La maintenance prédictive ne rapporte que là où le mode de défaillance est réellement prévisible

Maintenance corrective, préventive, conditionnelle et prédictive : comparaison

Avant le coût vient la conséquence. Tout ce dont la défaillance a une conséquence pour la sécurité ou l’environnement, et tout ce qui relève d’un contrôle réglementaire — équipements sous pression, appareils de levage, protecteurs et dispositifs de verrouillage, freins de machine, la périodicité d’essai d’une fonction instrumentée de sécurité — sort de cette analyse et se fait selon l’échéancier, quoi que dise l’économie.

Reste le parc ordinaire. La maintenance corrective consiste à laisser tourner jusqu’à la panne, un choix légitime pour les équipements dont la défaillance coûte peu, dont la pièce de rechange est en magasin et dont la perte n’arrête pas la production. L’erreur n’est pas d’avoir des équipements en correctif, c’est d’en avoir que personne n’a choisis.

Le préventif systématique, sur calendrier ou sur compteur, remplace les composants sans tenir compte de leur état et n’exige aucune instrumentation au-delà d’une GMAO avec des plans basés sur une stratégie. Deux coûts échappent au calcul : la durée de vie résiduelle jetée avec des composants qui allaient bien, et le défaut que chaque intervention risque d’introduire — un joint entaillé au remontage, une pollution laissée entrer dans un roulement. Augmenter la fréquence du préventif sur un équipement qui tombe en panne de façon aléatoire dégrade la disponibilité ; les études de fiabilité aéronautiques à l’origine de la maintenance basée sur la fiabilité (RCM) ont montré que la plupart des modes de défaillance ne présentent aucune usure liée à l’âge.

La maintenance conditionnelle mesure, puis agit sur un seuil : des relevés vibratoires mensuels en ronde, une campagne de thermographie trimestrielle, un prélèvement d’huile par carter, sans aucun modèle nulle part. Elle coûte le temps d’une personne formée et un appareil de mesure, apporte l’essentiel de ce que l’on attribue à la maintenance prédictive, et pour beaucoup d’usines elle est la destination, pas une étape intermédiaire.

Le prédictif ajoute la mesure en continu et une projection vers l’avant — une tendance extrapolée jusqu’à un seuil, ou une estimation de la durée de vie résiduelle — plus l’instrumentation et quelqu’un pour porter les modèles. C’est un gain de couverture et de cadence plus que de finesse de diagnostic, et il justifie son coût quand il faut être alerté sur un équipement entre deux rondes, ou quand les équipements sont trop nombreux pour être parcourus à pied.

Ce que la maintenance prédictive peut détecter, et ce qu’elle ne peut pas

Un mode de défaillance est prévisible quand il se dégrade progressivement, qu’il émet quelque chose de mesurable pendant qu’il se dégrade, et sur un intervalle assez long pour agir. La maintenance basée sur la fiabilité appelle cela l’intervalle P-F : du moment où la défaillance devient détectable au moment où l’équipement cesse de remplir sa fonction.

Une classe de défaillances élimine la question avant même qu’elle soit posée. Un dispositif de protection — une soupape de sûreté, un déclencheur de sécurité, une pompe de secours, un verrouillage — a une fonction cachée : sa défaillance n’émet rien, parce que rien n’en dépend tant que l’événement contre lequel il protège ne survient pas. On ne peut pas surveiller l’état d’une fonction qui n’est jamais sollicitée : on la teste périodiquement, à une périodicité déduite du taux de la défaillance protégée et du risque que l’on accepte de porter, et on enregistre le résultat.

Les modes qui se comportent bien sont surtout mécaniques et surtout tournants. L’écaillage d’un roulement à éléments roulants se propage à des fréquences fixées par la géométrie du roulement et la vitesse de l’arbre, typiquement sur des semaines à des mois pour un roulement bien lubrifié à vitesse et charge modérées, et sur quelques jours ou moins dès que la lubrification est perdue, ou à vitesse élevée et en surcharge. Fixez la périodicité de surveillance sur l’intervalle P-F le plus court crédible, pas sur le plus courant. L’usure et les piqûres des dentures progressent de la même façon ; le désalignement et le balourd constituent rarement une défaillance en soi, mais détruisent ce qui les entoure, et se voient très en amont. Il en va de même pour l’usure des courroies, la cavitation des pompes, les fuites de garniture, l’encrassement des échangeurs et l’usure d’outil quand le signal process suit l’outil.

