Praxedoblogue Maintenance prédictive : les principaux cas d’usage
  • Maintenance
  • Intelligence artificielle
  • Gestion de répartition
  • Gestion de répartition

Maintenance prédictive : les principaux cas d’usage

XavierBiseul
Xavier Biseul
11 septembre 2018
7 min de lecture

Pour réduire leurs coûts d’exploitation tout en prolongeant la durée de vie de leurs équipements, un nombre croissant d’industries se convertissent à la maintenance prédictive.
 
Tour d’horizon des cas d’usage dans l’aéronautique, le ferroviaire, l’automobile et l’énergie.

 
Mieux vaut prévenir que guérir. Fort de ce vieil adage, la maintenance prédictive vise à suivre le comportement d’un équipement dans le temps et d’anticiper les pannes avant qu’elles ne surviennent. Soit le rêve que caresse de tout temps les professionnels de la maintenance.
 
 
 
La maintenance prédictive remplace avantageusement les modèles de maintenance existants qui ont montré leurs limites. Avec la maintenance corrective, il faut attendre qu’une défaillance survienne avant d’intervenir. Avec la maintenance préventive, les périodes de maintenance sont prédéterminées en fonction de taux statistiques d’usure, alors que l’équipement aurait peut-être pu fonctionner en l’état encore de longs mois.

Le couple gagnant IA + IoT

En associant intelligence artificielle et l’internet des objets (IoT), la maintenance prédictive compare le flux de données remontées en temps réel par les objets connectés à l’historique d’utilisation de la machine afin d’identifier les signes avant-coureurs d’une panne puis de déclencher les procédures d’intervention de façon proactive.
 
Depuis le tournant des années 2010, la maintenance prédictive monte en puissance sous l’effet de plusieurs facteurs. On pense, bien sûr, aux progrès récemment accomplis en matière de machine learning et de deep learning. La diminution du coût des objets connectés permet aussi de barder un équipement d’un grand nombre de capteurs rendant possible de véritables stratégies d’IoT industriel.
 
 

Productivité optimisée pour la maintenance

Non seulement les technologies sont arrivées à maturité mais le retour sur investissement sur les premiers projets de maintenance prédictive est au rendez-vous. Les entreprises pionnières prolongent la durée de vie de leurs équipements tout en réduisant les périodes d’immobilisation.
 
Les industriels optimisent, par ailleurs, la gestion de leurs stocks de pièces détachées en ne remplaçant que celles qui doivent l’être. Côté RH, ils mobilisent au bon moment et au bon endroit, le technicien de maintenance le plus compétent pour un problème donné.

Aéronautique : le marché juteux du MRO

L’aéronautique est l’un des premiers secteurs à s’être emparé de la maintenance prédictive. Après le carburant, la maintenance représente, de fait, son plus gros poste de dépense. Avec la croissance exponentielle du trafic aérien, les compagnies aériennes tentent aussi de minimiser le temps où leurs aéronefs restent immobilisés sur le tarmac.
 
Ce marché, baptisé MRO (maintenance, repair and overhaul – maintenance, réparation et révision), est promis à un bel avenir. Il devrait passer de 75,6 milliards de dollars en 2017 à 109 milliards de dollars en 2027, selon les prévisions mondiales du cabinet de conseil américain Oliver Wyman. Un marché juteux qui intéresse tous les acteurs de la chaîne : compagnies aériennes, avionneurs et motoristes.
 
Air France KLM commercialise sa propre solution de maintenance prédictive (Prognos). Le groupe Airbus a lui lancé, en 2017, la plateforme Skywise où elle collecte les données de milliers d’avions en vol pour améliorer leur exploitation dont ceux d’EasyJet. En bardant de capteurs ses moteurs d’hélicoptères, l’équipementier Safran suit en continu leur état de santé (puissance, température, pression…). Les géants du numérique – Google, Microsoft, IBM, Amazon Web Services… – proposent aussi des solutions dédiées.

