Prédiction de pannes en mode aveugle

Industrie 4.0
Découvrez comment la détection d’anomalies, en permettant d’anticiper la défaillance des équipements, s’impose comme le fer de lance de l’industrie 4.0.

Sécurité, productivité et garantie de disponibilité grâce à la détection d'anomalies

Fer de lance de l’industrie 4.0, la détection d’anomalies répond aux enjeux de sécurité et de productivité toujours plus exigeants auxquels font face les entreprises d’aujourd’hui.

En utilisant l’intelligence artificielle pour prédire les failles des équipements et permettre leur réparation avant qu’un dommage ne se produise, la détection d’anomalies contribue à assurer la continuité opérationnelle des moyens de production et à réduire les risques d’accidents sur les réseaux industriels.

 

Qu’est-ce que la détection d’anomalies ?

Avec DiagFit, la détection d’anomalies est un processus de machine learning qui consiste à construire un schéma de fonctionnement “normal” d’un équipement à partir de données saines afin d’identifier toute sortie de cette normalité qui pourrait indiquer un problème sur l’appareil.

Cette fonctionnalité est notamment utilisée en maintenance prédictive, en vue d’informer les techniciens d’un éventuel défaut ou signe de vieillissement d’un appareil avant qu’il ne tombe en panne. Dans DiagFit, les algorithmes détecteurs d’anomalies ont pour avantage de pouvoir être mis en place rapidement, sans avoir besoin d’être alimentés par un historique de pannes, souvent compliqué à implémenter de par la grande diversité des données impliquées.

 

Comment la détection d’anomalies accroît-elle les performances d’une entreprise ?

Dans l’industrie 4.0, les sites de production fonctionnent en flux tendu et les stocks de matières premières, comme les stocks de pièces de rechange, sont souvent réduits à zéro. Si cette méthode a pour effet de faire baisser les coûts et les délais de production, elle nécessite en revanche une gestion millimétrée de la maintenance des appareils, au risque de compromettre l’opérationnalité de la chaîne de production le temps de faire acheminer les pièces nécessaires pour rétablir le fonctionnement d’un équipement.

Cependant, les méthodes classiques de maintenance ne permettent pas de répondre à cette exigence :

  • La maintenance corrective, qui consiste à intervenir sur un équipement après constat de la panne, doit souvent être effectuée en urgence pour limiter les temps d’arrêt machine. Ces opérations nécessitent de mobiliser des ressources humaines et matérielles supérieures à celles qui auraient été requises pour une intervention anticipée.
  • La maintenance préventive, qui consiste à faire contrôler le bon état des équipements selon un calendrier préétabli en fonction de leur usure théorique, s’avère souvent inefficace. D’une part, certains appareils doivent être complètement démontés pour être analysés, ce qui représente des temps d’arrêt coûteux et des coûts d’ingénierie élevés. D’autre part, il existe généralement un écart imprévisible entre l’usure réelle d’un appareil et son usure théorique, et ces opérations de maintenance préventive s’avèrent souvent infructueuses.

La maintenance prédictive, qui repose sur un système de détection d’anomalies, s’impose donc comme un composant essentiel de ces nouveaux modes de production. Grâce à des capteurs IoT capables de récupérer les données des équipements industriels et de les transmettre à un logiciel de maintenance prédictive qui détecte toute dérive du modèle de fonctionnement normal d’un appareil, la détection d'anomalies permet aux techniciens d’anticiper leurs interventions de maintenance pour éviter les arrêts machine inopinés, et d’assurer la disponibilité des pièces de rechange sans surcharger les stocks. Bien souvent, la détection d’anomalies permet par ailleurs d’effectuer des réparations moindres comparées à celles qui auraient été faites sur l’équipement s’il était effectivement tombé en panne.

Le recours à une solution de détection d’anomalies permet donc d’assurer la continuité opérationnelle de la chaîne de production, de réduire les coûts de maintenance et d’éviter les pertes engendrées par les pannes intempestives.

 

 

Découvrir DiagFit, la solution de détection d'anomalies

 

La détection d’anomalies, facteur de sécurité

Dans le secteur industriel, comme dans les secteurs du transport ou de l’énergie, la défaillance d’un équipement peut avoir de graves conséquences sur la sécurité des travailleurs, voire plus encore. Fuite de produits nocifs, chute de pièces lourdes, incendies, explosions, incidents nucléaires, accidents de transport… Les exemples de répercussions potentielles d’une maintenance insuffisante ou inefficace sont innombrables et vont de la non-conformité d’un lot de produits à de véritables catastrophes.

Pourtant, avant qu’un équipement ne cesse de fonctionner et entraîne de tels événements, il manifeste un ensemble de signes avant-coureurs de défaillance qui peuvent passer inaperçus sans analyse approfondie : changement de pression dans un tuyau, vibrations inhabituelles, surcharge électrique…

Tous ces signaux faibles peuvent être identifiés et signalés par un logiciel de maintenance prédictive basé sur la détection d’anomalies, permettant aux services techniques d’effectuer les réparations et remplacements nécessaires de façon précoce, évitant ainsi la survenue d’un grave accident.

En aidant les entreprises à faire des économies et à assurer le bon fonctionnement de leurs moyens de production en tout temps, la détection d’anomalies se révèle être une technologie incontournable pour les acteurs de l’industrie 4.0, qui souhaitent concilier productivité, rentabilité et sécurité.



Faire des économies et gagner du temps sur la maintenance des pièces détachées