Le reste se comporte mal, pour l’essentiel. Les cartes logiques, les cartes d’entrées/sorties et la plupart des capteurs tout ou rien tombent en panne sans précurseur progressif, avec un taux de défaillance quasi aléatoire. Les casses dues aux opérateurs, les collisions, les erreurs de réglage et les pollutions de la matière première sont des événements et non des processus, et un défaut de commande ne laisse rien dans un spectre vibratoire. Certaines défaillances mécaniques ont un intervalle P-F de quelques secondes : la rupture d’une fixation, une surcharge brutale.

Les exceptions électriques méritent d’être nommées, parce que c’est là qu’un programme sur la partie électrique se paie. Les condensateurs électrolytiques des bus continus et des alimentations sèchent progressivement avec la température et le montrent dans la capacité, la résistance série équivalente (ESR) ou l’ondulation du bus — c’est pour cela que les constructeurs de variateurs publient des périodicités de remplacement. La plupart des variateurs modernes suivent déjà la température du dissipateur et l’état du ventilateur. L’isolement des moteurs se dégrade d’une façon que le suivi de la résistance d’isolement, de l’indice de polarisation et des décharges partielles sait accompagner. Le câble haute flexibilité des chaînes porte-câbles et des faisceaux d’habillage de robots est spécifié en cycles de flexion, ce qui en fait l’un des articles les plus faciles à planifier dans une cellule.

Un symptôme décrit est une preuve forte qu’il existe un intervalle P-F exploitable : si un technicien sait dire ce qu’une panne donne à entendre une semaine à l’avance, un appareil de mesure la verra plus tôt. L’absence de symptôme est une preuve bien plus faible, parce que la plage de perception humaine est étroite. Personne n’entend 40 kHz, personne ne sent les chocs que l’analyse d’enveloppe extrait avant que le niveau global ne bouge, personne ne remarque une dérive de couple de deux pour cent. Là où aucun symptôme n’est décrit, demandez-vous si le mode met de l’énergie hors de la plage humaine — ultrasons, vibrations haute fréquence, dérive lente du process — avant de conclure qu’il n’y a rien à trouver.

Comment savoir si la maintenance prédictive marchera avant d’acheter des capteurs

C’est un travail d’archives, pas un travail d’achat. Prenez douze mois d’arrêts non planifiés sur les équipements candidats et classez chacun d’eux en dégradation mécanique progressive, lubrification, casse mécanique soudaine, électrique, commande et logiciel, erreur d’opérateur ou de réglage, induit par la maintenance, matière, et alimentations extérieures, avec les minutes d’arrêt et le coût attachés.

Deux de ces catégories sont celles qu’on laisse de côté, et les deux qui ont le plus de chances de changer la conclusion. Induit par la maintenance désigne une défaillance que l’on peut rattacher à l’intervention précédente sur cet équipement ; la GMAO enregistre déjà quels travaux ont précédé l’arrêt, la catégorie peut donc être codée après coup, et sans elle chaque défaut introduit par une intervention préventive atterrit dans casse mécanique soudaine et disparaît. Sans catégorie lubrification, un roulement tué par la mauvaise graisse ou par une ronde oubliée se lit comme une dégradation mécanique progressive et ressemble à un dossier d’achat de capteurs.

