L’automatisation est souvent synonyme d’efficacité, mais nous ne pouvons pas oublier que l’efficacité est obtenue par une gestion correcte et constante des process et des machines impliquées dans l’automatisation. L’automatisation implique donc une maintenance adaptée qui doit impérativement être associée.
Ceux qui gèrent maîtrisent la production, les entrepôts et les différents process sont constamment confrontés à des choix multiples :
- La maintenance réactive ou corrective, qui implique des travaux de réparation uniquement lorsqu’ils sont confrontés à un dysfonctionnement ou à une panne ;
- La maintenance préventive, c’est-à-dire une maintenance cyclique et / ou anticipée basée sur la planification d’interventions constantes et programmées et souvent associée au remplacement de pièces de rechange pour éviter les pannes ou les blocages.
Si l’on résonne en termes de chiffres, l’impact de la maintenance sur la productivité n’est certainement pas à négliger. Les pourcentages varient de 5 % à 20 % en terme de pertes de capacité de production si l’on calcule surtout les risques liés à la maintenance réactive, qui se solde généralement par un arrêt brutal de la production et des temps de réaction difficiles à quantifier.
Les temps d’arrêt des machines coûtent environ 45 milliards d’eurospar an au producteur et près de la moitié de ces pertes sont relatives aux pannes techniques des machines (source : Kainet).
Mais comment calculer les coûts de maintenance et les ajuster pour voir quelle est la meilleure approche pour l’entreprise individuelle ?
Les coûts de maintenance sont divisés en deux catégories :
- Coûts propres:
- Coûts propres directs: les plus courants sont la main-d’œuvre nécessaire à la maintenance des machines et au rétablissement des opérations, auxquels s’ajoutent ensuite ceux résultant de l’achat de matériaux et de pièces de rechange.
- Coûts propres indirects: il s’agit notamment de ceux qui impactent généralement le personnel utilisateur, les équipements et les services.
- Coûts induits: ce sont ceux liés aux temps d’arrêt et aux pannes qui entraînent des arrêts ruptures de production, des erreurs, des retards et donc une altération du taux de service. Ils sont donc difficiles à prévoir et à quantifier.
La maintenance à l’ère de l’Industrie 4.0
À l’ère de l’Industrie 4.0, tout change : parler de l’IdO (Internet des Objets), du cloud et de l’apprentissage automatique est à l’ordre du jour, mais quel impact ont-ils sur la façon d’organiser et de choisir le type de maintenance nécessaire pour nos machines?
Grâce aux nouvelles technologies, il est possible de placer à l’intérieur des machines des capteurs et des systèmes parfaitement capables de surveiller le bon fonctionnement des appareils /des installations et de les analyser en temps réel.
Identifier les données, faire des diagnostics et acquérir continuellement des données pendant le fonctionnement de la machine.
La collecte de données est combinée à un traitement mathématique qui permet de signaler les anomalies à l’avance et de fournir des informations en temps réel sur l’état et les performances de la machine elle-même.
C’est dans ce contexte qu’est née la MAINTENANCE PRÉDICTIVE.
Exactement. Le contrôle constant des machines et des installations et la collecte de données à l’intérieur de celles-ci, nous permet de surveiller tous les paramètres et d’intervenir avant que la panne ne survienne, avant l’arrêt. La procédure est vraiment simple: grâce à la surveillance, à la collecte et au traitement des données, lorsque des écarts par rapport à la norme sont détectés, ils sont signalés en temps utile avant les temps d’arrêt ou l’ d’usure.
Maintenance prédictive et proactive : comment la mettre en pratique
Afin de rendre la maintenance prédictive possible et opérationnelle, 2 piliers de l’Industrie 4.0 nous viennent en aide: l’APPRENTISSAGE AUTOMATIQUE et les MÉGADONNÉES
L’apprentissage automatique est, la capacité des machines à apprendre automatiquement à partir d’une certaine expérience. Il comprend des techniques et des algorithmes fortement liés au calcul statistique qui permettent une amélioration continue et constante au fur et à mesure de la croissance des données traitées.
Cette prolifération d’informations dans le système génère d’importants volumes de données, des MÉGADONNÉES, pour la production, la maintenance et la gestion de la chaîne de distribution manufacturière provenant :
- des automates programmables industriels (API)
- des systèmes de contrôle et d’acquisition de données (SCADA)
- des interfaces homme-machine (IHM)
- des dispositifs IdO ou des systèmes informatiques des différents secteurs de l’entreprise.
Grâce à ces systèmes de calcul, il est possible de mettre en œuvre la maintenance prédictive 4.0 qui permet d’anticiper les défaillances avant l’apparition des problèmes et les imprévus. Cela permet d’éviter les temps d’arrêt ou de panne.
La maintenance prédictive représente donc une alternative concrète d’amélioration des process et permet de minimiser les coûts de maintenance.
La maintenance prédictive est donc synonyme d’efficacité.
Vous voulez rendre votre entrepôt plus efficace ?
