#1 Définir ses priorités
Aucune entreprise n’a de ressources illimitées. C’est pourquoi la première étape d’un projet de maintenance prédictive consiste à définir ses priorités. Cela passe par une analyse des difficultés observées, en collaboration avec les équipes terrain : temps d’arrêts sur la chaine, baisse de régime d’une machine, coûts d’entretien trop élevés, risque de santé-hygiène-sécurité, etc. Quels process surveiller en priorité ? Quels phénomènes chercher à anticiper ? En fonction de ces objectifs primordiaux, l’entreprise sélectionnera une série limitée d’équipements sur lesquels tester son projet de maintenance prédictive.
#2 Choisir sa méthodologie
Tous les équipements ne requièrent pas nécessairement une maintenance prédictive. Celle-ci doit se concentrer sur les actifs de longue durée, ceux nécessaires aux processus critiques (qualité, santé, gestion de stocks, etc.), les machines tournant en 24/7, ou encore les équipements les plus « capricieux ». En fonction des objectifs définis par l’entreprise, la maintenance prédictive peut s’inscrire dans une méthodologie telle que le TPM (Total Productive Maintenance), qui vise une optimisation globale de l’appareil de production. Axée à la fois sur l’entretien des machines et sur le respect des exigences de conformité industrielle, cette approche est particulièrement adaptée aux standards de qualité en vigueur dans des secteurs comme celui des cosmétiques.
#3 Établir sa feuille de route
Contrôle qualité, fiabilité des produits, normes sanitaires… Pour respecter des standards toujours plus exigeants, les entreprises misent sur l’innovation technologique. Dans le cas de la maintenance prédictive, elles peuvent créer une feuille de route en programmant leurs investissements qui viendront compléter les systèmes de contrôle déjà implémentés dans leurs usines. Des capteurs à connecter aux machines analysent, par exemple, leur comportement ou leur performance et transmettent ces informations en temps réel. Les technologies IoT facilitent, pour leur part, le transit des données vers un logiciel de visualisation et leur stockage dans le Cloud. Une solution logicielle de type CMMS (Computerized Maintenance Management System) permet un suivi maitrisé des données et leur partage entre différentes équipes. De plus, ses diverses fonctionnalités facilitent les interventions de maintenance grâce à des bases de ressources documentaires ou des rapports d'intervention automatisés.
#4 Consolider sa connectivité
Pour faire transiter les données de maintenance issues de capteurs, les industriels utilisent les réseaux locaux (LAN ou WLAN) et les réseaux longue portée (LoRa et Sigfox). Tout dépend en réalité des besoins de l’usine en matière de portée et de débits. À ce titre, les performances de la 5G devraient permettre de démultiplier la quantité de données de maintenance circulant en temps réel dans l’usine, ouvrant ainsi la porte à de nouveaux usages tels que la maintenance à distance ou bien le recours à la réalité augmentée lors des interventions sur les équipements.
#5 Explorer ses données avec une approche incrémentale
Pour tirer le meilleur profit des données collectées, de nombreuses entreprises construisent des modèles prédictifs basés sur les algorithmes et le machine learning. Ces outils permettent d’établir des corrélations entre divers phénomènes à partir de multiples sources de données, d’identifier les caractéristiques d’un dysfonctionnement et de mieux l’anticiper. Comme chaque machine ou process diffère, la personnalisation des algorithmes est une clef de la réussite du projet. Bien que chronophages et coûteuses, ces expérimentations sont souvent rentables : les algorithmes fournissent des recommandations précieuses pour réduire les risques sur la chaîne de fabrication et optimiser le fonctionnement des machines. En optant pour une approche incrémentale (processus par processus ou machine par machine), l’équipe projet pourra présenter aux métiers des progrès réguliers, incitant à la poursuite des expérimentations.
#6 Pousser plus loin l’anticipation grâce au jumeau numérique
Les répliques numériques d’objets ou de systèmes ont le vent en poupe, notamment dans l’industrie où ils sont utilisés pour simuler différents phénomènes liés aux processus de fabrication. Les entreprises de cosmétique peuvent, par exemple, en bénéficier afin de personnaliser leurs produits et packaging en fonctions des caractéristiques et préférences esthétiques de leurs clients, selon le cabinet Global Market Estimates. Ceci afin de permettre aux consommateurs de voir le résultat qu’ils peuvent attendre du produit. Mais le jumeau numérique joue aussi un rôle important dans la maintenance prédictive : en simulant les opérations quotidiennes des machines et leurs réactions face à différents facteurs (hausse des cadences, des températures, détérioration, etc.), les responsables d’usine identifient plus facilement les défaillances potentielles, anticipant ainsi les actions correctives.
#7 Viser l’amélioration continue
Les premiers projets testés se montrent concluants ? Une synthèse régulière des résultats, basée sur des KPI solides, servira de base à l’extension du programme de maintenance prédictive à plus grande échelle. Ces résultats inscriront également les nouveaux processus prédictifs dans la « mémoire » de l’entreprise et permettra de les transmettre aux collaborateurs fraîchement arrivés. Comme souvent, vision de long-terme et régularité forgent les bases du succès. Et le jeu en vaut la chandelle : selon une étude McKinsey, la maintenance prédictive représenterait, pour les entreprises, un gisement d’économies de 630 milliards de dollars à l’horizon 2025.
Pour aller plus loin
- Les 5 bénéfices de la maintenance prédictive
- Orange acteur de confiance de la smart industrie, partenaire des entreprises de toutes tailles