Lisez ensuite la répartition, parce que c’est elle qui décide du projet. Si l’argent se concentre dans la dégradation mécanique progressive, la maintenance prédictive a matière à travailler — mais avant de faire chiffrer un accéléromètre, auditez les deux choses qui suppriment ces défaillances au lieu de les prédire. La lubrification d’abord : bon produit, bonne quantité, bonne périodicité, maîtrise de la pollution, regraissage guidé par ultrasons plutôt qu’un pistolet à graisse sur calendrier. La précision de montage ensuite : alignement laser, patte molle, contraintes de tuyauterie, équilibrage. Les deux coûtent moins cher que la surveillance, et les deux sont en concurrence directe avec le budget capteurs.

Si l’argent se concentre dans les casses opérateur et les erreurs de réglage, l’intervention porte sur le bridage, la formation et les détrompeurs, et aucun accéléromètre n’y touche. S’il se concentre dans l’électronique, la réponse tient surtout à des rechanges en magasin, de la redondance sur les postes critiques et de la chaleur et de la poussière tenues hors des armoires, les exceptions progressives ci-dessus étant mises sur un plan plutôt que laissées au hasard.

Faites un deuxième test : demandez aux techniciens qui réparent chaque défaillance récurrente ce qu’ils remarquent en premier. « Elle devient bruyante environ une semaine avant » est à la fois un intervalle P-F et une spécification de capteur en une phrase. « Elle s’arrête, c’est tout » est une réponse plus faible, parce que les techniciens la donnent aussi pour des défaillances parfaitement visibles dans des courbes de tendance que personne ne regardait : traitez-la comme une raison d’aller chercher hors de la plage de perception humaine, pas comme un verdict.

Ce que détectent la vibration, le courant, la température, l’huile et le temps de cycle

La vibration est le signal le plus riche pour les machines tournantes, parce que ses fréquences sont diagnostiques et pas seulement alarmantes. Les fréquences de défaut découlent de la géométrie du roulement et de la vitesse de l’arbre : un spectre dit donc quel élément est endommagé, même si le glissement de la cage décale les raies réelles d’un ou deux pour cent par rapport à la valeur calculée. Le balourd apparaît à la vitesse de rotation, le désalignement typiquement au double, les défauts d’engrenage à la fréquence d’engrènement avec des bandes latérales, et les techniques d’enveloppe extraient les premiers chocs de roulement de la zone haute fréquence avant que le niveau global ne bouge. Les réserves comptent tout autant : la fixation du capteur fixe la plage de fréquences exploitable, les machines à vitesse variable exigent une analyse en ordres, les faibles vitesses de rotation sont difficiles, et la vibration est presque aveugle aux défauts électriques et process.

Sans base de référence à vous, les zones d’évaluation de l’ISO 20816-3 donnent un seuil de départ défendable pour le niveau global en vitesse sur les machines industrielles générales, dans la plage de puissance et de vitesse couverte par cette partie. Il s’agit d’un jugement de sévérité globale dans une bande allant d’environ 10 Hz à 1 kHz, c’est-à-dire la zone qu’un défaut de roulement naissant fait bouger en dernier, et non d’un seuil de défaut de roulement. Le travail sur les défauts de roulement naissants demande sa propre base de référence ou une limite propre à la technique employée.

L’analyse de la signature du courant moteur se mesure à l’armoire et non sur la machine : un relevé n’exige donc ni accès à l’équipement entraîné, ni arrêt de production. L’installer est une autre affaire : les transformateurs de courant permanents se posent dans un tiroir de CCM ou une armoire de variateur, c’est-à-dire du travail à l’intérieur de la zone à risque d’arc électrique, par une personne habilitée, en général sous permis et sous consignation. Budgétez-la comme des travaux électriques, pas comme un capteur.

Elle voit la rupture de barres rotoriques et l’excentricité sous forme de bandes latérales autour de la fréquence réseau, et comme le courant reflète la charge, elle attrape les changements mécaniques grossiers en aval : un convoyeur qui coince, une roue de pompe bouchée, un outil usé qui demande plus de couple. Elle est plus grossière que la vibration pour les roulements, et sur un moteur alimenté par variateur la méthode classique peine, parce que les bandes latérales se placent par rapport à une fréquence d’alimentation qui bouge désormais, et que les harmoniques de découpage du variateur se superposent au spectre. Elle demande une acquisition à vitesse et charge stables, et déçoit souvent même dans ces conditions : là où la plupart des moteurs sont alimentés par variateur, les données de courant, de couple et de bus continu du variateur lui-même sont la meilleure source, et la moins chère.

