MAINTENANCE 4.0 - 3ème Article Maintenance prédictive: Fiabilisation et Prédiction

Dans le cadre de notre série d’articles nous essayons d’éclairer un aspect de la maintenance 4.0.

Nous vous invitions à consulter les différents articles de la série."BIM et Usine du Futur : une réalité d’aujourd’hui" et "MAINTENANCE 4.0 : Notre Vision – Ses Enjeux

Anticiper les pannes grâce à l’agrégation et l’analyse des données de production. C’est la promesse de la maintenance prédictive. Près de 50 % des 220 industriels interrogés par "L’Usine Nouvelle" et KPMG disent déjà la mettre en place. La maintenance préventive, qui consiste à élaborer un calendrier des révisions, reste toutefois la forme de maintenance la plus plébiscitée (par 91 % des répondants). L’adoption du prédictif est plus lente, car elle requiert des compétences en numérique, notamment des spécialistes de la donnée. C’est d’ailleurs le principal frein cité par les décideurs. Ce type de méthode nécessite aussi l’implication des techniciens pour identifier les données pertinentes. Un enjeu que semblent avoir pris en compte les entreprises interrogées. Car elles sont 83 % à affirmer que leurs techniciens de maintenance sont décisionnaires ou donnent au moins leur avis sur la digitalisation.

Cette étude montre logiquement à quel point la disponibilité des équipements est essentielle pour les industriels. Mais plus intéressant est de voir que les deux tiers des entreprises (65 %) estiment qu’il s’agit d’une priorité pour améliorer leur performance. Et donc elles sont convaincues qu’elles ont beaucoup à gagner sur ce poste,  devant la réduction des coûts et l’amélioration de la qualité.

Parmi les différents outils de l’industrie du futur, ceux relatifs à la maintenance ont une place de choix. Ainsi, 83 % des sondés disent avoir déployé ou être en train de déployer une solution de gestion de maintenance assistée par ordinateur (GMAO), 78 % un outil de télémaintenance, 60 % de maintenance prédictive, bien devant la réalité virtuelle et augmentée (30 %) et l’impression 3D (34 %). Sans surprise, les grands groupes adoptent plus rapidement ces différents outils, contrairement aux petites structures, plus frileuses. D’autant que le retour sur investissement peut être relativement long,  trois à cinq ans selon 32 % des répondants.

On peut en tirer plusieurs enseignements :

• Bien sur il faut d’abord mettre en place les basiques avant de se projeter sur des sujets plus pointus. Que la mise en place d’une GMAO fait partie de ces basiques et que bien l’exploiter apporte déjà beaucoup de valeur,
• Que toute démarche digitale et l’implantation d’outils numériques prend du temps, que les organisations mettent du temps à se les approprier pleinement et bénéficier de tous les avantages induits
• Qu’une GMAO peut facilement être complétée d’outils mobiles pour accompagner les techniciens de maintenance et élargir considérablement le retour et l’efficacité pour l’entreprise.
• Que la qualité et le volume des données collectées sont des facteurs clés  pour faire de la maintenance prédictive et donc qu’il convient de mettre en place les bons process et outils en amont dès la mise en place de la GMAO et donc ne pas hésiter à se faire accompagner pour cela.

Nous reviendrons plus tard sur les enjeux et apports de l’IA et du Big Data pour la mise en place d’une vraie démarche de maintenance prédictive.