Évolution de la maintenance prédictive : des défaillances réactives au succès proactif

« On ne peut pas réparer quelque chose qui n'est pas cassé » était la philosophie de la Maintenance Réactive traditionnelle, il y a de nombreuses années. On n'appelait à l'aide qu'une fois qu'une machine avait complètement défailli.

Compléter les rapports, localiser ou commander des pièces de rechange et assembler l'expertise maintenance requise, introduisait souvent des délais et arrêts inutiles, ainsi que des coûts d'heures supplémentaires.

Les délais d'approvisionnement et, par conséquent, les plannings de livraison partaient par la fenêtre.

Planifier autour de la défaillance

La pensée a été mise à jour dans les années 1980, avec la popularité des techniques de fabrication japonaises incluant Just in Time (JIT), où la nouvelle idée était de conduire une Maintenance Préventive Planifiée ou Programmée. Ce concept a été affiné par l'introduction de la Maintenance Productive Totale, utilisée dans le Lean Manufacturing, où la maintenance était planifiée pour garder l'équipement en état de marche en tout temps.

Une implémentation réussie signifiait moins de pannes et des arrêts réduits, résultant en une utilisation plus efficace de la main-d'œuvre, une vie machine plus longue et une sécurité au travail améliorée.

Ces bénéfices évidents ont amélioré la productivité globale — mais planifier la maintenance impliquait d'assimiler l'information depuis les fabricants d'équipement, ingénieurs expérimentés et opérateurs, sur une longue période.

Comment quiconque pouvait être certain que la maintenance était planifiée au moment optimal ?

Prédire la défaillance

L'optimisation du timing maintenance a été atteinte par la Maintenance Prédictive, par l'introduction de la Surveillance d'État.

Avec cette méthodologie, les données de certains indicateurs critiques sont utilisées pour démontrer quand l'équipement montre une performance diminuée, ou est dû à défaillir. Cela sert de système d'alerte précoce, permettant le temps de planifier pour la contingence, réduisant les pertes dues aux délais maintenance.

Le succès de la Surveillance d'État dépend de l'obtention d'information de qualité, pertinente, depuis ces composants critiques en bon temps, de l'analyser et l'évaluer vite, avant d'agir promptement pour implémenter les résultats.

Dans les usines traditionnelles, l'information limitée est disponible depuis les systèmes de contrôle industriels, nécessitant souvent un traitement et formulation supplémentaires en rapports avant que les experts ne puissent interpréter les résultats.

Maintenant à portée de main

Avec l'arrivée de l'Industrie 4.0 et de l'Usine Intelligente, chaque morceau de données requis pour automatiser l'analyse de l'état de l'équipement peut être en place. La digitalisation signifie que des données temps réel peuvent être collectées depuis de multiples sources à travers le shop floor et stockées de manière facilement accessible.

Cela permet d'appliquer de l'analytique avancée, rapidement et facilement, fournissant une évaluation quasi-instantanée de la situation et soulignant toute anomalie. Le traitement dans le cloud rend cette information disponible à travers toute l'organisation, leur permettant de mutualiser les best practices et répondre rapidement.

La capacité d'auto-diagnostiquer la défaillance est encore étendue par l'ajout des Pronostics. Les données rassemblées depuis les machines et actifs construisent un modèle de l'opération qui, quand analysé, fournit une indication d'avance de quand une machine défaillira, identifiant sa Durée de Vie Utile Restante (RUL).

Cette anticipation des besoins maintenance permet une opération plus agile, avec un horizon temporel bien compris, permettant des décisions et actions qui préviendront ou limiteront la perte due aux arrêts non planifiés.

Dites-m'en plus

Senseye automatise les dernières techniques de surveillance d'état et pronostics et affiche les choses d'une façon vraiment simple pour vous aider à éviter les arrêts non planifiés.