La maintenance prédictive et l’IA, comment construire une stratégie gagnante
Les plateformes IIoT qui proposent un algorithme d’IA sont prometteuses mais force est de constater que sans un minimum de bonnes pratiques, les projets de maintenance prédictive finissent par ne pas aboutir aux retours sur investissements attendus.
Nous allons dans cet article donner un ensemble de bonnes pratiques pour ne pas tomber dans le piège de la technologie pour la technologie et ainsi permettre l’implémentation d’une maintenance prédictive qui sera utilisable par vos équipes techniques.
Je suis Guillaume Rouffiac, fondateur de Verveine Consulting, expert en digitalisation d’entreprises industrielles et logistiques et enseignant à l’Université de Nice sur ces aspects.
Vous connaissez certainement les différents types de maintenance, à savoir
- La maintenance palliative : on procède à des actions pour permettre à l’équipement de continuer à produire en mode dégradé.
- La maintenance curative : on procède à des actions de réparation, remplacement de pièces, après casses ou usures importantes de celles-ci pour permettre à l’équipement de re-fonctionner à son état nominal.
- La maintenance préventive qui peut être systématique ou conditionnelle : on définit des périodicités de contrôle et on crée des check-lists d’opération de maintenance (gamme de maintenance) à réaliser pour prévenir les pannes. On change donc des pièces ou procédons à des actions de maintenance comme le graissage avant que ceux-ci ne dégrade le fonctionnement de l’équipement.
- La maintenance prédictive : qui est une méthode qui permet de prédire les pannes potentielles des équipements avant qu’elles ne se produisent et guide les techniciens dans les opérations de maintenance préventive à mettre en oeuvre.
La maintenance prédictive est de plus en plus utilisée dans les entreprises pour éviter les temps d’arrêt et les coûts élevés liés à la maintenance corrective. Mais comment cela fonctionne ? Par quelle magie arrive-t-on à prévoir l’avenir ?
Est-ce que l’IA est obligatoirement utilisée pour faire de la maintenance prédictive ? Est-ce que la maintenance prédictive n’est pas finalement une maintenance préventive conditionnelle un peu plus intelligente ? Pourquoi l’intelligence artificielle est intéressante pour la maintenance prédictive ?
Voyons les différentes IA utilisées pour la maintenance de plus près :
- L’IA basée sur des règles
- Le machine learning
- Les réseaux de neurones
Si vous souhaitez sauter cette partie et lire sur les utilisations concrètes et les avantages d’utiliser l’IA dans la maintenance directement, je vous invite vous rendre plus bas dans l’article.
La maintenance prédictive, comment prévoir l'avenir
Prédire l’avenir est impossible, pourquoi en serait-il différent en maintenance ?
Vous allez voir qu’il existe déjà dans les entreprises des magiciens et magiciennes qui sont capables de prédire l’avenir et qu’on ne les écoute pas. Nous sommes d’accord sur un point, on ne peut pas prédire ce qui n’est pas prédictible… je m’explique :
- On ne peut pas prédire que Roger va faire tomber sa clé de 10 dans une machine.
- On ne peut pas prédire qu’il redémarrera sans s’en rendre compte.
Les accidents cela arrivent et bien que ce soit un combat de tous les jours, nous ne sommes pas à l’abris de casser une machine par accident (quoi qu’avec quelques règles de Lean, on aurait pu éviter).
Si c’est impossible de prédire l’avenir, qu’est-ce que la maintenance prédictive ? Comment s’y prendre pour prédire des pannes ?
Acquisitions des données
Première réponse : En collectant des informations supplémentaires qui ne sont pas analysées habituellement.
Vous avez entendu l’opérateur de production dire : « la machine, elle fait pas le même bruit que d’habitude, je la sens pas. Elle est pas pareil que d’habitude »
L’opérateur expérimenté qui vit avec sa machine, la sent vibrer au quotidien, sent ses odeurs, l’entends ronronner. Il sait sans savoir l’expliquer quand quelque chose tourne mal.
Ce sont de vrais magiciens et la maintenance prédictive 100% efficace analyse ce que l’opérateur analyse de façon empirique. L’état de santé de la machine.
Pour ce faire, on installe des capteurs pour collecter des signaux faibles, des vibrations, des tendances sur les mesures, des variations dans les cycles, des bruits, des échauffements de certaines pièces, des moteurs qui consomment un tantinet plus que d’habitude.
Analyser les données
On rajoute des capteurs mais cela ne fait pas tout.
Comment interpréter les données récoltées en temps réel ? On fait quoi là chef, on récolte des données qu’on ne sait pas analyser ?
Comme l’opérateur, il ne suffit pas de capter pour comprendre. Vous devez faire en sorte que votre système apprenne comment « vit la machine ». Et pour cela vous avez le choix. Soit vous constituez un groupe de travail qui inclus les opérateurs pour comprendre comment cela fonctionne, soit vous tentez d’utiliser l’IA ou plus précisément du machine learning.