La température est bon marché, fiable et tardive : un roulement chaud est déjà endommagé. Là où elle arrive tôt, c’est en électrique : une campagne de thermographie des armoires et des raccordements trouve les connexions desserrées avant qu’elles ne brûlent. Les ultrasons sont le premier indicateur exploitable des problèmes de lubrification des roulements, et l’outil standard pour les fuites d’air comprimé et les arcs électriques.

L’analyse d’huile rend compte du nombre et de la morphologie des particules d’usure, de la viscosité, de la présence d’eau et de l’épuisement des additifs, et comme les particules identifient quel métal s’use, elles identifient souvent le composant. Elle convient aux réducteurs, aux circuits hydrauliques et aux compresseurs, et ne sert à rien sur les roulements graissés étanches. La discipline de prélèvement — même point, mêmes conditions, même périodicité — décide de la valeur du programme davantage que le laboratoire.

Le temps de cycle et la dérive process sont le signal le plus sous-estimé, parce que la machine le produit déjà : un temps de cycle qui grimpe, une erreur de poursuite d’axe qui grandit, une pression hydraulique qui s’affaisse, une courbe de couple qui change de forme, le taux de marche d’une résistance qui monte pour tenir la même consigne. Ils voient des encrassements, des usures et des glissements qu’aucun capteur rapporté ne voit, parce qu’ils mesurent la machine en train de faire son travail plutôt qu’un indicateur indirect de sa santé. Les collecter coûte bien moins cher qu’une instrumentation neuve, mais pas rien : il faut un endroit où conserver les données au-delà de la mémoire tampon circulaire de l’IHM, un accès aux variables que le constructeur machine peut traiter comme une discussion commerciale, et une période d’échantillonnage et une bande morte réglées pour que la dérive ne soit pas aplatie en chemin vers le stockage.

De combien d’historique de pannes un modèle de maintenance prédictive a-t-il besoin

Une approche par la physique ou par règles n’a besoin d’aucun historique de pannes. Des fréquences de défaut issues de la géométrie, des bandes de sévérité issues d’une norme, une limite de perte de charge sur un filtre, une élévation de température au-dessus du normal propre à la machine pour la même charge : tout cela encode de la connaissance d’ingénieur au lieu d’exiger des données. C’est pourquoi un premier déploiement n’a en général pas besoin de machine learning du tout, et pourquoi une proposition qui commence par un modèle répond à une question que vous n’avez pas encore posée.

La détection d’anomalies apprend l’enveloppe de fonctionnement normale à partir d’une marche saine et signale les écarts. Elle n’a pas besoin de défaillances étiquetées, mais il lui faut assez de données saines pour couvrir la variation légitime de produit, de vitesse, de lot matière et d’équipe. Elle vous dit que quelque chose a changé, pas ce qui a changé, et elle signalera un changement de série avec autant d’enthousiasme qu’un roulement en train de lâcher, à moins que le contexte — ordre de fabrication, recette, vitesse, outil — ne soit attaché à la mesure.

L’estimation de la durée de vie résiduelle demande des cas de fonctionnement jusqu’à la panne du même mode sur la même classe d’équipement, en nombre que très peu d’usines possèdent : une machine qui tombe en panne deux fois par an produit deux cas par an, éventuellement de deux modes différents. Le contournement de cette pénurie, c’est la largeur plutôt que la profondeur, et un parc de pompes nominalement identiques mesuré aujourd’hui donne une population de comparaison sans aucun historique. Le point aberrant reste cependant un candidat et non un défaut : la raideur du massif, les contraintes de tuyauterie, les conditions d’aspiration, le point de fonctionnement et le temps écoulé depuis la dernière révision produisent des écarts du simple au double ou au triple entre machines saines, si bien qu’un premier passage rend des machines à inspecter et des défauts de montage à corriger. Si votre usine a un exemplaire de chaque chose, cette option est fermée.

