Selon les données du cabinet de conseil McKinsey, la maintenance prédictive peut réduire les temps d'arrêt des machines jusqu'à 50% et augmenter la durée de vie de 20% à 40%.
Juin/2022 - Pour contourner le degré élevé d'incertitude de l'année dernière, la faible croissance et d'autres défis liés aux matières premières, qui sont devenues plus chères ou difficiles à obtenir, les industries ont compris qu'elles devaient extraire la plus grande valeur possible de leurs actifs - qui sont les biens sur lesquels une entreprise peut avoir un contrôle, tels que les outils, les machines et les moteurs, les matières premières, l'équipement informatique, entre autres.
S'ils ne sont pas bien entretenus, que ce soit dans différents secteurs tels que l'exploitation minière, la pétrochimie, l'énergie, le papier, l'alimentation, les produits pharmaceutiques ou les transports, des coûts de maintenance élevés peuvent compromettre la rentabilité.
Afin de trouver de nouveaux moyens d'accroître la productivité de leurs opérations, certaines entreprises ont déjà commencé à concevoir leur parcours vers l'industrie 4.0.
Selon Ana Paula Kubinhets, PDG de https://aquarelle.com.br/wp-content/uploads/2022/08/PHOTO-2022-06-09-18-39-14.png, une société de conseil et de solutions pour l'industrie 4.0, la gestion des actifs et le contrôle de la qualité, la première étape consiste à systématiser la gestion des actifs et à numériser les processus manuels via le mobile.
"Après cette étape, l'utilisation de capteurs IoT (internet des objets), qui comprennent le comportement des actifs et envoient des messages à un système d'analyse, est indispensable pour prédire les éventuelles défaillances de production, estimer quand une machine est susceptible de tomber en panne et identifier la cause profonde du problème, en émettant des alertes en temps réel aux responsables", explique Kubinhets.
Selon les données du cabinet de conseil McKinsey, la maintenance prédictive, améliorée par l'intelligence artificielle, peut générer une réduction de 40% des coûts de maintenance, ainsi qu'une réduction des temps d'arrêt des machines pouvant atteindre 50% et une augmentation de la durée de vie utile de 20% à 40%. Associée à d'autres approches d'analyse avancée, telles que l'apprentissage automatique et les plateformes de visualisation pour découvrir de nouveaux moyens d'optimiser vos processus, de l'approvisionnement en matières premières à la vente de produits finis, elle peut améliorer votre marge EBITDA (bénéfice avant intérêts, impôts et amortissements) de 4% à 10%.
Pour Ana Paula Kubinhets, le grand défi des acteurs industriels d'aujourd'hui réside dans l'application à grande échelle des technologies avancées de maintenance prédictive à l'ensemble de leurs opérations. "La mise en œuvre d'une opération intelligente nécessite une cartographie approfondie des processus afin d'identifier les principaux points critiques, en commençant par ceux où, en cas de défaillance, l'impact financier pour l'entreprise sera le plus important", explique-t-elle.
L'expert fait remarquer qu'il ne suffit pas d'avoir des capteurs dans les équipements. "Si les appareils ne sont pas programmés pour envoyer des informations à un centre de données intelligent, cela ne fera que retarder ce processus. L'avènement de l'industrie 4.0 est irréversible et les entreprises doivent commencer à s'y préparer, non seulement en concevant ce parcours de l'industrie 4.0, mais aussi en le mettant en œuvre.
Mais le fait de disposer d'un calendrier fera toute la différence en termes de productivité, de coûts et de livraison des produits à vos clients. Sinon, ils seront hors jeu", analyse Ana Paula.
Selon le dirigeant, cela est vrai pour de nombreuses entreprises dans les services de détail, les industries de transformation, les biens de consommation, qui ont de multiples actifs, un large éventail de causes de temps d'arrêt et des modes de défaillance de grande valeur (par exemple, dans l'équipement critique) qui se produisent peu fréquemment chaque année, ce qui rend la prédiction précise par les méthodes traditionnelles d'intelligence artificielle plus difficile. S'ils ne tirent pas parti des données - qui constituent une énorme source d'intelligence potentielle - s'ils n'investissent pas dans la technologie, l'automatisation, la gestion des actifs, la détection, la surveillance et la prédiction, ils resteront à la traîne.
Une étude de la CNI (Confédération nationale de l'industrie) portant sur 500 entreprises révèle que huit grandes et moyennes industries brésiliennes sur dix ont innové en 2020 et 2021, ce qui a entraîné une croissance de la productivité, de la compétitivité et des résultats financiers. Pour les trois prochaines années, la priorité des entreprises est d'innover afin d'augmenter le volume des ventes (49%), de produire à moindre coût (49%), de produire plus efficacement (41%), d'augmenter le volume de production (34%) et de fabriquer de nouveaux produits (27%).
Comment mettre en pratique l'industrie 4.0 ?
Aujourd'hui, il existe des capteurs moins chers qui peuvent être adaptés à tous les besoins, une plus grande disponibilité des données et une plus grande puissance de traitement, ainsi qu'un écosystème plus solide de partenaires techniques qui investissent dans la propriété intellectuelle nécessaire pour industrialiser davantage le processus d'élaboration de modèles de maintenance prédictive.
Quelques pratiques pour une mise en œuvre réussie de la maintenance prédictive à grande échelle :
1- Choisissez soigneusement les actifs à inclure - donnez la priorité à ceux qui sont essentiels aux opérations et dont la défaillance pourrait entraîner une perte de production immédiate.
2- Pensez aux bons partenaires technologiques - certains proposent des licences logicielles avec des solutions "plug and play" pour des problèmes spécifiques, tandis que d'autres offrent des solutions qui permettent de s'adapter aux besoins de l'installation (processus, lots, machines multiples), la surveillance à distance. Le bon partenaire peut fournir une formation sur mesure au personnel concerné, l'impliquer tout au long du déploiement pour s'assurer de son adhésion, ou intégrer la maintenance prédictive dans les systèmes de flux de travail existants.
3- Donner aux modèles prédictifs le temps de s'améliorer - ils font partie d'un processus permanent d'amélioration continue.
4- Donner la priorité aux personnes - une mise en œuvre réussie nécessite également de nouveaux processus et de nouvelles mentalités pour intégrer les changements. Il est fondamental de clarifier les responsabilités de chaque utilisateur et de fournir une formation continue pour doter l'organisation des compétences techniques nécessaires à la solution numérique.
En fin de compte, le système de maintenance prédictive générera d'autant plus de valeur qu'il produira des actions dérivées de l'alarme déclenchée par le système. "Les entreprises leaders insèrent la maintenance prédictive dans l'écosystème numérique plus large de l'organisation, en l'intégrant dans les systèmes numériques de gestion du travail nouveaux ou existants", explique Ana Paula Kubinhets, PDG d'Aquarelle, le premier cabinet de conseil en Amérique latine et le deuxième au monde à vendre et à déployer le parcours 4.0 complet du système IBM Maximo Application Suite sur le marché brésilien, lancé en 2020. Aquarelle a actuellement mis en œuvre ce parcours au Brésil, au Paraguay, aux États-Unis et en Grèce.