Qu'est-ce que la maintenance prédictive ?

Au siècle dernier, les usines de production mettaient en place une maintenance corrective, à la suite de la survenue d’une défaillance ou la détection d’une panne sur une chaîne de production. La remise en état de la machine (maintenance curative) pouvait alors générer des temps d’attente à cause de pièces de rechange non disponibles, et des coûts importants. En cas de dépannage provisoire, la mise en œuvre d’une maintenance palliative permettait d’attendre l’arrêt programmé suivant pour effectuer une réparation définitive.

Face au constat qu’une panne subie est désastreuse en termes de coût et de rendement de production, est alors apparue la maintenance préventive. Les opérations d’entretien sont effectuées lors des arrêts programmés, sans attendre l’occurrence d’une panne. Sont surveillés ainsi les matériels les plus sensibles du process de production.

La maintenance prédictive est une suite logique de la maintenance préventive. Elle permet d’anticiper la survenue de défaillances, non pas en fonction de la « théorie de fonctionnement » d’un composant, mais en fonction de son état réel d’usage. Il s’agit donc de mettre en place des systèmes de surveillance des matériels ayant un taux d’usure important.

Selon l’Association française des ingénieurs et responsables de maintenance, la maintenance prédictive sera présente, dans la prochaine décennie, dans toutes les entreprises. Selon une enquête menée par l’institut de sondage international OnePoll pour Reichelt Elektronik, les trois quarts des responsables d’entreprises du secteur industriel en France utilisent déjà la maintenance prédictive dans leurs activités de production. Parmi celles-ci, près de la moitié prévoit d’augmenter son utilisation au niveau des équipements comportant des capteurs intelligents et 44 % envisagent de traiter plus d’équipements en utilisant la maintenance prédictive.

Parmi les 25 % qui n’ont pas encore mis en place de maintenance prédictive, un peu moins d’un tiers ne l’envisage pas du tout, alors que 63 % souhaitent l’intégrer sous un délai d’un à deux ans. Elles y voient les avantages suivants :

• limiter les arrêts de production pour 39 %,
• rendre leur process de production plus efficaces (38 %),
• éviter de remplacer des composants inutilement (36 %),
• faire gagner du temps aux équipes de maintenance (35%),
• améliorer la planification des travaux de maintenance (32 %).

Selon une autre étude du cabinet McKinsey, la maintenance prédictive permettrait de faire baisser les coûts de maintenance de 10 à 40 % et de diminuer de moitié le nombre de pannes de matériel.

La maintenance prédictive se focalise sur le comportement en temps réel des composants à fort taux d’usure ou de ceux qui sont utilisés en dehors des plages de fonctionnement préconisées par le constructeur (ambiance radioactive ou fort taux d’hygrométrie, par exemple).

Elle mettra donc en place des surveillances telles que :

• Des capteurs de vibrations : sur des lignes de machines tournantes, toute vibration détectée peut constituer un signal de désalignement,
• Des capteurs de température : une élévation de la température peut représenter un avertissement d’un mauvais refroidissement moteur,
• Des capteurs acoustiques : ils ont pour but de détecter un manque de lubrification ou l’usure d’un roulement.

Grâce à son caractère anticipateur, la maintenance prédictive présente des avantages indéniables.

Réduction des durées d’arrêt de production

Dans la mesure où elle permet aux intervenants de détecter les problèmes très en amont pour les résoudre avant toute panne, les durées d’arrêt sont ainsi optimisées, toute casse brutale étant rendue moins probable. La diminution du nombre de pannes permet de diminuer les temps d’immobilisations des matériels, avec les répercussions qui en découlent au niveau financier.

Améliorer de la productivité des équipes

Étant donné que les défaillances machines seront plus rares, les intervenants perdront moins de temps sur des tâches inutiles, ce qui augmentera la productivité globale.

Diminution des coûts d’intervention des services d’entretien

L’anticipation de l’entretien permet de faire des économies substantielles et contribue ainsi à augmenter le retour sur investissement. La gestion des pièces de rechange est également facilitée, ce qui implique une diminution globale des coûts de maintenance.

Amélioration de la conception du produit

L’allongement de la durée de vie des matériels entraîne une hausse de leur fiabilité, et donc une optimisation du process de production.

Contribution à une meilleure sécurité pour les salariés

La maintenance est effectuée par les équipes avant qu’une casse ne rende une ligne de production dangereuse pour les opérateurs intervenant à proximité, ce qui renforce la sécurité des travailleurs.

Clé n°1 : disposer de l’accord de la Direction

Même si cela peut paraître trivial, la mise en œuvre d’un plan de maintenance va mobiliser de nombreuses ressources dans l’entreprise (humaines, financières) et le budget associé peut s’avérer conséquent !

Clé n°2 : rassembler les données indispensables à la maintenance prédictive

Cette étape consiste à lister les matériels ayant un historique de défaillances élevées avec leurs causes. Pour chaque matériel essentiel à la production dont les coûts de réparation sont élevés, il faut répertorier :

• la fréquence des pannes et les durées d’utilisation,
• les données historiques.

Les sources d’information sont nombreuses : des documents du constructeur aux logiciels internes, en passant par les connaissances mémorisées par les plus anciens collaborateurs.

Clé n°3 : effectuer l’analyse des modes de défaillance AMDEC (Analyse des Modes de Défaillance de leurs Effets et de leur Criticité)

Grâce à l’analyse des actifs critiques, les modes de défaillance doivent être identifiés, en particulier les défaillances qui occasionnent les plus gros impacts sur la production et celles qui ont la plus forte probabilité d’occurrence.

Clé n°4 : installer les capteurs de surveillance IoT

Cette mise en œuvre s’effectue à partir des analyses d’anticipation de défaillances des matériels. Pour aller encore plus loin, des systèmes de « machine learning » ajoutent de nouveaux schémas d’anomalie grâce aux informations déjà collectées. Ces capteurs intelligents identifient en continu l’apparition de signes préalables à une défaillance, comme des vibrations anormales ou une élévation de température.

Clé n°5 : développer des algorithmes prédictifs

L’étape suivante consiste à travailler avec des « data scientists » pour développer des algorithmes prédictifs de maintenance. Ils s’appuieront sur les mesures des capteurs IoT et les analyses précédentes pour concevoir la modélisation des phénomènes de défaillance.

Clé n°6 : disposer des bons outils de maintenance prédictive

On ne le redira jamais assez, mais un bon logiciel de GMAO est la base de la réussite d’un tel projet. Des compétences informatiques dans l’entreprise sont donc nécessaires, surtout pour travailler sur les autres outils tels que :

• Les capteurs IoT, qui surveillent les machines en continu,
• La plateforme IoT, qui collecte les données,
• L’application qui prévient en temps réel les intervenants de maintenance.

---