Comment démarrer sans historique de pannes exploitable

La plupart des usines démarrent avec presque rien, parce que les pannes passées ont été enregistrées comme un motif d’arrêt et une ligne de texte libre. Concevez la première année pour corriger cela plutôt que pour faire comme si. Établissez la référence avant d’alerter : instrumentez, collectez, et restez silencieux le temps de traverser assez de diversité de production pour savoir à quoi ressemble le normal. Alerter avant que le normal ne soit établi, c’est ainsi qu’un projet enterre ses techniciens sous les alarmes dès le premier mois et ne s’en relève jamais.

Confrontez tout modèle aux seuils que vous avez déjà et faites-lui gagner sa place en les battant. Puis faites en sorte que chaque alerte produise une étiquette : quelqu’un inspecte et enregistre ce qui a été trouvé, en dégradation confirmée, autre mode confirmé, rien trouvé, ou cause process. Ce sont les données d’apprentissage qui vous manquaient, et elles ne s’accumulent que si l’étape de clôture est un champ codifié.

Taux de fausses alertes et pourquoi l’équipe maintenance cesse de croire aux alertes

Derrière chaque alerte il y a un seuil qui arbitre entre défaillances manquées et fausses alertes, et aucun réglage ne supprime les deux. Les deux erreurs sont asymétriques, mais pas de la façon que suggère le slogan. Ce que coûte une non-détection varie énormément d’un équipement à l’autre : sur une pompe de secours c’est un désagrément, sur le goulot c’est la production de la journée plus les dégâts secondaires et le rebut resté dans la machine, et sur tout ce qui a une conséquence sécurité cela ne relève pas du tout de cet arbitrage. Ce que coûte une série de fausses alertes est fixe et total, parce que si les techniciens cessent d’ouvrir les alertes, plus rien n’existe en aval de l’alerte. Réglez donc par équipement, en regard du coût d’une non-détection propre à cet équipement, à l’intérieur d’un budget de fausses alertes qui s’applique à tout le système.

Les taux de base rendent cela plus difficile que l’intuition ne le laisse croire. En surveillance continue, le nombre de fausses alertes est le taux de faux positifs multiplié par la fréquence à laquelle le détecteur évalue, soit peut-être chaque minute et sur chaque équipement, alors que les vraies alertes sont plafonnées par la fréquence réelle de défaillance de l’équipement, quelques-unes par an au plus. Un détecteur qui évalue à ce rythme a besoin d’un taux de faux positifs extraordinairement bas avant que les vraies alertes ne dépassent les fausses, et l’exactitude annoncée n’en dit rien, puisqu’un détecteur qui ne se déclenche jamais est exact presque tout le temps. La première question à poser à un éditeur n’est donc pas son exactitude, mais combien d’alertes par semaine et par équipement son système a produites ailleurs, et quelle fraction a été confirmée à l’inspection.

Budgétez ensuite les alertes : décidez combien un technicien peut en instruire dans une semaine sans déplacer du travail planifié, et réglez sur ce nombre. Envoyez les éléments de preuve avec l’alerte — la tendance, la bande de fréquence qui a bougé, la machine sœur pour comparer — et autorisez trois issues plutôt que deux : agir maintenant, surveiller avec une date de nouvelle mesure, ou écarter avec un motif enregistré.

ROI de la maintenance prédictive : coût d’arrêt et arithmétique du TRS

La plupart des business cases surestiment le bénéfice en valorisant tous les arrêts au chiffre d’affaires perdu, et se font rattraper en deuxième année, quand les économies n’apparaissent sur aucun compte.

