Optimiser la maintenance dans la fabrication : Exploiter les données numériques pour une performance optimale

L'univers numérique double de taille tous les deux ans, prévu pour passer de 4,4 billions de gigaoctets en 2013 à 44 billions en 2020. Les entreprises sont responsables d'environ 85 % des données détenues dans cet univers numérique, selon EMC Digital Universe.

Les usines de fabrication ne sont qu'un type d'entreprise contribuant à cette production de données, collectant des données de processus pour surveiller l'état des machines. Les ingénieurs d'usine peuvent tirer le meilleur parti de ces données et s'assurer que leur planning de maintenance bénéficie à leur usine, selon Claudia Jarret, directrice américaine chez le fournisseur de pièces d'automatisation EU Automation.

Les fabricants, confrontés à la pression constante de suivre la demande des clients tout en restant flexibles, sont pleinement conscients de la menace des temps d'arrêt d'usine, a expliqué Jarret. Causés par une multitude de facteurs, y compris la défaillance des machines, les temps d'arrêt peuvent coûter aux fabricants jusqu'à 260 000 $ par heure, selon la firme d'analystes Aberdeen Research.

Par conséquent, la maintenance préventive, où l'équipement est entretenu avant qu'il ne casse, est essentielle, plutôt que la maintenance réactive, qui se concentre sur la réparation de l'équipement après une panne.

Mais pour ceux dans les industries à haut volume, faible marge comme l'agroalimentaire ou la fabrication de pièces automobiles, la maintenance préventive peut être à tort considérée comme inatteignable, en raison de coûts initiaux perçus comme élevés.

Prévention

Les jours d'attente qu'un système tombe en panne à cause de moteurs surchauffés ou de systèmes de transfert de chaleur qui fuient, par exemple, sont heureusement derrière nous, a dit Jarret. Les gestionnaires d'usine planifient maintenant des inspections régulières, des mises à niveau et du dépannage pour éviter les pannes. Ces étapes simples sont une façon dont la maintenance préventive peut être réalisée.

Mais à mesure que les technologies de l'Industrie 4.0 telles que la surveillance d'état deviennent plus accessibles, il existe des méthodes encore plus intelligentes, plus précises et moins chronophages disponibles.

De nombreuses usines de fabrication utilisent maintenant la maintenance prédictive, une forme sophistiquée de maintenance préventive, pour établir le bon fonctionnement de l'équipement et prédire avec précision les pannes avant qu'elles ne surviennent. Non seulement cela réduit le risque de pannes causant des temps d'arrêt, mais cela peut aussi signifier que toutes les pièces de rechange nécessaires peuvent être commandées et sont en stock en cas de défaillance d'équipement.

De plus, la surveillance de la santé de l'équipement peut permettre des ajustements progressifs, là où une révision massive aurait été précédemment requise pour des améliorations. Les modifications peuvent améliorer l'efficacité des processus, réduisant finalement les coûts en éliminant les éléments inefficaces et en augmentant la durée de vie de l'équipement grâce à la maintenance ou au remplacement des pièces d'usure.

Par où commencer

La première étape qu'un gestionnaire d'usine devrait prendre lors de la mise en œuvre de tout planning de maintenance préventive est de rassembler autant de données que possible, a conseillé Jarret. Cela devrait inclure une estimation précise du coût réel des temps d'arrêt pour l'usine en question. La collecte de données recueillies par des capteurs intelligents, des chiffres de vente et des systèmes rénovés devrait vous permettre de prendre en compte la perte de ventes, les produits gaspillés et le coût des réparations d'urgence, ce qui peut fournir une figure de base utile.

En utilisant leur expérience de l'usine, les ingénieurs de maintenance devraient également être impliqués pour produire un plan idéal pour l'usine, y compris les zones qu'ils croient nécessiteront des niveaux de maintenance plus élevés, comme les équipements plus anciens ou les machines intrinsèquement sujettes aux pannes telles que les moteurs, turbines ou autres pièces mobiles.

Ce plan peut ensuite être utilisé avec le budget pour produire un plan de maintenance réaliste, y compris quel niveau de maintenance préventive peut être employé. Pour certains fabricants, cela signifiera des contrôles d'équipement réguliers, comme une fois par mois pour une section d'usine, ou quotidien pour des machines plus volatiles.

Données

Si la véritable maintenance prédictive est l'objectif, des données telles que la température, la pression et les vibrations sont collectées par des capteurs et seront continuellement intégrées, stockées et analysées. La prochaine question pour les fabricants est de savoir comment tirer le meilleur parti de ces ensembles de données précieux, mais volumineux.

Une fois les données collectées, l'étape suivante pour tirer le meilleur parti de leur potentiel est de commencer l'analyse. Une option populaire pour l'analyse de données est un service d'analyse dans le cloud. Ici, les données brutes sont transmises au cloud, où elles peuvent être à la fois stockées et analysées pour des tendances qui peuvent prédire un événement, y compris une panne. De nombreux services incorporent également un système d'alerte et des avertissements de pannes imminentes peuvent être envoyés via un portail web, une application, un e-mail ou un message texte au personnel concerné.

D'autres fabricants, peut-être préoccupés par la cybersécurité, la stabilité à long terme des données stockées dans le cloud, ou le délai entre la collecte et l'analyse des données, analyseront les données brutes en interne. Bien que cela soit souvent significativement plus gourmand en ressources, cela donne aux gestionnaires d'usine un contrôle total sur leurs données.

Obsolescence

Quel que soit le système mis en œuvre, la maintenance prédictive peut être utilisée pour gérer l'obsolescence, en plus de réduire les temps d'arrêt et d'améliorer l'efficacité des processus.

Cela signifie que les pièces peuvent être commandées au bon moment pour convenir au planning de maintenance. Traditionnellement, les fabricants devaient garder un stock de pièces qui pourraient avoir besoin d'être remplacées, ce qui prend un espace précieux sur le plancher de l'usine qui pourrait plutôt être utilisé pour les opérations. Les pièces de rechange peuvent aussi être encombrantes et produire un danger pour la santé et la sécurité, y compris des risques de trébuchement ou d'incendie, si elles sont stockées sur le plancher de l'usine.

Au lieu de cela, les fabricants peuvent choisir de commander des pièces de rechange seulement lorsque nécessaire, maximisant l'espace et les ressources dont ils disposent. Avec des fournisseurs tels qu'EU Automation capables d'expédier des pièces obsolètes dans le monde entier sous 24 heures, il n'y a maintenant plus besoin de stocker des pièces sur site ou de subir de longues périodes d'attente pour leur arrivée.

Lorsque la maintenance prédictive est employée, les données collectées peuvent également être utilisées à d'autres fins, telles qu'augmenter l'efficacité des processus et s'assurer que les pièces de rechange sont commandées en temps voulu. La collecte et l'analyse appropriées de ces données sont essentielles pour maximiser leur potentiel – et cela ne deviendra que plus important chaque année à mesure que la quantité de données augmente.