« L’IA… Comme ChatGPT ? » demande Roger (qui cherche toujours sa clé de 10)
Demandez dont à Chat GPT de prédire une panne, on va bien rigoler. On a besoin d’autre chose que de l’IA conversationnelle. Comme on a la chance d’avoir justement des opérateurs et services techniques qui connaissent les machines sur le bout des doigts, on va sélectionner une IA de type machine learning supervisé ou avec renforcement.
L’équipe projet dont fait partie l’opérateur, le technicien de maintenance, le responsable amélioration continue et le chef de projet IT/OT vont devoir jouer le rôle de parents pour l’IA. Ils devront apprendre à l’IA ce qui est bon et ce qui est mauvais, lui apprendre quand elle fait du bon boulot ou pas. Ainsi votre machine deviendra comme un petit enfant qui apprend. Elle apprend avec ses parents et en produisant.
On lui donne des clés et elle avance en découvrant d’autres liens de causes à effets que vous n’arriviez pas à expliquer.
Et ainsi votre machine prendra la parole avec l’IA (sous forme de notification) pour vous demander de l’aide quand elle sentira qu’elle dérive et risque de tomber en panne (par pitié, choisissez des libellés compréhensibles).
Donc on n’a pas prédit l’avenir.. on a juste écouter les signaux faibles en capitalisant sur le savoir-faire de l’équipe terrain.
L’IA est un outil d’exploration pour comprendre le fonctionnement des machines.
Voyons les différentes IA utilisées pour la maintenance de plus près :
- L’IA basée sur des règles
- Le machine learning
- Les réseaux de neurones
Si vous souhaitez sauter cette partie et lire sur les utilisations concrètes et les avantages d’utiliser l’IA dans la maintenance directement, je vous invite vous rendre plus bas dans l’article.
Les différentes IA utilisées pour la maintenance
IA basée sur les règles
L’IA basée sur les règles est la plus ancienne et la plus simple des techniques d’IA utilisées pour la maintenance prédictive.
Cette technique repose sur la création de règles qui définissent les conditions dans lesquelles une panne peut se produire. Ces règles sont généralement créées par des experts métier qui connaissent bien les équipements et les processus.
L’IA basée sur les règles peut être très efficace pour détecter les pannes connues, mais elle peut être limitée lorsqu’il s’agit de détecter des pannes inconnues ou des pannes complexes.
Apprentissage automatique ou machine learning
L’apprentissage automatique est une technique d’IA qui permet à un algorithme d’apprendre à partir de données sans être explicitement programmé. Cette technique peut être utilisée pour la maintenance prédictive en entraînant un modèle à partir de données de capteurs et de données historiques de maintenance.
Le modèle peut ensuite être utilisé pour prédire les pannes potentielles et recommander des actions de maintenance préventive. L’apprentissage automatique peut être très efficace pour détecter les pannes inconnues et les pannes complexes.
Cette technique est utilisée notamment quand on utilise des capteurs de vibrations sur des machines ou quand on a des difficultés de compréhension de l’ensemble des phénomènes sur un process.
Réseaux de neurones
Les réseaux de neurones sont une technique d’IA qui s’inspire du fonctionnement du cerveau humain.
Cette technique peut être utilisée pour la maintenance prédictive en entraînant un réseau de neurones à partir de données de capteurs et de données historiques de maintenance.
Le réseau de neurones peut ensuite être utilisé pour prédire les pannes potentielles et recommander des actions de maintenance préventive. Les réseaux de neurones peuvent être très efficaces pour détecter des modèles complexes dans les données et prédire les pannes potentielles avec une grande précision.
Avantages de l'utilisation de l'IA pour la maintenance prédictive
L’utilisation de l’IA pour la maintenance prédictive présente de nombreux avantages.
Tout d’abord, elle peut réduire considérablement les temps d’arrêt non planifiés, car elle permet de détecter les pannes potentielles avant qu’elles ne se produisent.
Cela peut aider les entreprises à économiser de l’argent en évitant des coûts de maintenance imprévus et en évitant des perturbations dans les opérations normales.
De plus, l’IA peut aider à améliorer la sécurité des travailleurs en réduisant le risque de pannes dangereuses et en recommandant des actions de maintenance préventive en conséquence.
En outre, l’utilisation de l’IA peut aider les entreprises à optimiser leur plan de maintenance en recommandant des actions de maintenance préventive en fonction des besoins spécifiques de chaque équipement et en maximisant la durée de vie utile de chaque équipement.
Limitations de l'utilisation de l'IA pour la maintenance prédictive
Bien que l’utilisation de l’IA pour la maintenance prédictive présente de nombreux avantages, elle présente également certaines limitations.