Le bon point de départ est plus étroit : la valeur est l’écart entre un arrêt non planifié et l’intervention planifiée qui le remplace, multiplié par le nombre d’événements que vous convertissez réellement. Une panne non planifiée coûte la pièce, la main-d’œuvre en heures supplémentaires, les dégâts secondaires — un roulement qui tourne jusqu’à la destruction emporte souvent l’arbre et le palier avec lui — le produit rebuté dans la machine, le transport express, et la perturbation de tout ce qui était programmé derrière. La version planifiée coûte la pièce et la main-d’œuvre dans un créneau que vous avez choisi. C’est cet écart qui est le gain, et il n’est pas égal au coût complet de l’arrêt.

Que les minutes perdues portent ou non une valeur de chiffre d’affaires dépend de deux choses : l’équipement est-il le goulot, et l’usine est-elle limitée en capacité. Si la ligne est le goulot et que vous vendez tout ce que vous produisez, une heure perdue est de la marge perdue définitivement. S’il y a du mou, la commande est rattrapée plus tard dans la semaine, et le coût honnête est la majoration des heures supplémentaires, pas le chiffre d’affaires.

Le TRS est l’endroit où les pertes deviennent visibles. Un arrêt non planifié frappe directement la disponibilité, mais aussi la performance par la montée en cadence lente après le redémarrage, et la qualité par les rebuts de démarrage, si bien qu’un calcul limité à la disponibilité le sous-estime. Ce que le TRS ne sait pas faire, c’est dire ce que vaut une heure perdue ; seule l’analyse du goulot le dit. Retranchez ensuite le temps humain récurrent nécessaire pour qualifier les alertes et entretenir les modèles à mesure que machines et produits changent — la ligne absente de toutes les propositions, et celle qui décide si le système tourne encore en troisième année.

Gestion des pièces de rechange : préavis contre délai fournisseur

Une prédiction n’est utile que si vous pouvez agir dans le préavis qu’elle donne, ce qui en fait une comparaison de deux durées pour chaque mode surveillé : le préavis du signal et le délai de la pièce. Quatre semaines de préavis sur une pièce que vous stockez, c’est une décision d’ordonnancement. Quatre semaines sur un réducteur à cinq mois de délai, ce n’est pas une prédiction, c’est un compte à rebours. Le volet pièces appartient donc à la première phase : celui qui qualifie une alerte doit voir si la pièce est en magasin, détenue sur une autre ligne, ou pas possédée du tout, et l’ordre de travail doit la réserver à sa création, pas quand le technicien descend au magasin et trouve le casier vide.

L’incertitude sur la date de défaillance n’est qu’une des raisons d’avoir du stock de sécurité. La variabilité des délais fournisseurs, les quantités minimales de commande, le transport et le risque d’obsolescence sur les machines anciennes, et le fait qu’une même référence couvre en général plusieurs équipements et plusieurs modes que vous ne surveillez pas, sont toujours là après l’arrivée du signal. Un préavis qui dépasse de façon fiable le délai fournisseur supprime une raison sur un équipement, ce qui suffit rarement à déplacer un niveau de stock à lui seul. Convertissez d’abord les préavis en créneaux planifiés, et revoyez les niveaux de stock après une année de preuves.

Pourquoi la boucle des ordres de travail dans la GMAO doit se refermer

La chaîne qui va du signal au résultat changé compte plus de maillons que le schéma d’aucune proposition. Une mesure franchit un seuil. Quelqu’un est notifié, et ce quelqu’un a un nom et une équipe, pas une liste de diffusion. Il qualifie l’alerte au vu des éléments de preuve et choisit d’agir, de surveiller ou d’écarter. S’il agit, un ordre de travail est créé avec le mode suspecté renseigné, la pièce réservée et un créneau demandé. La planification accorde ce créneau, ce qui suppose que le programme de production reçoive une demande de maintenance comme une contrainte et non comme une discussion de couloir. Vient alors l’étape dont tout dépend : le technicien enregistre ce qu’il a trouvé, dans un champ codifié, en regard de l’alerte qui l’a envoyé.

Cassez n’importe quel maillon et le reste est décoratif. Une alerte qui atterrit sur un tableau de bord que personne n’ouvre. Un ordre de travail créé dans un système qui ne sait rien des pièces de rechange. Un créneau négocié oralement à chaque fois. Et le plus destructeur, une clôture qui saisit « roulement remplacé » en texte libre, parce que cette phrase ne peut être ni comptée, ni comparée entre équipements, ni utilisée pour entraîner quoi que ce soit.

