Contexte
Les pompes à vide sont des équipements cruciaux dans de nombreux processus industriels (microélectronique, automobile…). Toutefois, ces pompes sont assujetti à l’usure et peuvent casser avec le temps, entrainant des interruptions de production qui peuvent être coûteuses. Face à ce défi, le constructeur de ces pompes à vide, effectue de la maintenance préventive basée sur sa connaissance pour éviter les arrêts non voulus.
Besoin
Aujourd’hui il souhaite se tourner vers de la maintenance automatisée et prédictive afin d’améliorer son service client et également de maximiser la durée de vie des pompes.
Le projet s’est concentré sur l’analyse des données provenant de 10 pompes à vide, avec pour objectif principal d’identifier les signes annonciateurs de fin de vie.
Grâce à cette analyse le client espérait pouvoir développer une solution capable de détecter en anticipation les défaillances des pompes, afin de réagir suffisamment à l’avance pour éviter les arrêts imprévus de production. Cette solution permettrait également de mieux maitriser les interventions sur le terrain et de maximiser la durée de vie des pompes.
Solution
Pour répondre à ce besoin, DiagFit a permis d’aider à la création d’un modèle d’anticipation basé sur les données historiques des pompes. Ce modèle capable de détecter les signaux faibles présents dans les séries temporelles de l’équipement permettra d’identifier les premiers signes de vieillissement des équipements. Grâce à ce modèle, il a été possible d’anticiper certains types de pannes pour permettre une maintenance préventive efficace.
Le modèle développé, bien qu’il ne détecte pas encore tous les types de pannes, a démontré une excellente capacité à identifier les pompes en fin de vie.
De plus, grâce aux indications fournies dans les alertes (contributions des capteurs, temporalité etc.), le client peut focaliser ses interventions.
Résultats
Le modèle a permis au client de bénéficier d’une détection des signes avant-coureurs allant de 2 mois à 7 jours avant la panne (50% de probabilité à 2 mois, 88% de probabilité à 1 mois et 100% de probabilité à 7 jours).
Cette capacité d’anticipation a non seulement permis de réduire les risques d’arrêt de production, mais a également permis de focaliser les interventions.
La solution apporte une valeur ajoutée considérable en termes de sécurité et d’efficacité opérationnelle.
Détection de panne suivant une base de donnée d’une pompe à vide :
Sur cette figure, la ligne rouge indique le seuil de détection du modèle. On observe qu’un mois avant la panne, une dérive a été détectée par le modèle, comme en témoigne la courbe bleue représentant le score de prédiction.
