Le diagnostic de panne à la loupe
Réduire les arrêts de production et générer des économies pour les entreprises, c’est le double objectif de la maintenance prédictive. Nathalie Barbosa Roa, data scientist experte en intelligence artificielle pour la manufacture, expose ici les atouts de cette maintenance 4.0.
Face à la panne, différentes actions sont possibles : des actions correctives, préventives ou prédictives. L’action corrective vient, comme son nom l’indique, après la panne. Elle tente d’y trouver une réponse en faisant une analyse, puis en réparant.
L’action préventive va analyser l’ensemble des défauts possibles d’une machine et y intégrer des actions de prévention, par exemple : un nettoyage de la machine, un engraissage ou le remplacement de pièces particulières.
L’action prédictive est celle qui va utiliser l’intelligence artificielle afin d’éviter la panne. « La maintenance prédictive utilise les informations que la ligne de production donne pour évaluer le risque réel de panne et éviter qu’elle ne se produise », souligne Nathalie Barbosa Roa, data scientist, experte en intelligence artificielle.
« Dans l’usine, ce sont, encore aujourd’hui, les actions correctives qui sont les plus fréquentes. C’est le mode pompier, on vient après la panne. La maintenance préventive est déjà plus intéressante, mais elle n’évite pas l’arrêt de la machine et la perte de temps. »
Maintenance prédictive : les atouts
Pour Nathalie Barbosa Roa, « la maintenance prédictive est intéressante car elle permet de prévoir le plus en amont possible les pièces à changer ». Premier atout.
Deuxièmement, elle permet une réduction des coûts et des temps d’intervention : « on sait ce qu’il faut changer à l’avance, on peut commander la pièce en amont, on perd donc moins de temps à tous les niveaux. Dans la conjoncture actuelle de crise des composants, il est encore plus important de pouvoir prévoir les pièces à remplacer suffisamment en amont. »
Troisième atout, moins connu : la connaissance de l’équipement. « Moins on connaît l’équipement, moins on peut faire de maintenance prédictive », résume l’experte en IA. « Un équipement est composé de tant de pièces de tant de marques différentes de fabricants, qu’il est très complexe d’en avoir une bonne connaissance ». C’est donc un des enjeux de l’Intelligence artificielle : décrire la complexité de l’équipement et la modéliser, en reflétant les synergies de la ligne de production.
En effet, de nombreuses machines étant liées entre elles, c’est cette synergie qui va être difficile à appréhender. L’intelligence artificielle va s’employer alors à évaluer le fameux Remaining Useful Life, c’est-à-dire le temps utile au bon fonctionnement qu’il reste à la machine.
QU’APPELLE-T-ON EXACTEMENT UNE PANNE ?
Une panne est un comportement qui entraîne la mise hors service d’un équipement. Cela signifie que l’équipement (machine, robot…) n’est plus capable de remplir la fonction pour laquelle il a été conçu. Cela peut avoir deux conséquences, qui diffèrent en fonction de la ligne de production : une production dans de mauvaises conditions ou un arrêt total.