Les fondamentaux

Industrie 4.0 : de la maintenance corrective à la maintenance prédictive intelligente

Posté le 30 mars 2023
par La rédaction
dans Informatique et Numérique

Le concept de l’industrie 4.0 bouleverse l’entreprise manufacturière en transformant les systèmes, la maintenance et les machines. Même si la maintenance corrective demeure toujours inévitable en raison du caractère aléatoire de l’occurrence des pannes, la priorité est aujourd’hui donnée à ce qui est appelé la maintenance prédictive intelligente.

 

Un extrait de La maintenance prédictive intelligente pour l’industrie 4.0 par Gilles ZWINGELSTEIN

Deux approches distinctes ont été développées pour la maintenance prévisionnelle conventionnelle qui, dans la majorité des cas, ne concerne que les données relatives à un équipement bien identifié. La première approche repose sur l’utilisation d’analyses statistiques et de fiabilité sur les défaillances connues de l’équipement en exploitant les données archivées dans les logiciels de GMAO (gestion de maintenance assistée par ordinateur). Ces analyses statistiques permettent de développer des modèles de prévision des défaillances et d’établir les intervalles des tâches de maintenance préventive optimaux. La seconde approche est fondée sur l’utilisation d’une surveillance de l’état de l’équipement par des capteurs afin de prédire quand une panne de machine se produira. Grâce aux données big data contenues dans le cloud, extraites grâce au data mining et traitées par des algorithmes reposant sur l’intelligence artificielle, les exploitants ont ainsi à leur disposition des outils très performants pour prédire le comportement de leurs machines et prendre les décisions appropriées.

La mise en place de plates-formes IoT en vue de la maintenance prédictive

Pour faciliter la mise en œuvre de la maintenance intelligente 4.0, de très nombreuses plates-formes IoT sont actuellement proposées par les grandes sociétés de service, et par des start-up qui expérimentent des solutions de maintenance prédictive intelligente dans le cadre de projets pilotes. Voici quelques exemples des principales plates-formes disponibles actuellement sur le marché international.

Cette plate-forme cloud permet de développer des applications IoT, mais aussi de collecter et d’analyser les données générées par les machines.

La plate-forme IBM Watson IoT prend en charge le contrôle à distance des objets connectés, la transmission et le stockage sécurisés de données dans le cloud, l’échange de données en temps réel, ainsi que des options d’apprentissage automatique grâce à l’intégration de la technologie AI.

MindSphere est une plate-forme cloud operating system conçue pour le partage de données et d’applications industrielles. Elle permet de consolider, stocker et partager l’information issue de différents sites et de la traiter avec des outils analytiques de pointe.

La plate-forme IoT Amazon Web Services (AWS) inclut une suite IoT qui prend en charge tous les aspects des applications. Cette suite comporte quatre entités : AWS IoT Core constitue la base de toute application IoT ; AWS IoT Device Management ajoute et organise les périphériques ; AWS IoT Analytics analyse automatiquement les données IoT ; et AWS IoT Device Defender configure les mécanismes de sécurité pour les systèmes IoT.

La plate-forme Microsoft Azure IoT Suite permet de connecter des centaines d’appareils de différents fabricants, de rassembler des analyses de données et d’utiliser les données IoT à des fins d’apprentissage automatique.

La plate-forme « IoT connection management platforms » comprend un module « Manufacturing Predictive Maintenance ». Il est utilisé pour la collecte et l’analyse de données des objets connectés à proximité, le prétraitement des ressources informatiques du Edge computing et la modélisation et l’analyse de données sur le cloud.

La plate-forme Google cloud IoT inclut des composants spécifiques pour développer un programme de maintenance prédictive intelligente. On compte cinq de ces composants : IoT et Pub/Sub acquièrent des données ; cloud data flow les traite ;  big Query fournit un stockage des données à l’échelle de l’entreprise ; data Studio permet de partager des visualisations relatives aux équipements ; cloud machine learning est construit sur TensorFlow et élabore des modèles.

Exclusif ! L’article complet dans les ressources documentaires en accès libre jusqu’au 13 avril 2023 !

La maintenance prédictive intelligente pour l’industrie 4.0 par Gilles ZWINGELSTEIN


Pour aller plus loin