La panne d’une machine peut être très coûteuse. Pire encore, elle peut entraîner un risque mortel. Heureusement, avec l’émergence de l’intelligence artificielle, les temps d’arrêt ne seront plus qu’un lointain souvenir.
La société moderne ne peut plus se passer des machines. Nous utilisons des voitures, des bus et des trains pour nous rendre au travail. Nous vivons aux côtés de turbines et de réseaux électriques pour avoir l’électricité dans nos maisons. Les outils agricoles sont indispensables pour que nous puissions nous nourrir. Quand on y pense, on oublie facilement qu’une grande partie de notre vie est alimentée par des machines. En tout cas, tant que ces machines ne tombent pas en panne.
La maintenance et l’entretien sont essentiels à l’usage d’une machine. Mais savoir prévoir et décider quand réparer ou remplacer les pièces est un équilibre difficile à trouver. Et comme la plupart des décisions reposent sur des suppositions, d’importantes inefficacités peuvent être observées. Sans surprise, de nombreuses entreprises étudient la façon dont l’intelligence artificielle et l’apprentissage machiné peuvent générer des informations pour réduire les inefficacités et les défaillances.
Les temps d’arrêt, un frein pour la productivité
Les temps d’arrêt imprévus coûtent environ 50 milliards de dollars par an aux fabricants industriels
(Source: Deloitte)
Les temps d’arrêt sont l’antithèse de la productivité. En effet, une seule machine mise hors service, et c’est parfois toute la chaîne d’approvisionnement qui est à l’arrêt. Bien sûr, de nombreuses entreprises composent avec une petite période de temps d’arrêt.
Elles comprennent que les machines doivent être régulièrement mises hors ligne pour être inspectées, pour effectuer les réparations et pour des raisons de sécurité. Cependant, si les entreprises peuvent s’accommoder de ce temps d’arrêt planifié, pour s’assurer que leurs opérations restent actives autant que possible, les temps d’arrêt imprévus peuvent être un véritable fléau.
Les pannes et les défaillances imprévues de l’équipement peuvent coûter beaucoup de temps et d’argent à une entreprise. Les employés sont alors immobilisés dans leur travail, les délais de production sont allongés et, selon le secteur, la confiance des clients envers l’entreprise peut en prendre un coup. Par exemple, imaginez si un dispositif médical venait à tomber en panne dans un hôpital.
The current state of maintenance
Aujourd’hui, la plupart des opérations de maintenance peuvent être réparties en trois catégories:
1. Reactive maintenance
Réparer uniquement en cas de casse.
2. Planned maintenance
La maintenance est planifiée, quelles que soient les conditions.
3. Proactive maintenance
Les pièces sont remplacées en fonction des expériences passées en prévision d’une défaillance future. Le choix est souvent basé sur le temps et sur des modèles statistiques.
Poor maintenance strategies can reduce a plant’s overall productive capacity by 5-20%
(Source: Deloitte)
La maintenance réactive (c’est-à-dire, les temps d’arrêt imprévus) est une approche vouée à l’échec. Elle peut miner la santé de l’entreprise, car celle-ci doit cesser ses opérations quand les machines tombent en panne sans prévenir. Toutefois, cette approche passive permet de réduire les coûts de maintenance de routine. Le personnel technique n’est sollicité que sur demande. La maintenance préventive réduit le risque de défaillance grâce à des évaluations périodiques.
Bien que le risque de défaillance soit toujours présent, les entreprises ont plus de chances de résoudre le problème avant qu’il ne prenne trop d’ampleur. Mais bien que cette approche puisse optimiser la durée de vie utile d’une machine, elle risque également d’entraîner une perte significative du temps de production lorsque la machine est hors service. La maintenance proactive vise à améliorer l’efficacité de la maintenance. Pour ce faire, elle utilise des analyses pour comprendre la capacité des machines, identifier ses moments critiques et optimiser les ressources de maintenance.
Plutôt que de respecter un calendrier, des données sont utilisées pour analyser et améliorer les opérations. Pour les entreprises responsables d’une grande flotte de machines, la maintenance proactive semble être la stratégie la plus rentable, tant en termes de réflexion à long terme qu’à court terme. Toutefois, cette approche est limitée par le fait qu’elle ne cherche qu’à contrôler les facteurs susceptibles d’entraîner une défaillance de la machine, plutôt que d’examiner la machine elle-même.
