changeant la donne

La surveillance d'état est récemment devenue une proposition abordable et pratique pour la première fois dans de nombreuses industries, grâce à l'arrivée de techniques et technologies associées à l'Industrie 4.0. Par exemple, la communication sans fil rend l'installation d'un réseau de capteurs à bas coût moins chère et moins disruptive pour alimenter les systèmes de surveillance d'état en données machine nécessaires. Pendant ce temps, le logiciel cloud-based délivre une scalabilité sans précédent et permet aux opérateurs de processus ou OEMs de surveiller les installations en temps réel.

Mieux encore, une nouvelle génération de solutions d'intelligence artificielle et de machine learning permet aux systèmes de surveillance d'état d'automatiser l'analyse de données, fournissant des insights actionnables sans besoin d'analystes experts pour examiner chaque fragment de données. Pourquoi payer des consultants pour essayer de prévoir la défaillance machine quand cela peut maintenant se faire automatiquement, dans le cloud et sans intervention manuelle ?

Cibler la maintenance plus efficacement

Senseye PdM est à la pointe de l'utilisation du machine learning avancé pour la surveillance d'état. Ses algorithmes propriétaires uniques peuvent transformer les données en une prévision précise de la durée de vie utile restante (RUL) des actifs manufacturiers — technique connue sous le nom de pronostics.

Senseye PdM se connecte aux sources de données existantes pendant que le fonctionnement normal de la machine continue comme d'habitude. Sur 14 jours, il opère en arrière-plan pour analyser le comportement normal de la machine ainsi que les données historiques si disponibles. Il est alors prêt à fournir les insights nécessaires pour commencer à construire un programme de Maintenance Prédictive scalable.

Cela signifie en pratique que Senseye PdM peut vous dire comment chaque actif de votre site performe à tout moment en collectant et analysant automatiquement les données machine. Les algorithmes de la solution peuvent générer des mises à jour pour des actifs individuels et souligner exactement où les équipes maintenance devraient concentrer leurs efforts à court terme, ainsi qu'aider à optimiser les plans de maintenance future.

Les implémentations typiques peuvent réduire les arrêts de moitié, délivrer une augmentation de 55% de la productivité et booster la précision maintenance de 85%.

C'est ce dernier chiffre qui est le plus proche d'une réduction de la sur-maintenance, qui est l'un des bénéfices clés qui permettent ensemble à la Maintenance Prédictive d'économiser entre 8 et 12% des coûts maintenance comparé à la maintenance planifiée¹. Et, avec des entreprises industrielles typiques dépensant entre 15 et 40% de leur budget continu en maintenance, c'est une énorme économie².

Vous voulez en savoir plus sur comment Senseye PdM peut aider à optimiser les dépenses maintenance et booster la productivité ? Consultez notre livre blanc « Eliminate Overspending On Maintenance » ou réservez une démo de Senseye PdM aujourd'hui.

1. U.S. Department of Energy
2. Lofsten, 2000