Maintenance prédictive : passer du "fail & fix" au "prevent & predict"

Face à la mutation profonde du secteur Energie et Utilities, la nécessité de garantir la continuité de fonctionnement s’impose en toutes circonstances. En identifiant les risques de pannes grâce à la connaissance fine des équipements, la maintenance prédictive répond à cet enjeu. Et apporte la promesse d’un modèle productif optimisé.

ÉTAT DES LIEUX

Un secteur confronté à une profonde mutation

Concurrence de nouveaux entrants, demande énergétique en hausse, autoconsommation, enjeu climatique, infrastructures vieillissantes, réglementation, smart grid, smart cities, smart buildings… les acteurs du secteur de l’énergie et des utilities sont aujourd’hui confrontés à des mutations profondes. L’électricité, le gaz et l’eau sont désormais considérés comme des commodités ; leur valorisation ne se situe plus dans leur accès mais dans leur usage et les services associés. Par exemple, répartir dynamiquement la fourniture d’électricité dans un quartier, réguler à distance la température de confort d’un bâtiment ou garantir le bon fonctionnement d’un champ d’éoliennes.

Ces services nécessitent une gestion optimale des équipements de production, transport et distribution tout en portant l’accent sur la réduction des coûts. Intervenir sur un actif non pas en fonction d’un calendrier prévisionnel mais selon son état réel est l’un des enjeux de la maintenance prédictive. Après le curatif et le préventif, cette nouvelle approche de la maintenance s’appuie sur la connaissance profonde des équipements pour anticiper de manière affinée les risques de défaillances.

La maintenance prédictive tire profit de la digitalisation des équipements. Reliés à des capteurs connectés, ces derniers émettent des signaux faibles sur leur état de fonctionnement. Après traitement, les données recueillies sont comparées à des « signatures » de panne modélisées par des algorithmes prédictifs à partir des informations historiques de dysfonctionnement des appareils. Quand l’état d’un équipement se rapproche d’une signature, l’alerte est lancée en temps réel afin d’engager une remédiation avant la panne.

RELEVER LE DÉFI

La maintenance prédictive, un programme d’entreprise

L’enjeu consiste donc à bénéficier du taux de détection le plus fiable possible dont le seuil d’alerte s’affine au fil des usages par auto-apprentissage du machine learning. L’intégration de données externes, notamment météorologiques, peut aussi aider à mesurer l’influence de l’environnement immédiat sur la qualité de fonctionnement de l’équipement afin d’adapter la production en conséquence. Cette anticipation permet de programmer les interventions au plus près des besoins pour éviter les déplacements inutiles et couteux du technicien, optimiser la logistique des pièces détachées et prévenir les baisses de productivité en évitant les risques d’arrêts imprévus. Pour un site connecté, la connaissance fine de l’état des équipements et la gestion anticipée des pannes sont appelés à se traduire par des économies de coûts de consommation et une productivité améliorée.

Choisir les objets à connecter, qualifier les données à traiter, sélectionner les protocoles de communications, valider les algorithmes d’analyse, les tableaux de bord, etc., nécessite de combiner les expertises métiers, télécoms et IT (SI, UX/UI Design) dans une logique de co-construction. Un projet de maintenance prédictive s’inscrit dans un programme d’entreprise avec ses nombreux chantiers : pilotage de projet, data management, assemblage des briques technologiques, déploiement industriel, conduite du changement (faire travailler ensemble des équipes qui ne se croisent habituellement pas) en partant du nécessaire business plan impliquant le Comex. Un programme d’autant plus complexe qu’il s’inscrit dans la digitalisation globale de l’entreprise.

REPÈRES

630 milliards de dollars : c’est le montant que les entreprises devraient économiser d’ici 2025 grâce à la maintenance prédictive selon une étude McKinsey*. La réduction des coûts de maintenance comptera pour 10 à 40% des économies, le nombre de pannes sera réduit de moitié et les montants investis dans de nouvelles machines baissera de 3 à 5% en augmentant leur durée de vie.
(*Source : www.mckinsey.com)

CAS d’USAGE 1

Lutter contre les fuites

En France, les fuites représentent en moyenne 24% de l’eau traitée et transportée, et jusqu’à 50% par endroits (source : Observatoire des services d’eau et d’assainissement*). Pour lutter contre cette perte, un opérateur de réseau a déployé des capteurs acoustiques tous les 800 mètres sur ses canalisations. « Ecouter » le réseau permet de détecter les nouvelles fuites, d’intervenir en conséquence et d’augmenter son rendement.
(*Source :  www.services.eaufrance.fr)

CAS d’USAGE 2

Maintenir la production d'énergie

Un exploitant de parc d’éoliennes installe des capteurs de vibrations pour repérer les anomalies des composants mécaniques (boîtes de transmissions, génératrices) afin de prévenir les risques de panne soudaine et maintenir sa production électrique. Une analyse plus détaillée issue de la combinaison de ces données à d’autres facteurs (vitesse du vent, température…) facilite les choix pour renforcer la durée de vie de ses éoliennes.

CAS d’USAGE 3

Optimiser le réseau grâce aux données de consommation

Les compteurs communicants, comme Linky en France, fournissent une vue en temps réel de la consommation d’énergie par zones jusqu'aux équipements électriques d’une résidence. Au-delà de l’équilibrage de la charge de son réseau, le distributeur peut exploiter cette connaissance granulaire pour proposer des services d’information sur les consommations et d’alertes en cas de défaillance électrique d’un appareil. A la clé : réduction de la consommation, satisfaction client et sa fidélisation.

#Parole d’observateur

« Concurrence oblige, producteurs d’énergie comme industriels doivent s’assurer de l’absence d’interruption de production ou de service de leurs sites. En disposant d’informations granulaires sur le fonctionnement de leurs équipements, ils peuvent anticiper sur les aléas de production. Et affiner l’usage des machines selon des paramètres externes, climatologiques notamment. La maintenance prédictive est le Minority Report de la maintenance. »
François Boncenne, Directeur général, Energy Utilities & Chemical, Gfi Informatique

#Solution Gfi

Intégrateur de bout en bout de l’ensemble des briques technologiques (IoT, Big Data, Analytics, IA, Data Vizualisation, UX/UI design, portail, mobile, API, intégration SI) sur 100% la chaîne de valeur, Gfi accompagne la transformation digitale de l’entreprise en s’appuyant sur les plateformes Cumulocity (Software AG), Microsoft Azure IoT ou SAP Leonardo ainsi que l’environnement de traitement Big Data Hadoop. Du consulting à l’acquisition des données et leur visualisation en passant par leur traitement, enrichissement, stockage et exportation, Gfi se distingue par sa capacité à proposer un modèle industrialisé, agile et sur mesure.

Télécharger le PDF

Mots clésEnergieUtilities

Articles liés

Partager