Alors, que faire? Bonne nouvelle, une meilleure connectivité et des innovations technologiques prometteuses vont dans le bon sens.s
Comment la connectivité va transformer la maintenance
Aujourd’hui, de nombreux géants de la technologie concentrent leur énergie sur le développement de l’IA. Microsoft, Google, Amazon, IBM, Facebook et Apple, ainsi que des milliers de start-up connectées à l’IA luttent pour prendre la tête du secteur de l’IA. Selon la société d’étude de marché Tractica, le marché mondial de l’IA a généré 1.99 milliard d’euros en 2017 et devrait représenter 30 milliards d’euros d’ici 2025.
L’IA devrait entraîner la suppression 1.8 million d’emplois d’ici 2020. Mais elle devrait également permettre la création de 2.3 millions d’emplois sur cette même période. Pour commencer, la santé, le secteur public et l’éducation verront une demande d’emploi en constante augmentation. Ce sera plus compliqué pour le secteur de la fabrication.
(Source: Garner)
Sa croissance sera vertigineuse en raison de sa capacité à s’appliquer à tous les secteurs et tous les cas d’utilisation, maintenance incluse. En effet, quels que soient les objectifs des scientifiques en IA, ils partagent tous un objectif commun. C’est-à-dire éliminer les tâches répétitives et aider les humains à devenir plus efficaces et performants, quelle que soit leur activité. L’amélioration de la maintenance fait partie de ce processus.
Maintenance prédictive
De nombreux secteurs qui dépendent fortement des machines investissent dans la maintenance prédictive.
En effet, grâce aux capacités de l’IA, la maintenance peut évoluer de son stade de simple maintenance préventive ou proactive. Au lieu de cela, elle peut devenir prédictive. Grâce à la maintenance prédictive, les réparations ne sont effectuées que lorsque cela est nécessaire. Pour ce faire, il suffit de connecter des capteurs, des commutateurs et des outils compatibles avec l’IA pour analyser les milliers de variables en jeu dans une machine, afin de trouver des informations qui ne seraient autrement pas détectées. Les données provenant de différentes sources peuvent être collectées, combinées et analysées en temps réel, afin que les entreprises puissent anticiper les pannes de leurs machines avant qu’elles ne se produisent. Lorsque les données indiquent une diminution des performances, les opérateurs peuvent choisir d’effectuer des réparations avant l’arrêt de toute la chaîne d’assemblage.
Cette capacité à prévoir les réparations permet de réduire et de contrôler considérablement les coûts d’entretien. Mais elle peut également impliquer des avantages commerciaux grandioses. Par exemple, si la maintenance prédictive soupçonne une panne imminente, un certain nombre d’éléments peuvent être automatisés en fonction du problème: demander un bon de travail, informer les techniciens concernés ou commander une pièce de rechange, par exemple. Progressivement, la maintenance prédictive peut permettre d’identifier la meilleure façon d’effectuer le dépannage. Cette couche secondaire de travail analytique permettra aux entreprises de mieux comprendre comment améliorer leur efficacité et, à terme, éliminer les temps d’arrêt.
En effet, l’IA peut déterminer la durée de vie réelle de l’équipement, le meilleur moment pour effectuer une réparation et la manière de planifier les opérations pour minimiser la fenêtre de réparation. En outre, grâce aux données recueillies lors de la maintenance prédictive, un responsable peut mieux comprendre pourquoi différentes équipes utilisant les mêmes machines génèrent des rendements variés.
Là encore, ces données supplémentaires peuvent donner aux entreprises les informations dont elles ont besoin pour savoir comment augmenter leur chiffre d’affaires. Dans ce contexte, la planification des projets, les besoins en personnel, la gestion des stocks et le service client gagnent en efficacité. Les décisions sont justifiées avec des données et donc prises avec moins de risques et plus de confiance.
Prédire l’avenir dès aujourd’hui
La maintenance prédictive est essentielle pour innover dans le secteur de la fabrication, car elle permet aux entreprises d’optimiser leur stratégie de maintenance de haut en bas. Bien que cela offre des perspectives passionnantes pour le secteur, la bonne nouvelle est qu’elle est déjà adoptée.
