Ces dernières années, l’application de la surveillance de l’état des machines et de la maintenance prédictive a connu une croissance significative, en raison des exigences croissantes en matière de disponibilité des machines et d’efficacité globale. Les avancées technologiques telles que le big data, les algorithmes intelligents, le cloud et les technologies sans fil font leur apparition sur le marché, élargissant les possibilités d’analyse automatisée et créant des opportunités pour repenser les processus de surveillance et d’analyse.
Le cloud industriel
La maintenance conditionnelle (CBM), ou maintenance prédictive, est au cœur des systèmes basés sur le cloud. Ces systèmes proposent une analyse et une interprétation des données basées sur des modèles et des algorithmes définis pour des machines et des processus spécifiques. Les écarts détectés par le système donnent lieu à des recommandations de maintenance. De tels systèmes permettent aux entreprises de passer d’une maintenance réactive à une maintenance proactive. La maintenance peut ainsi être effectuée avant que des pannes ne surviennent.
Maintenance prédictive
Il est important de comprendre que la maintenance prédictive ou la CBM ne dépendent pas de systèmes basés sur le cloud. De nombreuses entreprises proposant ces solutions présentent la maintenance prédictive comme un concept nouveau. Ce n’est pas le cas ; les systèmes existants de surveillance de l’état (des vibrations) sont présents sur le marché industriel depuis des décennies. Les stratégies de maintenance prédictive sont applicables depuis l’utilisation des systèmes de surveillance des conditions (en ligne). Les données fournies par ces systèmes permettent de surveiller le comportement des vibrations, d’établir des tendances en matière de vibrations et peuvent être utilisées pour la maintenance prédictive. De plus, les systèmes prenant en charge l’analyse automatisée ne sont pas nécessairement basés sur le cloud.
Pourquoi recourir à l’analyse automatisée ?
Les entreprises sont confrontées à une forte baisse du niveau d’expertise. Cela résulte en grande partie du départ à la retraite d’experts et de la pénurie de jeunes experts ou de personnes ayant suivi une formation pertinente. Ce manque d’expertise peut être résolu par la mise en place d’un système permettant une analyse automatisée, dans lequel l’expertise est en quelque sorte transférée au système. Ce système utilise des modèles et des algorithmes pour analyser et interpréter les données de vibrations, ce qui aboutit à certaines recommandations de maintenance.
L’automatisation de l’analyse et de l’interprétation des vibrations sur les machines tournantes réduit le nombre d’ingénieurs locaux nécessaires pour effectuer ce travail. Pour les entreprises confrontées à une pénurie croissante d’experts compétents en vibrations, le passage à un système automatisé pourrait s’avérer inévitable.
Une expertise à la demande
À notre avis, la principale opportunité offerte par ces évolutions réside dans l’amélioration de l’efficacité et de l’efficience de la surveillance de l’état des machines. Le recours au traitement automatisé des données pour fournir une analyse de première ligne, sans nécessiter d’expertise locale, peut changer la donne. Les capteurs sans fil et les systèmes de surveillance connectés peuvent réduire l’impact sur les infrastructures et les investissements initiaux liés aux systèmes de surveillance. Le partage des données permet d’améliorer les algorithmes d’analyse automatisée et offre des possibilités d’assistance à distance. Ces technologies renforcent l’efficacité globale et la valeur des systèmes et structures de surveillance de l’état des machines, et font évoluer les modèles de service vers une expertise à la demande.
Considérations
Malgré les opportunités offertes par ces nouvelles technologies, il convient de prendre les bonnes décisions.
« À mesure que l’analyse et la prise de décision seront transférées à des systèmes automatisés et à des experts à distance, les ingénieurs locaux seront de moins en moins impliqués dans la gestion des machines. »
1. Validation des données
Les données saisies sont essentielles pour toute analyse automatisée ou à distance, car celles-ci reposent exclusivement sur les informations fournies par ces saisies. Par conséquent, les données saisies doivent être validées, notamment :
- Choisir le capteur adapté à l’application
- Étalonnage des capteurs
- Rapport signal/bruit
De plus, l’exactitude des données doit être vérifiée. Les données présentées doivent être pertinentes et exactes pour aboutir à une structure de maintenance prédictive opérationnelle. Les données de faible précision ne peuvent pas être utilisées pour la surveillance. Compte tenu de la précision des données, il est très difficile de gérer les influences environnementales (exceptionnelles), telles que les changements dans l’environnement, les conditions de processus exceptionnelles ou l’erreur humaine. Par exemple, des vibrations causées par une autre machine (vibrations croisées) pourraient déclencher une fausse alerte du système automatisé.
2. Logistique et maintenance
Pour collecter des données pertinentes, la mesure et le flux de données doivent être garantis. Une maintenance et une logistique adéquates doivent être mises en place et inclure :
- Prévention des interconnexions croisées entre capteurs
- Prévention d’un mauvais positionnement ou d’une mauvaise localisation des capteurs
- Intervalle de collecte des données pertinent
- Disponibilité des capteurs de rechange
- Gestion des batteries des capteurs et stratégie de remplacement
- Connexions réseau stables, sécurisées et fiables
3. Expertise locale
À mesure que l’analyse et la prise de décision sont transférées à des systèmes automatisés et à des experts à distance, les ingénieurs locaux seront de moins en moins impliqués dans la gestion des machines. Il en résulte une dépendance croissante vis-à-vis d’experts externes pour l’analyse et l’assistance.
4. Sécurité et confidentialité
En connectant des capteurs et du matériel de surveillance à Internet, la cybersécurité devient un risque et de nouvelles directives concernant le stockage et le traitement des données, telles que la norme ISO 27001, s’appliquent. Les vulnérabilités et les réglementations accroissent la complexité de la mise en œuvre d’un système connecté.