Tout d’abord, l’IA peut être coûteuse à mettre en place et à entretenir, car elle nécessite des compétences spécialisées et des technologies avancées.
De plus, l’IA peut être limitée par la qualité des données d’entrée, car les modèles d’IA ne sont aussi précis que les données sur lesquelles ils sont entraînés.
Enfin, l’IA peut être limitée par les connaissances et l’expérience des experts métier qui créent les règles ou les modèles d’IA, car ces experts doivent avoir une compréhension approfondie des équipements et des processus pour créer des règles ou des modèles d’IA efficaces.
Applications concrètes de l'IA pour la maintenance prédictive
Maintenance prédictive pour les équipements de production
Les entreprises peuvent utiliser l’IA pour la maintenance prédictive de leurs équipements de production, tels que les machines-outils, les robots et les convoyeurs.
Les données collectées à partir de capteurs et d’autres sources peuvent être utilisées pour entraîner des modèles d’IA qui peuvent prédire les pannes potentielles et recommander des actions de maintenance préventive en conséquence.
On peut rajouter des données plus liées aux produits comme la gestion de la qualité avec un suivi de la capabilité (Cp/CpK) en temps réel sur la machine.
Maintenance prédictive pour les équipements de transport
Les entreprises peuvent également utiliser l’IA pour la maintenance prédictive de leurs équipements de transport, tels que les avions, les trains et les camions.
Les données collectées à partir de capteurs et d’autres sources peuvent être utilisées pour prédire les pannes potentielles et recommander des actions de maintenance préventive en conséquence.
Cela peut aider les entreprises à éviter les temps d’arrêt non planifiés et à réduire les coûts de maintenance.
Gestion technique centralisée (GTC) et gestion technique des bâtiments (GTB)
La GTC et la GTB sont des systèmes de contrôle qui gèrent les équipements de chauffage, de ventilation, de climatisation et d’éclairage des bâtiments.
Ces systèmes peuvent être améliorés grâce à l’utilisation de l’IA pour la maintenance prédictive. Les données collectées à partir de capteurs peuvent être utilisées pour prédire les pannes potentielles et recommander des actions de maintenance préventive en conséquence.
Cela peut aider les entreprises à éviter les temps d’arrêt non planifiés et à réduire les coûts de maintenance, tout en améliorant le confort et la qualité de l’air dans les bâtiments.
Synthèse et conclusion pour une stratégie gagnante
La maintenance prédictive est devenue un élément essentiel pour les entreprises qui souhaitent éviter les temps d’arrêt et les coûts élevés liés à la maintenance corrective.
Avec l’avènement de l’IA, la maintenance prédictive a connu de grandes avancées.
Les différentes techniques d’IA telles que l’IA basée sur les règles, l’apprentissage automatique et les réseaux de neurones peuvent être utilisées pour améliorer la précision de la maintenance prédictive et réduire les coûts de maintenance.
Les entreprises qui utilisent ces techniques peuvent bénéficier d’une meilleure efficacité opérationnelle, d’une réduction des coûts de maintenance et d’une amélioration de la satisfaction client.
Les applications concrètes de l’IA pour la maintenance prédictive sont nombreuses et peuvent aider les entreprises à optimiser leur plan de maintenance pour maximiser l’efficacité et minimiser les coûts.
En particulier, l’utilisation de l’IA pour la maintenance prédictive dans les systèmes de GTC et GTB peut améliorer considérablement le confort et l’efficacité énergétique des bâtiments, tout en réduisant les coûts de maintenance.
L’IA est un outil qui permet d’explorer et de mieux comprendre ses machines, installations, utilisations des énergies mais ne remplacent pas le savoir-faire des opérationnels. Sans l’implication d’opérationnels compétents dans les équipes de déploiement de projet d’IA, vous risquez de faire au mieux un démonstrateur pour épater la galerie, au pire une base de données qui se remplit de données non pertinentes avec un IA qui suggère des actions absurdes.
Ne négligez pas le capital qu’est le savoir-faire pour déployer vos solutions de maintenance prédictive.
PS: Roger cherche toujours la clé de 10.
Crédits Photos : Louis Reed, Caleb Ruiter, Victor, Arnaud Senoner
Prestations de Consulting
Nous travaillons par étapes, de l'idée à la mise en œuvre
ACCOMPAGNEMENT A L’INNOVATION
Faire chauffer
AUDIT D’USINE DIGITALISATION 4.0
Portez à ébullition
FORMATION AUX TECHNOLOGIES 4.0
Laissez infuser
PROTOTYPAGES DIGITAUX
Les premières gorgées
CONSEILS DIGITAUX
Partager un moment serein
parlez-nous de votre projet
Porter des projets à fortes valeurs ajoutées en calculent les retours sur investissement et prioriser les chantiers pour en faire des réussites.