De nombreux secteurs utilisent déjà une forme de maintenance prédictive à l’heure actuelle grâce à des technologies de surveillance en continu. Les outils de l’IoT (l’Internet des objets) aident les entreprises à surveiller les performances du système et de l’environnement opérationnel. Cependant, la surveillance continue peut générer d’énormes quantités de données, c’est pourquoi l’utilisation de l’IA est nécessaire.
Grâce à des algorithmes avancés et à l’apprentissage automatique (machine learning), les entreprises utiliseront des informations en temps réel lors de la prise de décision. Voici quelques applications de maintenance prédictive actuellement utilisées:
Trains
En Allemagne, Deutsche Bahn travaille avec Siemens pour améliorer ses technologies de maintenance préventive. En utilisant des capteurs et des algorithmes intelligents, l’entreprise ferroviaire espère que l’analyse avancée des données puisse reconnaître des répétitions dans les données d’exploitation. Par exemple, il est possible de surveiller les systèmes de freinage intelligents pour garantir un temps de remplacement optimal. Les capteurs peuvent surveiller l’état de la voie pour gérer les réparations. En réduisant le taux de défaillance des pièces de train, Deutsche Bahn peut réduire le besoin en pièces de rechange et les temps d’arrêt.
Automobiles
Les rappels sont non seulement coûteux pour les constructeurs, ils sont également très dangereux pour les consommateurs. Heureusement, les données et l’IA peuvent améliorer les choses en détectant les problèmes beaucoup plus rapidement. BMW travaille avec Teradata pour améliorer sa prise de décision en utilisant les énormes quantités de données générées lors de la conception, la production et la distribution des véhicules. En combinant ces données et en les exécutant à l’aide de puissants outils analytiques, les constructeurs automobiles peuvent améliorer l’efficacité de leurs chaînes d’approvisionnement et mieux mettre en évidence les erreurs avant qu’elles n’entraînent des problèmes.
Compagnies aériennes
La maintenance des avions est souvent très complexe, c’est pourquoi des scientifiques développent de minuscules robots qui peuvent pénétrer à l’intérieur d’un moteur pour inspecter ses pièces et effectuer des réparations. Comme cela a été signalé dans The Economist, c’est un projet développé par une équipe de scientifiques de GE Global Research. Pour l’instant, ces robots sont programmés pour effectuer des inspections. Mais une fois cette étape perfectionnée, les scientifiques espèrent que les robots pourront effectuer des réparations et travailler pendant qu’un avion attend aux portes d’embarquement entre les vols.
Entreposage
Des robots conçus pour soulever des charges sont déjà utilisés. Mais les robots de demain sont aussi destinés à aider les gens dans les entrepôts. SecondHands est un robot conçu pour assister les techniciens de maintenance humaine. Il est développé par Ocado Technology en collaboration avec le Karlsruhe Institute of Technology dans le but d’améliorer la maintenance humaine. Par exemple, un robot peut de sa propre initiative passer des outils à des humains lorsqu’il détecte qu’une action est requise. À cette fin, le robot utilise des compétences telles que l’analyse visuelle de la situation, la reconnaissance des activités humaines, la planification et l’exécution de tâches.
L’avenir du dépannage
La maintenance prédictive se prête bien aux grandes entreprises à la tête d’un grand nombre de machines. En effet, une quantité suffisante de données est nécessaire pour identifier les répétitions et résoudre les problèmes.
Toutefois, une fois que les grandes entreprises auront la capacité de prendre ces décisions prédictives, ces connaissances pourront être accordées sous licence aux petites entreprises. Ainsi, l’IA est une aubaine pour nous tous. Prochaine étape en matière de maintenance? Les machines se baseront bientôt entièrement sur la maintenance autonome.
Cette mutation passera par l’association d’une technologie telle que l’impression 3D avec les fonctionnalités de l’IA. Par la suite, les interactions humaines seront très peu nécessaires. Quoi qu’il en soit, connaître l’impact réel des temps d’arrêt imprévus sur une entreprise permettra à celles-ci de mieux comprendre où réaliser des investissements.
En effet, les avantages liés à une capacité supérieure et à la réduction des frais généraux sont considérables. Ceux qui se préparent dès aujourd’hui seront plus susceptibles de conserver leur avantage concurrentiel de demain.