Ferroviaire : optimiser et sécuriser un réseau vieillissant

Autre moyen de transport, autres enjeux. L’industrie ferroviaire a, elle aussi, tout intérêt à s’intéresser à la maintenance prédictive. Il suffit pour s’en persuader de se remémorer les multiples avaries qu’a connu récemment la seule Gare de Montparnasse, de l’incendie d’un transformateur à la panne d’alimentation électrique.
 
De fait, cela fait maintenant quelques années que la SNCF mène un très ambitieux plan d’IoT industriel. En 2016, la compagnie ferroviaire annonçait investir pas moins de 500 millions d’euros pour optimiser la sécurité de son réseau.
 
 

Des drones pour inspecter les voies

Tour commence par la surveillance des 30 000 km de lignes. Des capteurs permettent de prévenir les phénomènes de dilatation et de déformation de la voie. Les aiguillages et les passages à niveau font aussi l’objet d’une inspection poussée. De même que les abords des voies. La SNCF utilise des drones pour repérer d’éventuels obstacles et notamment la végétation environnante qui pourrait envahir les rails.
 
Au niveau des infrastructures, la supervision automatique des pantographes – les bras mécaniques articulés sur le toit du train qui conduisent le courant électrique – permet de prévenir les fameuses ruptures de caténaire.
 
Le matériel roulant est à son tour progressivement connecté pour éviter les pannes de climatisation, fort dommageables en période de canicules. Des capteurs peuvent être placés sur les portes coulissantes des rames ou les sièges de voyageurs pour accélérer leur remplacement. Enfin, la SNCF optimise l’exploitation de ces gares en mettant des capteurs sur les ascenseurs, les escalators ou les luminaires.

Automobile : les constructeurs en passe d’être « uberisés » ?

Passons des transports en commun aux déplacements individuels avec l’automobile. L’industrie automobile n’a pas atteint le même niveau de maturité sur le sujet. La maintenance suit toujours le cycle des visites lié à l’entretien classique du véhicule. Au-delà de la révision tous les 30 000 kms, le concessionnaire conseillera, par exemple, de changer la courroie de distribution après cinq ans ou 120 000 kilomètres parcourus.
 
La multiplication des voitures connectées laisse toutefois la possibilité aux constructeurs de capitaliser sur la montagne de données sur laquelle ils sont assis pour proposer des prestations de diagnostic à distance. En entreprise, les gestionnaires de flotte sont aussi demandeurs de ce pilotage par la donnée pour amortir au mieux leurs véhicules.
 
Cette bataille de la data est d’autant plus essentielle que les constructeurs peuvent se voir désintermédiés. Avec leurs systèmes d’exploitation embarqués CarPlay et Android Auto, Apple et Google sont déjà montés à bord. Des startups comme Drust et Carfit proposent, elles, d’installer un boîtier connecté qui, en se branchant sur la prise diagnostic OBD ou à partir d’analyses vibratoires du véhicule, anticipera la survenue de défaillances.

Energie : la supervision en temps réel des infrastructures

Avec l’avènement des compteurs intelligents de type Linky et Gazpar, les gestionnaires de réseaux de distribution d’énergie (électricité, gaz, eau) sont, eux, entrés de plein pied dans le monde de la data. La maintenance prédictive est appliquée pour réduire les interventions physiques sur leurs infrastructures.
 
Suez propose une solution logicielle (Aquadvanced) pour contrôler les réseaux d’eau potable en temps réel, rappelant que « 90 % des fuites sont invisibles ». Fabricant de vannes haute performance pour le nucléaire et l’énergie, Daher a placé des capteurs sur ses installations pour analyser les signaux faibles (vibrations, température, débit…) et prévoir les éventuelles pannes.
 
Dans le domaine des énergies renouvelables, Engie a investi 12 millions d’euros dans sa plateforme numérique Darwin qui vise à analyser 24/7 les données transmises par les capteurs installés sur son parc éolien et solaire (vitesse de rotation des pales d’éoliennes, température des panneaux photovoltaïques…). Selon Les Echos, elle permettra à l’énergéticien « de gagner en cinq ans 24 millions d’euros sur les coûts d’exploitation et de maintenance ». Un ROI rondement mené.