Présentation

Article

1 - ENJEUX DE LA MAINTENANCE PRÉDICTIVE INTELLIGENTE POUR L’INDUSTRIE 4.0

2 - L’INDUSTRIE 4.0

3 - MAINTENANCE PRÉDICTIVE INTELLIGENTE POUR L’INDUSTRIE 4.0

4 - MÉTHODES ET OUTILS DE LA MAINTENANCE PRÉDICTIVE INTELLIGENTE

5 - EXEMPLE D’APPLICATION DE LA MAINTENANCE PRÉDICTIVE 4.0 À UNE FLOTTE D’ASCENSEURS

6 - EXEMPLES DE PLATEFORMES IOT POUR LA MAINTENANCE PRÉDICTIVE

7 - POINT DE VUE DES INDUSTRIELS SUR LES AVANTAGES ET INCONVÉNIENTS DE LA MAINTENANCE PRÉDICTIVE 4.0

8 - CONCLUSION

9 - GLOSSAIRE

Article de référence | Réf : MT9572 v1

Conclusion
La maintenance prédictive intelligente pour l’industrie 4.0

Auteur(s) : Gilles ZWINGELSTEIN

Date de publication : 10 oct. 2019

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

RÉSUMÉ

Cet article présente les concepts de la maintenance prédictive intelligente pour l’industrie 4.0 dont l'objectif est de prédire l’instant d’occurrence d’une défaillance afin de mettre en œuvre des actions appropriées pour l’éviter. Il fournit une description des concepts de l’industrie 4.0, appelée également "industrie du futur", qui a vu le jour dans le cadre de la transformation numérique des entreprises.  Après un rappel de terminologie, les méthodes et outils indispensables pour la conception de cette stratégie de maintenance sont développés. Enfin, un bilan de ses implantations actuelles dans les différentes industries est proposé en soulignant ses avantages et ses inconvénients.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

ABSTRACT

Intelligent Predictive Maintenance for industry 4.0

This article introduces the concepts of intelligent predictive maintenance for industry 4.0, whose goal is to predict the moment of occurrence of a failure in order to implement appropriate actions to avoid it. It provides a description of the concepts of Industry 4.0, also referred to as the industry of the future, which emerged as part of the digital transformation of businesses. After a reminder of terminology, the methods and tools essential for the design of this maintenance strategy are developed. Finally, a review of its current implementations in the various industries is proposed highlighting its advantages and disadvantages.

Auteur(s)

  • Gilles ZWINGELSTEIN : Ingénieur de l’École nationale supérieure d’électrotechnique, d’électronique, d’informatique, d’hydraulique et des télécommunications de Toulouse (ENSEEIHT), docteur-ingénieur, docteur ès sciences, professeur associé des universités en retraite, université Paris-Est Créteil, France

INTRODUCTION

La prédiction d’une panne sur un équipement est une préoccupation majeure des responsables de la maintenance pour définir les stratégies les plus pertinentes aux plans techniques et économiques. La diffusion des nouvelles technologies numériques utilisant des objets connectés, l’Internet des objets, le cloud, le big data, l’intelligence artificielle et la science des données ont conduit au développement d’un nouveau concept de maintenance mondialement connue sous l’appellation de maintenance prédictive intelligente pour l’industrie 4.0. Cet article présente ses enjeux, ses origines, ses objectifs, ses méthodes et ses outils en y soulignant ses avantages et ses limitations. La première section décrit les enjeux de la maintenance prédictive intelligente pour l’industrie 4.0 qui peuvent être considérés comme des extensions de ceux de la maintenance prévisionnelle classique dans la mesure où la prédiction de la défaillance met en œuvre les composantes de l’industrie 4.0. La définition de l’industrie 4.0 connue également sous les noms de l’industrie du futur ou de « smart factory » est proposée dans la deuxième section. Elle fournit également une description des révolutions industrielles ayant conduit à ce qui correspond à l’industrie 4.0. Elle présente aussi un état des lieux de l’industrie 4.0 pour les grandes et moyennes entreprises en y décrivant les initiatives allemandes, françaises, américaines et chinoises pour soutenir leurs secteurs industriels. Compte tenu du fait que les concepts de l’industrie 4.0 varient suivant les domaines d’application, un exemple générique d’architecture avec ses composantes essentielles est proposé. La troisième section présente la terminologie indispensable à maîtriser pour développer un programme de maintenance prédictive. Parmi les définitions importantes figurent le RUL (Remaining Useful Life) ou DVUR (durée de vie utile restante) et le DEFAD (durée estimée de fonctionnement avant défaillance). Elle insiste en particulier sur la définition de pronostic et de ses métriques qui sont indispensables pour évaluer la confiance dans la prédiction de la défaillance. Les liens avec les contenus de CBM (Condition Based monitoring) et la PHM (Prognostics and Health Management) qui utilisent les mêmes outils que la maintenance prédictive intelligente font également l’objet d’une description succincte.

