Passer d’une collecte de données manuelle à une collecte par capteur

Passer d’une collecte de données manuelle à une collecte par capteur
Author: Kris Deckers, Technical Officer
Date Posted: 05.02.22

Technology-Focused Strategies for Optimizing Asset Maintenance

Wireless Vibration and Temperature Sensors

Stratégies axées sur la technologie pour optimiser la maintenance des actifs

En 2014, lorsque la série de normes ISO 55000 sur la gestion des actifs a été lancée, les organisations du monde entier disposaient enfin d’une norme internationale ratifiée couvrant la gestion des actifs. Depuis lors, la gestion des actifs a été discutée plus souvent et de manière plus approfondie par plusieurs organisations et entités.

Néanmoins, les technologies de collecte de données permettant de gérer et d’entretenir efficacement ces actifs sont souvent restées à la traîne. Une étude réalisée en 2016 par General Electric Corporation sur l’industrie pétrolière et gazière a déterminé que 60 %1 des exploitants d’installations estiment que la collecte de données relatives aux actifs constitue un “défi majeur”. Ironiquement, la même étude indique que les exploitants qui utilisent une approche prédictive fondée sur les données ont connu 36 %2 de moins en temps d’arrêt non planifié.

Le volume des données relatives aux actifs qui sont actuellement disponibles pour fournir un aperçu est stupéfiant. L’analyse de ces données est vitale, car elle constitue la base des algorithmes prédictifs qui permettent aux installations de détecter les “actifs d’intérêt” qui peuvent être visualisés et analysés par un expert. Une fois qu’un analyste a converti l’alerte d’un algorithme automatisé en recommandations exploitables, la maintenance peut être programmée au bon moment.

Un problème qui trouve son origine dans des pratiques inefficaces

Historiquement, l’ensemble du processus a été fracturé du début à la fin, l’approche globale de la collecte et du traitement des données se déroulant comme suit :

  • Les experts ou le personnel de maintenance se sont rendus dans une usine et ont recueilli diverses données sur les actifs à partir d’un capteur installé en permanence ou d’un capteur et d’un système d’acquisition que l’expert transporte.
  • Les experts analysent ensuite les données pour déterminer l’état des actifs de l’entreprise et préparer des rapports.
  • Les ingénieurs de maintenance recevaient les rapports, alors que les données recueillies sur l’état des actifs étaient déjà potentiellement périmées.
  • Dans le pire des cas, l’usine avait déjà connu une ou plusieurs pannes d’équipement, obligeant les équipes de maintenance à lutter contre les incendies et pouvant avoir un impact sur les résultats de l’entreprise.

Supposons maintenant que l’équipe ait dépassé cette approche rudimentaire et utilise une technologie avancée pour collecter les données. Même si elle essaie d’extraire et d’interpréter les données pour des efforts de maintenance prédictive standard, elle risque de rencontrer des obstacles. Pourquoi ? Il y a de fortes chances que leurs outils et méthodes d’analyse n’aient pas la capacité de traiter les volumes massifs de données que les machines modernes peuvent générer par la collecte automatisée de données. Une approche plus efficace doit être déployée pour permettre la collecte et l’analyse de grands volumes de données.

La surveillance sans fil prouve sa valeur

Si les machines sont surveillées sans fil, la solution offre encore plus de flexibilité, car les informations provenant des installations – quelle que soit leur distance – peuvent être transmises pour être traitées par des experts. Même dans les usines très dispersées situées dans des endroits isolés, la croissance de la connectivité Internet à distance a permis aux actifs de transmettre des informations. En outre, cette capacité ne peut que s’accroître. D’ici 2027, on estime que 267 millions³ de traqueurs d’actifs seront utilisés dans le monde pour l’automatisation industrielle et d’autres usages.

Qu’il s’agisse d’une installation située dans une région sauvage éloignée ou d’un complexe chimique massif doté de capacités technologiques avancées, la surveillance automatisée sans fil offre une valeur avérée. Les spécialistes qui analysent les données peuvent déterminer non seulement l’état actuel mais aussi les tendances historiques. Ces informations peuvent ensuite faire partie d’une “boucle de rétroaction”. Cette approche permet non seulement d’optimiser les programmes de maintenance en fonction de chaque vague de données, mais aussi de faire des prévisions qui aident les techniciens de maintenance des machines à éviter les temps d’arrêt.

Cette approche permet non seulement de garantir le temps de fonctionnement, mais aussi d’éviter la “surmaintenance”, qui consiste à effectuer la maintenance selon un calendrier plus agressif que ce que requiert l’actif. Enfin, elle fournit aux équipes de maintenance et aux décideurs des informations importantes sur les actifs potentiels “en voie de défaillance” – ceux pour lesquels il est plus rentable de les laisser tomber en panne que de les maintenir agressivement.

1 https://www.ge.com/digital/sites/default/files/download_assets/ge-the-impact-of-digital-on-unplanned-downtime.pdf

2 Ibid

3 https://www.prnewswire.com/news-releases/industrial-iot-asset-tracking-2019-by-2027-there-will-be-267-million-active-rfidasset-trackers-in-use-worldwide-300851946.html 

Rejoignez notre équipe