Maintenance prédictive

Maintenance prédictive : du "fail & fix" au "prevent & predict"

Face aux mutations majeures du secteur de Energy et des Utilities , assurer la continuité des opérations est essentiel en toutes circonstances. En identifiant les risques de défaillance grâce à une connaissance fine des équipements, la maintenance prédictive répond à cet enjeu. Il promet un modèle de production optimisé.

APERÇU

Un secteur confronté à de profondes mutations.

Concurrence des nouveaux entrants, demandes énergétiques croissantes, autoconsommation, changement climatique, installations vétustes, réglementations, smart grids, smart cities, smart buildings… Les acteurs du secteur de l'énergie et des utilities font actuellement face à des évolutions majeures. L'électricité, le gaz et l'eau sont désormais considérés comme des marchandises ; leur valorisation ne réside plus dans leur accès, mais dans leur usage et les services associés. Par exemple, la distribution dynamique de l'alimentation électrique dans un quartier, le contrôle à distance de la température de confort d'un bâtiment ou le bon fonctionnement d'un parc éolien.

Ces services nécessitent une gestion optimale des équipements de production, de transport et de distribution, tout en privilégiant la réduction des coûts. Intervenir sur un actif en fonction de son état réel plutôt que selon un planning prévisionnel est l'un des enjeux de la maintenance prédictive. Après la maintenance curative et préventive, cette nouvelle approche s'appuie sur une connaissance approfondie des équipements pour anticiper au plus juste les risques de défaillance.

La maintenance prédictive profite de la digitalisation des équipements. Lorsqu'ils sont connectés à des capteurs, ces derniers émettent des signaux faibles concernant leur état de fonctionnement. Après traitement, les données collectées sont comparées à des « signatures » de défaillance modélisées par des algorithmes prédictifs basés sur des informations historiques sur les dysfonctionnements des appareils. Lorsqu'un état d'équipement approche d'une signature, une alerte en temps réel est envoyée pour initier une correction avant qu'une panne ne se produise.

RELEVER LE DÉFI

La maintenance prédictive, un programme d'entreprise.

L'enjeu est donc d'avoir un taux de détection le plus fiable possible, avec un seuil d'alerte affiné dans le temps grâce au machine learning. L'intégration de données externes, notamment météorologiques, peut également permettre de mesurer l'influence de l'environnement immédiat sur les performances des équipements pour adapter la production en conséquence. Cette anticipation permet de planifier les interventions au plus près des besoins afin d'éviter les interventions inutiles et coûteuses des techniciens, d'optimiser la logistique des pièces de rechange et de prévenir les baisses de productivité en réduisant les risques d'arrêts intempestifs. Pour un site connecté, une connaissance détaillée de l'état des équipements et une gestion précoce des pannes sont censées réduire les coûts de consommation et améliorer la productivité.

Choisir les objets à connecter, qualifier les données à traiter, sélectionner les protocoles de communication, valider les algorithmes d'analyse, les tableaux de bord, etc., nécessitent la combinaison d'expertises métiers, télécoms et IT (IS, UX/UI Design) dans une co -approche constructive. Un projet de maintenance prédictive s'inscrit dans un programme d'entreprise et ses nombreuses initiatives : gestion de projet, data management, assemblage de briques technologiques, déploiement industriel, conduite du changement (réunir des équipes qui ne se rencontrent pas habituellement, pour travailler ensemble), en commençant par le programme d'entreprise requis en collaboration avec le comité exécutif. Le programme est d'autant plus complexe qu'il s'inscrit dans la digitalisation globale de l'entreprise.

POINT DE RÉFÉRENCE

630 milliards de dollars : selon une étude de McKinsey*, c'est le montant que les entreprises devraient économiser d'ici 2025 grâce à la maintenance prédictive.

La réduction des coûts de maintenance représentera 10 à 40 % des économies, le nombre de pannes sera divisé par deux et les sommes investies dans les nouvelles machines diminueront de 3 à 5 % grâce à leur durée de vie accrue.

(*Source : www.mckinsey.com)

CAS D'UTILISATION

En France, les fuites représentent en moyenne 24 % de l'eau traitée et transportée, et jusqu'à 50 % à certains endroits (source : Observatoire des services publics de l'eau et de l'assainissement*). Pour lutter contre cette perte, un gestionnaire de réseau a déployé des capteurs acoustiques tous les 800 mètres sur ses canalisations. « L'écoute » du réseau permet de détecter de nouvelles fuites et d'agir en conséquence, augmentant ainsi l'efficacité.
(*Source : www.services.eaufrance.fr)

Un exploitant de parc éolien a installé des capteurs de vibrations pour détecter les anomalies des composants mécaniques (réducteurs et générateurs) afin de prévenir les risques de panne brutale et de maintenir sa production d'électricité. Une analyse plus fine résultant de la combinaison de ces données avec d'autres facteurs (vitesse du vent, température, etc.) permet de faire plus facilement des choix qui augmentent la durée de vie des éoliennes.

Les compteurs communicants, comme Linky en France, permettent d'avoir une vision en temps réel de la consommation d'énergie par zone, jusqu'aux équipements électriques d'un logement. Au-delà de l'équilibrage de charge sur son réseau, les distributeurs peuvent utiliser cette connaissance granulaire pour proposer des informations sur la consommation et des services d'alerte en cas de panne d'un appareil électrique. Résultat : réduction de la consommation et satisfaction et fidélisation des clients.

#Voix d'observateur

« La concurrence oblige les producteurs d'énergie comme les industriels à veiller à ce qu'il n'y ait pas d'interruption de production ou de services sur leurs sites. En disposant de données granulaires sur le fonctionnement de leurs équipements, ils peuvent anticiper les fluctuations de production, et affiner l'utilisation des machines en fonction de paramètres extérieurs comme le climat. La maintenance prédictive est le rapport minoritaire de la maintenance.' "

François Boncenne, Directeur du Pôle Energy, Utilities et Chimie, Inetum Informatique

# Solution Inetum

Intégrateur de bout en bout de toutes les briques technologiques (IoT, Big Data, Analytics, IA, Data Visualisation, UX/UI Design, intégration portail, mobile, API et SI) sur l'ensemble de la chaîne de valeur, Inetum accompagne les entreprises dans leur transformation numérique en s'appuyant sur Cumulocity (Software AG), les plateformes Microsoft Azure IoT et SAP Leonardo et l'environnement de traitement Big Data Hadoop.

Du conseil à l'acquisition et la visualisation des données, en passant par le traitement, l'enrichissement, le stockage et l'export des données, Inetum se distingue par sa capacité à proposer un modèle industrialisé, agile et sur-mesure.