De nombreuses initiatives pour développer cette stratégie innovante de maintenance ont vu le jour, cette section conclut donc sur un panorama de l’évolution de ce concept. Compte tenu du fait que plusieurs centaines d’outils ont été développés depuis plusieurs décennies grâce aux apports de l’intelligence artificielle, des techniques d’apprentissage et des nouvelles techniques de stockage et traitement de données (data mining, big data, cloud computing, deep learning, machine learning…), la quatrième section est dédiée à la présentation succincte et évidemment non exhaustive de ces principaux outils. La maintenance prédictive intelligente de l’industrie 4.0 conduisant à une optimisation technico-économique, les principaux algorithmes d’optimisation fondés sur l’intelligence distribuée (Swarm intelligence) feront l’objet d’une description succincte (algorithmes génétiques, colonies de fourmis et d’abeilles). La cinquième section présentera un exemple d’application de la maintenance prédictive intelligente développé par les constructeurs d’ascenseurs gérant un parc de plusieurs millions d’ascenseurs pour prédire les défaillances en les équipant de plusieurs centaines de capteurs connectés. Pour faciliter le développement de la maintenance prédictive intelligente, de nombreuses sociétés de services proposent des plateformes IIoT qui permettent d’établir ce type de maintenance. La sixième section offre un panorama non exhaustif de l’offre qui est offerte aux entreprises industrielles par les grandes sociétés de services (IBM, Amazon, Huawei, Siemens…) et détaille leurs principales caractéristiques. La septième section présente, sur la base d’enquêtes réalisées auprès des industriels, leurs points de vue sur la maintenance prédictive intelligente. Ils mettent en exergue les facteurs qui freinent son adoption : le coût des technologies, le manque de compétences en data science et la réticence au changement. La conclusion insiste sur la nécessité d’une parfaite maîtrise des méthodes innovantes offertes par les techniques numériques pour réaliser la prédiction des défaillances. Elle souligne que le niveau de confiance de la prédiction dépend de façon prépondérante du volume de données relatives à une même défaillance, sans oublier une connaissance approfondie des mécanismes physiques de dégradation. Ce sont actuellement les facteurs essentiels qui conditionnent un retour d’investissement satisfaisant pour les utilisateurs potentiels. Le retour d’expérience des expérimentations des plateformes pilotes de l’industrie du futur permettra d’explorer de nouvelles voies pour solutionner ce problème majeur.

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

KEYWORDS

artificial intelligence   |   industry 4.0

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-mt9572

CET ARTICLE SE TROUVE ÉGALEMENT DANS :

Accueil Ressources documentaires Innovation Management et ingénierie de l'innovation Ingénierie de l'innovation La maintenance prédictive intelligente pour l’industrie 4.0 Conclusion

Accueil Ressources documentaires Innovation Industrie du futur Industrie du futur : outils technologiques La maintenance prédictive intelligente pour l’industrie 4.0 Conclusion

Accueil Ressources documentaires Génie industriel Maintenance Mise en œuvre de la maintenance La maintenance prédictive intelligente pour l’industrie 4.0 Conclusion

Accueil Ressources documentaires Génie industriel Industrie du futur Industrie du futur : outils technologiques La maintenance prédictive intelligente pour l’industrie 4.0 Conclusion


Cet article fait partie de l’offre

Technologies logicielles Architectures des systèmes

(233 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Présentation

8. Conclusion

La maintenance prédictive intelligente pour l’industrie 4.0 constitue une stratégie de maintenance qui bénéficie des nouveaux développements de la quatrième révolution industrielle. Pour atteindre avec succès son principal objectif, prédire l’instant d’occurrence de la défaillance, sa mise en œuvre requiert une maîtrise de très nombreux concepts et outils associés (Internet des objets industriels, analyse de données, data mining, cloud, big data, intelligence artificielle…). C’est la raison pour laquelle ce sont principalement les grandes entreprises disposant des compétences en data science qui l’utilisent avec succès actuellement pour des parcs importants d’équipements (ascenseurs, moteurs d’avion…). Ceci s’explique par le fait que pour être efficace et fournir un retour d’investissement approprié, il est nécessaire de disposer de grandes quantités de données sur les comportements des équipements.