Une codification structurée des défaillances, arrêtée une fois et utilisée à chaque fois, fait la différence entre un historique de maintenance et un tas de notes. C’est aussi pourquoi un système prédictif ne peut pas remplacer une GMAO : il produit un déclencheur, et la GMAO le transforme en travail, en pièces, en enregistrement et en chiffres qui disent si tout cela a servi à quelque chose.

À quoi ressemble un premier déploiement réaliste de maintenance prédictive

Cinq à quinze équipements, pas une usine. Ils sortent de la classification sur douze mois ci-dessus : là où l’argent se trouve dans la dégradation mécanique progressive, là où l’équipement limite la production ou la défaillance abîme le produit, et là où un technicien sait déjà décrire le signe avant-coureur.

Commencez par les données que vous possédez déjà. Les courants de variateurs, les temps de cycle, les pressions et les températures que l’automate produit déjà coûtent bien moins cher à collecter qu’une instrumentation neuve et répondent souvent directement à la question, pour peu qu’un historian les conserve et qu’un accès aux variables permette de les lire. N’ajoutez de l’instrumentation que là où les signaux existants ne voient pas le mode : des accéléromètres fixes là où c’est justifié, de la collecte portable en ronde ailleurs, des prélèvements d’huile sur les carters, et une campagne de thermographie des armoires électriques à charge représentative, à travers des hublots infrarouges posés ou sous permis de travail sous tension, parce qu’une campagne faite au dixième de la charge normale ne trouve rien et se classe comme un résultat propre.

Écrivez les critères de réception avant l’arrivée des capteurs, dans des termes que quelqu’un comprendra encore un an plus tard : alertes par semaine et par équipement, fraction confirmée à l’inspection, préavis effectivement obtenu, et nombre d’arrêts non planifiés convertis en créneaux planifiés. Pas l’exactitude du modèle, sur laquelle personne à l’atelier ne peut agir.

Nommez un responsable côté maintenance, pas côté informatique, et faites une revue à six mois sur ces indicateurs avancés, parce que ce sont les seuls qui auront bougé. La mesure retardée, les arrêts non planifiés évités, exige assez d’événements pour être autre chose que du bruit, et sur dix équipements qui tombent en panne quelques fois par an, dont une partie seulement de la façon que le système surveille, cela va bien au-delà d’un an. Juger à six mois sur les arrêts non planifiés, c’est ainsi qu’un système qui marche se fait annuler et qu’un système inutile se fait étendre. Abordez cette revue en acceptant de conclure que, sur certains équipements, des rondes conditionnelles avec un appareil de mesure et une personne formée sont la bonne réponse. C’est un projet réussi, pas un projet raté.

Où se place le module de maintenance

Le module Système de Gestion de la Maintenance de Meta Smart Factory couvre le côté GMAO de la boucle ci-dessus : arborescence et historique des équipements, plans préventifs sur temps ou sur compteurs, ordres de travail avec constats codifiés, pièces de rechange réservées sur l’ordre, et des chiffres de MTBF, MTTR et coût par équipement qui tombent de ces enregistrements au lieu d’être reconstitués après coup. Les arrêts saisis dans le MES créent la notification sans que personne ne la ressaisisse, le créneau demandé parvient à l’APS comme une contrainte d’ordonnancement plutôt que comme un coup de téléphone, les données d’état arrivent par la même connectivité IIoT et OPC UA, et le suivi de tendance et la détection d’anomalies tournent dans le module IA et machine learning une fois qu’il existe une base de référence qui vaille la peine.

La séquence compte plus que la liste des modules. Classer douze mois de vos propres défaillances ne coûte que du temps, décide si les capteurs sont le bon achat, et constitue une première conversation plus utile que de regarder une alerte se déclencher sur le roulement de quelqu’un d’autre.