Les résultats obtenus sur les plateformes expérimentales industrie 4.0 ou celles des vitrines de l’industrie du futur en France permettront de déterminer les axes les plus prometteurs pour les petites et moyennes entreprises. Une autre condition incontournable de succès est une excellente connaissance des mécanismes physiques qui influent sur la cinétique de la dégradation. Comme le soulignait le prix Nobel Richard Feynman lors de l’enquête sur la catastrophe de Challenger due à la maintenance : « For a successful technology, reality must take precedence over public relations, for Nature cannot be fooled (Pour qu’une technologie soit efficace, la réalité doit primer sur les relations publiques, car la Nature ne peut être pas être trompée) ». Transposée à la maintenance prédictive intelligente pour l’industrie 4.0, cela signifie que la connaissance de la physique prime sur l’emploi des « Buzz words » de la technologie digitale.

Compte tenu du nombre exponentiellement croissant d’expérimentations de la maintenance prédictive intelligente pour l’industrie 4.0, un utilisateur potentiel pourra y trouver les meilleurs outils appropriés à ses exigences.

HAUT DE PAGE

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Technologies logicielles Architectures des systèmes

(233 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Conclusion
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - PROTAIS (M.) -   La maintenance, élément clé de l’usine du futur.  -  Usine Nouvelle (2018).

  • (2) - BAUER (W.), MAW (S.), MARRENBACH (D.), GANSCHAR (O.) -   Industrie 4.0 – Volkswirtschaftliches Potenzial für Deutschland,  -  Bundesverband Informationswirtschaft, Telekommunikation und neue Medien. V. BITKOM (2014).

  • (3) - Conférence ATOS-SIEMENS -   Digital – Industry – Summit organisé par Atos et Siemens,  -  Palais Brogniart Paris, 2018. (https://www.factoryfuture.fr/siemens-atos-lancent-digital-industry-summit-2018/).

  • (4) - Dossier de presse ministère de l’Économie -   Réunir la Nouvelle France Industrielle,  -  https://www.economie.gouv.fr/files/files/PDF/industrie-du-futur_dp.pdf (2015).

  • (5) - Dossier de presse -   Inauguration du Factory Lab Saclay,  -  http://www.cea.fr/presse/Documents/DP/2016/dossier-presse-inauguration-factory-lab.pdf (2016).

  • ...

1 Outils logiciels

Matlab Tool box Predictive Maintenance Toolbox, [Logiciel], Les Montalets 2 rue de Paris, 92196 Meudon Cedex, Meudon, France.

APM Health IoT platform, [Logiciel] General Electric, San Ramon, Californie, États-Unis.

Watson IoT platform, [Logiciel], Compagnie IBM France, 17 avenue de l’Europe 92275 Bois-Colombes Cedex.

Manufacturing Predictive Maintenance Platform, [Logiciel], Huawei Technologies France, 18 Quai du Point du Jour, 92100 Boulogne-Billancourt, France.

Mindsphere Système d’exploitation IoT, [Logiciel], Siemens France, 40 Avenue des Fruitiers, 93210 Saint-Denis, France.

Amazon Web Services plate-forme IoT Amazon [Logiciel], Tour Carpe Diem, 31 Place des Corolles 92400 Courbevoie.

Google cloud IoT plate-forme, [Logiciel], Google France, 8 r Londres, 75009 Paris.

Microsoft Azure IoT plate-forme, [Logiciel], Microsoft France Paris, 39 Quai du Président Roosevelt, 92130 Issy-les-Moulineaux.

HAUT DE PAGE

2 Sites Internet

Site de la plateforme FactoryLab : http://www.factorylab.fr

Le programme Nouvelle France Industrielle (NFI) : https://www.gouvernement.fr/action/la-nouvelle-france-industrielle

Les 34 feuilles de route de la Nouvelle France Industrielle (NFI) : http://www.economie.gouv.fr/files/files/PDF/nouvelle-france-industrielle-sept-2014.pdf...

Cet article est réservé aux abonnés.
Il vous reste 92% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Technologies logicielles Architectures des systèmes

(233 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS