Une chaîne de production dans une grande usine de fabrication s'arrête brusquement. C'est une pompe essentielle du système de refroidissement qui tombe en panne sans prévenir. Alors que la chaîne de production commence à chauffer, les opérateurs sont contraints d'arrêter l'ensemble du processus. S'ensuit alors une réaction en chaîne : d'abord une main-d'œuvre inactive et des délais de livraison non respectés, puis une commande urgente de pièces de rechange et une pression croissante.
Saviez-vous que ces arrêts imprévus coûtent aux fabricants américains jusqu'à $207 millions par semaine? Et pas moins de 55% d'entreprises sont confrontées à ces situations une fois par an.
Et si ces temps d'arrêt pouvaient être anticipés ? De nombreux secteurs à forte intensité d'actifs intègrent déjà des temps d'arrêt planifiés dans leurs stratégies. Ceux-ci sont généralement consacrés à la maintenance préventive, lorsque les actifs ne sont pas utilisés, ou à des opérations similaires. Cependant, les entreprises peuvent également prévenir les temps d'arrêt imprévus en atténuant les conséquences d'événements inattendus. C'est là que la surveillance de l'état des équipements entre en jeu.
Si vous vous demandez ce qu’est la surveillance de l’état des équipements, il s’agit du processus consistant à suivre, de manière continue ou périodique, l’état de fonctionnement des machines ou des équipements. Cela s’effectue à l’aide de capteurs qui recueillent des données sur les paramètres d’état d’un équipement, tels que les vibrations, le niveau d’huile, la température et la pression. À partir de ces données, les équipes de maintenance peuvent détecter les anomalies par rapport au comportement normal de fonctionnement.
Comment la surveillance basée sur l'état fait évoluer la conception de la maintenance
Le comportement des équipements est imprévisible, et pourtant, la plupart des stratégies traditionnelles reposaient sur cette prévisibilité. Les équipes s'appuyaient sur des calendriers fixes fondés sur la prévisibilité des pannes. Par exemple, une machine plus sujette aux pannes faisait l'objet d'une maintenance deux fois par mois. En revanche, un composant tel qu'un roulement était remplacé tous les six mois.
Si cette approche offre une structure, elle engendre également des inefficacités. Que se passe-t-il si un composant d'un système est remplacé avant la fin de sa durée de vie prévue ? Ou si un composant tombe en panne parce que son état n'a jamais été évalué en temps réel ?
La surveillance de l'état des équipements change la donne dès la base. En termes simples, elle fait passer l'accent non plus sur le moment où la maintenance doit être effectuée, mais sur la raison pour laquelle elle doit l'être.
Cette évolution permet de définir une référence en matière de performances opérationnelles attendues d'une machine ou d'un équipement. Au fil du temps, les capteurs permettent de détecter les écarts par rapport à cette référence, ce qui donne aux équipes de maintenance la possibilité d'agir de manière proactive. Plutôt que d'attendre qu'une panne survienne pour réagir, la maintenance peut être mise en œuvre dès l'apparition des premiers problèmes.
En raison de cette évolution, la demande en systèmes de surveillance de l'état des équipements est en hausse à l'échelle mondiale. Selon Fortune Business Insights, le marché représentait $3 milliards en 2025. Avec un TCAC de 9,7% entre 2026 et 2034, il devrait plus que doubler pour atteindre $6,8 milliards.
Cette évolution ne se limite pas à passer d'une maintenance basée sur le calendrier à une maintenance basée sur l'état des équipements. Elle consiste également à passer des indicateurs de retard aux indicateurs avancés, et d'une maintenance réactive à une planification proactive.
Le tableau ci-dessous illustre comment la surveillance basée sur l'état modifie l'ensemble de l'organisation de la maintenance :
| Fonctionnalité | Surveillance traditionnelle | Surveillance basée sur l'état |
|---|---|---|
| Déclencheur principal | Cette surveillance repose sur des calendriers fixes ; ainsi, une inspection effectuée au cours de l'un de ces cycles ou une défaillance totale constituera le point de déclenchement. | Les déclencheurs sont basés sur des seuils en temps réel |
| Connaissance des actifs | Les plans d'entretien sont élaborés en fonction des recommandations générales du constructeur. | Les données relatives aux paramètres vitaux de chaque actif sont collectées en temps réel |
| Culture d'équipe | Les équipes sont récompensées lorsqu'elles résolvent rapidement les problèmes | Ici, la récompense ne consiste pas à réparer, mais à faire en sorte que tout continue de fonctionner |
| Stock | Approvisionnement basé sur les habitudes d'achat passées | Le parc est optimisé au moment opportun en fonction de l'état des équipements et des prévisions de pannes |
Une approche multiparamétrique de la surveillance des actifs
Même s’il est possible qu’un équipement tombe en panne pour une seule raison, ce n’est généralement pas le cas. Des altérations mécaniques, thermiques et chimiques peuvent toutes se produire simultanément. C’est pourquoi il est important de prendre en compte plusieurs aspects de l’état d’un équipement à la fois. La surveillance de l’état des équipements facilite cette démarche en suivant différents paramètres d’état.
Chacun de ces paramètres donne un aperçu du fonctionnement d'une machine en temps réel. La température, par exemple, met en évidence les contraintes thermiques et les pertes d'énergie, et constitue l'un des premiers signes de défaillance. Elle indique une augmentation des frottements au niveau des roulements, une résistance électrique dans les moteurs ou une baisse de l'efficacité du refroidissement.
La pression, quant à elle, fournit des informations sur l'écoulement du fluide. Par exemple, une baisse de pression indique la présence d'une fuite quelque part, tandis qu'un pic peut signifier une résistance ou un blocage.
Les paramètres de qualité de l'huile constituent également des indicateurs permettant d'obtenir des informations directes provenant de l'intérieur de la machine. La viscosité influe sur les performances de lubrification, les particules métalliques signalent l'usure et la contamination par l'eau accélère la corrosion. Étant donné que chaque déséquilibre, désalignement, jeu ou défaut de roulement génère des profils de fréquence uniques, les vibrations constituent un autre facteur riche en informations.
Tous ces paramètres peuvent permettre de détecter les défaillances des machines à un stade précoce. Il est toutefois préférable d'interpréter ces signaux dans leur ensemble. Vous obtiendrez ainsi une vision globale du problème. Grâce à cette vision globale, vous pourrez collaborer avec les équipes de maintenance et d'ingénierie afin d'identifier les problèmes et de les résoudre à la source.
Techniques de surveillance de l'état des équipements
Comme indiqué dans la section précédente, vous devez surveiller plusieurs paramètres des équipements. Pour ce faire, différentes techniques sont utilisées, chacune s'appuyant sur un type de capteur différent pour collecter les informations pertinentes. Savoir quelle technique est la mieux adaptée pour détecter telles ou telles anomalies facilite considérablement l'ensemble du processus de surveillance basée sur l'état.
Surveillance des vibrations
L'analyse des vibrations des machines tournantes est l'une des techniques les plus anciennes et les plus utilisées dans le cadre de la surveillance de l'état des équipements. Selon Perspectives du marché futur, elle détient environ 30,61 TP3T de la part de marché totale du secteur des systèmes de surveillance conditionnelle.
Les capteurs utilisés pour cette technique de surveillance sont appelés accéléromètres. Ils recueillent des données sur les vibrations que vous pouvez traiter à l'aide d'une analyse du spectre de fréquences ainsi que de la détection d'enveloppe.
L'objectif principal de ces systèmes est de détecter dès les premiers stades les déséquilibres, les désalignements d'arbres et d'autres problèmes mécaniques.
Surveillance électromagnétique
La surveillance électromagnétique permet de suivre les variations du champ magnétique ; c'est pourquoi elle ne s'applique qu'aux équipements électriques. Les résultats de l'analyse obtenus grâce à cette technique sont liés au passage du courant dans un moteur ou à l'interaction entre le rotor et le stator.
Les capteurs utilisés ici recueillent des données sur la configuration du flux magnétique et les émissions électromagnétiques d'une machine en fonctionnement. Ces signaux peuvent ensuite être analysés afin de détecter d'éventuelles asymétries ou distorsions.
La surveillance électromagnétique est la méthode la plus efficace pour détecter :
- Barres de rotor cassées
- Défauts d'enroulement du stator
- Excentricité de l'entrefer
- Déséquilibre électrique
Cette technique est précieuse pour obtenir une vue d'ensemble, car elle permet de détecter les défauts internes du moteur sans qu'il soit nécessaire de l'arrêter ou de le démonter.
Thermographie infrarouge
Cette technique permet de visualiser la répartition de la température, un indicateur clé de l'état de santé de la machine. Lorsqu'un équipement doit fournir un effort supplémentaire pour atteindre ses performances nominales, il commence à chauffer. Détecter cette élévation de température à un stade précoce peut révéler des problèmes sous-jacents susceptibles d'entraîner une panne s'ils ne sont pas traités rapidement.
Outre les capteurs, des caméras sont également utilisées pour collecter des données de thermographie infrarouge. Ces caméras infrarouges capturent des images thermiques afin d'identifier les zones où la chaleur est la plus intense. Si le niveau de chaleur dépasse un seuil donné, la solution de surveillance des états d'exploitation peut déclencher une alerte automatique à l'intention de l'équipe de maintenance.
Grâce à cette technique, vous pouvez détecter une dégradation de l'isolation, une surchauffe des roulements, ainsi que des obstructions au niveau de la circulation d'air ou des problèmes de refroidissement.
Interférométrie laser
Comme son nom l'indique, cette technique utilise des faisceaux laser pour détecter des anomalies dans différents motifs. Comme elle consiste à créer et à surveiller ces motifs à l'aide de faisceaux laser, elle figure parmi les techniques de surveillance d'état les plus précises.
Il permet de suivre les variations à l'échelle du micron ou du nanomètre. C'est pourquoi il est très utilisé dans les secteurs où la précision influe sur la qualité des produits, comme celui des semi-conducteurs ou de l'aérospatiale. Cependant, bien qu'il soit très efficace et précis, sa mise en œuvre est également un peu coûteuse.
Lorsqu'il est correctement installé, ce dispositif permet de détecter le désalignement des arbres, les microvibrations et les déformations structurelles sous charge.
Analyse de l'huile
Si vous souhaitez vérifier l'état de fonctionnement interne d'une machine, l'analyse d'huile constitue un moyen simple d'y parvenir. Elle permet d'examiner le lubrifiant au fur et à mesure de son passage dans le système. De ce fait, l'huile contient également toutes les traces d'usure et de corrosion présentes dans la machine.
La plupart des autres techniques figurant sur cette liste nécessitent des capteurs, mais ce n'est pas le cas de l'analyse d'huile. Dans ce cas, des échantillons d'huile sont prélevés puis analysés en laboratoire. Toutefois, des capteurs intégrés au circuit peuvent tout de même être présents et permettre de surveiller des paramètres tels que la viscosité et le nombre de particules.
Cette technique est particulièrement efficace pour détecter :
- Usure des engrenages et des roulements
- Contamination
- Décomposition du lubrifiant
- Dommages internes à un stade précoce
Contrôle par émissions acoustiques
L'acoustique est une question de fréquence, et c'est précisément ce que détecte le contrôle par émissions acoustiques. Chaque machine génère des fréquences, qu'elles soient dues au frottement, à la rotation ou à la déformation des matériaux. Quelle que soit la cause, ces fréquences peuvent être surveillées et comparées à des données de référence à l'aide de capteurs qui détectent les ondes élastiques transitoires.
Ces capteurs sont particulièrement efficaces pour détecter la formation de fissures ou les frottements en surface. En outre, ils permettent également de détecter précocement les défauts des roulements et les concentrations de contraintes structurelles.
Analyse par ultrasons
L'analyse par ultrasons repose sur des ondes sonores à haute fréquence inaudibles pour l'oreille humaine. Les capteurs utilisés dans cette technique peuvent être portatifs ou fixes. Ils captent les ondes ultrasonores, qui sont ensuite converties en signaux audio ou visuels à des fins d'analyse.
L'analyse par ultrasons est particulièrement indiquée pour détecter des anomalies dans les systèmes mécaniques et électriques. Elle permet de repérer les fuites d'air comprimé, de gaz et de vapeur, ainsi que les arcs électriques.
Analyse radiographique
La radiographie utilise des rayons X ou des rayons gamma pour détecter d'éventuels problèmes à l'intérieur d'une machine sans avoir à la démonter. Comme en imagerie médicale, les images sont générées en fonction de la manière dont les rayons traversent l'équipement. Cela permet de mettre en évidence les anomalies en comparant les résultats obtenus avec les données de référence.
Le plus performant pour détecter :
- Fissures internes
- Vides et inclusions
- Défauts de soudure
- Irrégularités structurelles
Cette technique est très répandue dans les applications à haut risque où l'intégrité interne est essentielle, comme les récipients sous pression et les canalisations.
Analyse des signatures électriques
Les défauts de rotor, les déséquilibres de charge, les perturbations de la qualité de l'énergie et d'autres anomalies génèrent des formes d'onde électriques variables. L'analyse des signatures électriques permet de surveiller l'ensemble de ces phénomènes afin de détecter toute anomalie. Cette méthode permet de surveiller les équipements sans avoir à installer de capteurs mécaniques supplémentaires.
Outre celles mentionnées dans cette liste, il existe d'autres techniques de surveillance de l'état des équipements que vous pouvez utiliser. Par exemple, la surveillance des impulsions de choc permet de mesurer les ondes de choc, l'analyse des débris d'usure s'appuie sur les particules présentes dans les lubrifiants, et la surveillance des décharges partielles permet de détecter de petites décharges électriques au sein des systèmes d'isolation.
Comment fonctionne la surveillance de l'état des équipements ?
La surveillance de l'état des équipements commence au niveau de l'interface physique entre un capteur et l'équipement qu'il surveille. Cependant, cela ne se limite pas à cela. Après avoir installé les capteurs et collecté les données, les équipes de maintenance, de réparation et d'exploitation (MRO) doivent exploiter ces données, traiter les signaux et les intégrer dans un système EAM ou une GMAO.
Ce processus permet aux équipes de direction de surveiller l'état d'un équipement et d'utiliser ces informations pour prolonger sa durée de vie en générant automatiquement des ordres de travail pour les machines qui ne fonctionnent pas de manière optimale.
Détection et acquisition de données
Chaque information générée, chaque ordre de travail déclenché et chaque défaillance détectée à un stade précoce trouve son origine dans cette couche. Comme nous l'avons vu dans la section précédente, il existe différents types de techniques de surveillance de l'état, et chacune nécessite un type de capteur différent.
Votre première tâche importante consiste donc à choisir et à installer les capteurs adaptés sur les équipements que vous souhaitez surveiller. Par exemple, les capteurs de vibrations collecteront des données relatives au déplacement, à la vitesse et à l'accélération.
Le déplacement est particulièrement utile pour les grosses machines, telles que les papeteries ou les pelles hydrauliques. Cela est particulièrement vrai aux basses fréquences, c'est-à-dire en dessous de 10 Hz. La vitesse, en revanche, est utilisée pour les fréquences moyennes, comprises entre 10 Hz et 1 kHz, tandis que l'accélération sert au diagnostic des hautes fréquences au-delà de cette plage.
Le tableau ci-dessous présente les différents types de capteurs utilisés pour enregistrer diverses données relatives aux vibrations :
Type de capteur | Gamme de fréquences | Sensibilité | Bruit de fond | Meilleure application |
|---|---|---|---|---|
Piézoélectrique (IEPE) | 0,5 Hz – 20 kHz | 10 à 1 000 mV/g | Très faible | Roulements ou toute machine rotative |
MEMS (systèmes micro-électromécaniques) capacitifs | CC – 5 kHz | 100 à 1 000 mV/g | Modéré | Machines à faible vitesse |
Sonde de proximité à courants de Foucault | CC – 10 kHz | 7,87 V/mm | Faible | C'est un avantage pour le déplacement de l'arbre et les paliers lisses. |
Vibromètre laser | CC – 1 MHz et plus | Peut varier considérablement | Très faible | Il est possible de surveiller les surfaces chaudes ou inaccessibles |
Capteur de vitesse (géophone) | 1 Hz – 1 kHz | 20 à 80 V/(m/s) | Faible | Surveillance structurelle à basse fréquence |
De même, il existe différents types de capteurs permettant de collecter différentes données. Si vous n’êtes pas tout à fait sûr, vous pouvez suivre le cadre de référence de la norme ISO 17359:2018, qui fournit des lignes directrices pour la mise en place de programmes de surveillance de l’état des équipements, y compris le choix des capteurs. Les étapes consistent principalement à répertorier les modes de défaillance d’un équipement, à identifier les paramètres mesurables qui évoluent à mesure que chaque mode de défaillance se développe, puis à sélectionner la technologie de capteurs capable de mesurer ces paramètres.
Connectivité et transport de données
Le prochain défi consiste à transférer les données des capteurs vers un système capable de les analyser. Les signaux bruts des capteurs ne sont que des valeurs qui, dans les secteurs à forte intensité d'actifs, peuvent varier des centaines de fois en une seconde. Et le transfert de ces données s'avère également bien plus complexe dans un environnement soumis à un fort bruit électrique et où l'infrastructure réseau est physiquement plus éloignée que, par exemple, dans une entreprise informatique.
Cette transmission peut désormais être activée via une infrastructure filaire ou sans fil.
Transmission par bus de terrain filaire et transmission analogique
La transmission de données par câble est la méthode la plus ancienne et reste l'une des plus fiables. Elle utilise une boucle de courant analogique de 4 à 20 mA. Cette boucle de 4 à 20 mA est une boucle de courant analogique continu dans laquelle le transmetteur convertit les signaux mesurés. Ici, 4 mA correspond à la valeur minimale (ou 0%) de la plage de mesure, et 20 mA à la valeur maximale (ou 100%). Le fait de transmettre les données sous forme de courant continu plutôt que de tension rend le signal insensible aux chutes de tension sur les longs câbles.
Ces informations sont ensuite transmises et traitées via un système tel que le protocole HART (Highway Addressable Remote Transducer). Le protocole HART ajoute aux signaux des informations pertinentes telles que l'état du capteur, l'identifiant de l'étiquette et d'autres variables secondaires.
Réseaux industriels sans fil
L'installation de capteurs filaires dans une grande usine est coûteuse. C'est pourquoi nombreux sont ceux qui optent pour des solutions sans fil, telles que WirelessHART ou ISA100.11a.
Comme son nom l'indique, WirelessHART est l'extension sans fil du protocole HART. Il fonctionne dans la bande ISM à 2,4 GHz à l'aide de radios conformes à la norme IEEE 802.15.4. Il utilise un réseau maillé à accès multiple par répartition dans le temps (TDMA). Dans ce réseau, chaque appareil fait également office de routeur, ce qui permet d'obtenir une topologie de réseau auto-organisée et auto-réparatrice.
La norme ISA100.11a est simplement une alternative à WirelessHART et remplit la même fonction.
Voici comment choisir les différents protocoles adaptés aux divers réseaux filaires et sans fil en fonction des différents cas d'utilisation :
Protocole | Couche physique | Bande passante | Fréquence de mise à jour | Cas d'utilisation |
|---|---|---|---|---|
4-20 mA | Il s'agit d'un câble en cuivre à deux fils | Variable unique (analogique) | En continu | Transmetteurs de processus simples |
HART | Fonctionne sur une boucle 4-20 mA | 1 200 bps (superposition numérique) | À la demande | Diagnostics sur les appareils 4-20 mA existants |
PROFIBUS PA | Bus à deux fils | 31,25 kbps | 100 à 1 000 ms | Bus de terrain pour l'automatisation des processus |
EtherNet/IP | Correspond à la norme Ethernet industrielle | 100 Mbps – 1 Gbps | 1 à 100 ms | E/S haut débit entre le contrôleur et le périphérique |
WirelessHART | Réseau maillé 802.15.4 à 2,4 GHz | 250 kbps (partagé) | 1 à 60 s | Transmetteurs de process sans fil |
ISA 100.11a | Réseau maillé 802.15.4 à 2,4 GHz | 250 kbps (partagé) | 1 à 60 s | Transmetteurs de process sans fil |
5G NR (réseau privé) | Infra-6 GHz / ondes millimétriques | Jusqu'à 1 Gbit/s | < 1 ms | Surveillance intensive au niveau des formes d'onde |
Une fois ces données intégrées au réseau de l'usine, elles doivent être accessibles aux systèmes de niveau supérieur, tels que l'EAM ou la GMAO. Cependant, pour que ces systèmes puissent y accéder, elles doivent être présentées dans un format harmonisé. C'est là que des prestataires de services comme Verdantis peuvent s'avérer utiles.
L'architecture unifiée OPC (OPC Unified Architecture), publiée sous la référence CEI 62541, est devenue la norme en matière de cohérence des données. Elle prend en charge les options d'encodage OPC-UA binaire et OPC-UA XML. Les données encodées sont ensuite transférées via un protocole de l'Internet des objets (IoT), tel que le Message Queuing Telemetry Transport (MQTT), normalisé sous la référence ISO/IEC 20922.
Transformation des signaux bruts en caractéristiques diagnostiques
Les données dont dispose actuellement votre équipe ne représentent que des grandeurs physiques brutes. Elles ne permettent pas à un technicien de maintenance de déterminer directement quel est le problème de la machine. Pour cela, elles doivent être traitées afin d'obtenir des mesures ayant une valeur diagnostique. Elles devraient, par exemple, permettre d'identifier à quel endroit de la machine la variation prend naissance et à quel mécanisme de défaillance elle correspond.
Voici quelques-unes des méthodes d'analyse les plus couramment utilisées pour transformer des signaux bruts en caractéristiques diagnostiques :
Analyse dans le domaine temporel
La manière la plus simple d'analyser des signaux, notamment ceux liés aux vibrations, consiste à travailler directement à partir de la courbe temporelle. Cette méthode d'analyse évite d'avoir à transformer les signaux en fréquences pour les observer sur un spectre. Elle s'appuie plutôt sur des mesures statistiques de base qui peuvent être calculées à partir de ce signal et utilisées pour surveiller l'état de la machine.
- RMS (valeur efficace) Cette méthode consiste à mesurer l'énergie globale des vibrations. Des valeurs élevées indiquent qu'une plus grande quantité d'énergie est transmise, ce qui peut être le signe d'une usure ou d'un endommagement. Elle est plus efficace pour détecter les problèmes en cours que pour repérer les défaillances à un stade précoce.
- Valeur de crête et facteur de crête permet de détecter les pics de courte durée que la valeur efficace ne permet pas de saisir. Le facteur de crête correspond au rapport entre la valeur de crête et la valeur efficace. Lorsque des pics brusques se produisent, la valeur de crête augmente tandis que la valeur efficace reste faible. Cela fait augmenter le facteur de crête et peut être le signe d'un problème potentiel. Il s'agit donc d'un indicateur utile pour détecter précocement les défauts des roulements.
- Kurtosis mesure l'amplitude des pics. À l'instar du facteur de crête, il s'avère efficace pour la détection précoce des défauts. Cependant, il a tendance à diminuer à mesure que les dommages s'étendent.
Voici un tableau illustrant les applications de l'analyse dans le domaine temporel :
| Système métrique | Fourchette de valeurs saines | Seuil élevé | Sensibilité aux défauts |
|---|---|---|---|
| Système métrique | Fourchette de valeurs saines | Seuil élevé | Sensibilité aux défauts |
| RMS | Spécifique à la machine | Limite de zone ISO | Intensité générale des vibrations |
| Facteur de crête | 2.5 – 3.5 | > 6 | Défauts précoces des roulements |
| Kurtosis | ~3 | > 6 (alerte), > 10 (alarme) | Défauts très précoces des roulements |
| Crête à crête | Spécifique à la machine | Conformément à la norme ISO et aux spécifications du fabricant | Déplacement de l'arbre, jeu |
La transformée de Fourier rapide (FFT)
Comme son nom l'indique, la transformée de Fourier rapide effectue une conversion. Elle transforme un signal temporel en données fréquentielles. Au lieu d'observer l'évolution des vibrations dans le temps, on observe la quantité d'énergie présente à chaque fréquence. L'avantage réside dans le fait que l'on peut facilement identifier les défaillances des machines, car de nombreux problèmes surviennent à des fréquences prévisibles.
La précision de la FFT dépend de la quantité de données collectées. Elle obéit à la relation suivante :
Résolution (Hz) = Nombre d'échantillons / Fréquence d'échantillonnage
Ainsi, un signal plus long permet d'obtenir davantage de détails sur la fréquence. L'inconvénient, cependant, est que cela prend plus de temps et peut entraîner des variations indésirables.
Voici quelques-uns des types de défauts courants que vous pouvez identifier dans la courbe de fréquence à l'aide de cette analyse :
- Les harmoniques de l'arbre, qui se manifestent sous forme de multiples de la vitesse de rotation
- Les défauts des roulements peuvent être détectés, car ils génèrent des fréquences spécifiques qui dépendent de leur conception et de leur vitesse. Il s'agit notamment de la fréquence de la bague extérieure (BPFO), de la fréquence de la bague intérieure (BPFI), de la fréquence de rotation des billes (BSF) et de la fréquence de la cage (FTF).
- Les défauts des engrenages apparaissent à la fréquence d'engrènement (GMF), qui est calculée à partir de la vitesse de rotation de l'arbre et du nombre de dents de l'engrenage. Dans ce contexte, une amplitude accrue de la GMF indique une usure uniforme, tandis que les bandes latérales autour de la GMF sont le signe d'un endommagement localisé.
Analyse des enveloppes
L'analyse des enveloppes est également connue sous le nom de technique de résonance à haute fréquence (HFRT). Cette analyse est principalement utilisée pour détecter les défauts précoces des roulements. Un roulement endommagé génère de minuscules impulsions d'impact chaque fois qu'un élément roulant passe au-dessus du défaut.
Ces impulsions étant très courtes, elles n'apparaissent pas à la fréquence du défaut. Elles révèlent en revanche la présence de défauts dans des résonances de fréquences plus élevées (2 à 20 kHz).
Cependant, pour obtenir une analyse d'enveloppe correcte, il est important de sélectionner la plage de fréquences appropriée. C'est ce que permet de faire le kurtosis spectral. Le kurtosis spectral analyse l'ensemble des fréquences afin d'identifier les points où le signal présente le caractère le plus impulsif.
Analyse par ondelettes et analyse temps-fréquence
La FFT fonctionne bien pour les machines fonctionnant à une vitesse standard, car elle part du principe que le signal reste constant. Mais que se passe-t-il si les équipements fonctionnent à des vitesses différentes ou subissent des défaillances soudaines, des arrêts et des redémarrages ? Dans tous ces cas de figure, la FFT s'avère insuffisante, et c'est la transformée de Fourier à court terme (STFT) qui vient à la rescousse.
La transformation STFT décompose les signaux en segments courts qui se chevauchent. Le spectrogramme obtenu montre comment la composition en fréquences évolue dans le temps. Cette méthode présente toutefois une limite : l'amélioration de la résolution temporelle se fait au détriment de la précision fréquentielle, et inversement.
Les transformations en ondelettes utilisent des fonctions flexibles dont la taille s'adapte en fonction de la fréquence afin de pallier cette limitation. Lorsque les composantes à haute fréquence sont capturées à l'aide de fenêtres temporelles courtes et que les composantes à basse fréquence utilisent des fenêtres plus longues, les ondelettes permettent de détecter des événements brefs, tels que des chocs ou des signaux précoces de défaillance.
Analyse des commandes pour les machines à vitesse variable
De nombreux équipements, tels que le groupe motopropulseur d'un véhicule ou une éolienne, peuvent fonctionner à des vitesses variables. Par conséquent, les vibrations ou autres signaux qui en résultent peuvent également varier. Cela rend les graphiques de fréquence confus et difficiles à lire, car les signaux sont dispersés. Cependant, cette variation n'indique pas nécessairement un problème au niveau de l'équipement.
L'analyse d'ordre résout ce problème en suivant les signaux dans le domaine angulaire, par exemple par rotation, plutôt que dans le domaine temporel. Les signaux sont ensuite surveillés à l'aide d'un tachymètre, qui mesure la vitesse instantanée de l'arbre.
De cette manière, les fréquences sont représentées sous forme d'ordres plutôt qu'en Hz. Il en résulte que les problèmes liés à la rotation de la machine restent au même endroit sur le graphique, même si la vitesse varie. Cela facilite grandement la lecture et la compréhension du spectre final pour les ingénieurs de maintenance.
Stockage et gestion des données d'état à grande échelle
Imaginons qu'une usine de fabrication de taille moyenne doive surveiller en continu 200 équipements. Chaque équipement est équipé de deux canaux de mesure des vibrations et de deux canaux de mesure de la température. Cela représenterait un échantillonnage d'environ 25 000 signaux par seconde et générerait environ 160 Go de données brutes par jour, rien qu'au niveau des vibrations.
Imaginez maintenant une grande raffinerie comptant 2 000 équipements surveillés, chacun équipé de plusieurs capteurs. Le volume de données générées et gérées sera colossal. C’est pourquoi l’infrastructure de stockage des données pour la surveillance de l’état des équipements n’est pas une considération secondaire, mais un enjeu central de l’ingénierie des systèmes. Elle détermine directement les analyses possibles, la portée temporelle de l’investigation des causes profondes et le coût d’exploitation du programme.
En raison du volume considérable de données, les bases de données relationnelles telles que PostgreSQL, Oracle et SQL Server ne conviennent pas. Ces bases de données ont été conçues pour les données transactionnelles, qui sont enregistrées selon un schéma fixe et dont le volume est modéré.
Les bases de données de séries chronologiques sont spécialement conçues pour ce type de modèle d'accès. Elles tirent parti de la compression, de l'optimisation des écritures et de l'optimisation des requêtes sur des plages de temps pour stocker et gérer des données de condition à grande échelle.
La contextualisation des données est un autre élément qui contribue à la gestion des données. Il s'agit du processus consistant à relier les données de séries chronologiques aux données de référence des équipements. Ces données de référence décrivent les caractéristiques physiques de l'actif, telles que son type, son emplacement, ses paramètres de conception, les composants installés et son historique de maintenance. C'est ce lien qui permet à un modèle d'analyse de calculer les fréquences de défaillance.
Voici à quoi ressemble la chaîne de contextualisation :
| Couche | Système | Objet de données | Exemple |
|---|---|---|---|
| Mesure sur le terrain | Capteur / DCS | Valeur brute de la balise | 4,8 mm/s à 14 h 32 min 07 s |
| Historien | PI / InfluxDB | Balise avec horodatage | PMP-223.BRG-DE.VEL.RMS = 4,8 |
| Cadre de gestion des actifs | PI AF / GMAO | Liaison entre les balises et les actifs | Cette étiquette correspond à la pompe 223, position du palier DE |
| Fiche de matériel | SAP PM / EAM | Registre du matériel | Pompe 223 = Pompe centrifuge, modèle XYZ-300, installée en 2017 |
| Fiche de composant | SAP / GMAO - Nomenclature | Fiche de composant | Roulement DE = SKF 6312, angle de contact de 15°, 8 éléments roulants |
| Historique d'entretien | SAP PM / GMAO | Registres des ordres de travail | Dernier remplacement de roulement : 14 mars 2022, WO 4500123456 |
Même en disposant d'une équipe dédiée à la gestion des bases de données, le stockage et la maintenance des données à cette échelle peuvent s'avérer complexes. Les secteurs à forte intensité d'actifs peuvent faire appel à des prestataires de services tiers pour nettoyer les données de référence, normaliser et structurer les nouvelles données, puis tout centraliser afin d'assurer un flux continu depuis la couche des capteurs jusqu'au système de gestion des actifs (EAM).
Établissement de références statistiques à l'aide d'analyses
Une fois que l'infrastructure permettant de transformer et de transférer les données des capteurs vers le système d'analyse est en place, les problèmes de stockage et de récupération sont résolus. Cependant, le plus grand défi consiste à déterminer les valeurs de référence ou les seuils. Ces valeurs de référence déterminent si un programme de surveillance conditionnelle permet de prévenir les pannes ou s'il se contente de générer un déluge d'alarmes.
Vous pouvez définir des valeurs de référence en fonction des normes de gravité. Par exemple, la norme ISO 10816, désormais regroupée sous la référence ISO 20816, fournit des limites absolues de gravité pour la vitesse de vibration globale RMS. Toutefois, celles-ci présentent des limites bien documentées.
Elles ne s'appliquent qu'à la valeur RMS de la vitesse à large bande, mais ne fournissent aucune indication sur la composition fréquentielle des vibrations. Cela signifie qu'elles ne permettent pas de faire la distinction entre un déséquilibre, un défaut de roulement et une résonance. Or, ces trois phénomènes peuvent produire la même valeur RMS globale, tout en nécessitant des interventions de maintenance différentes.
Ainsi, de nombreuses équipes de maintenance, de réparation et de révision (MRO) s'appuient sur des références dynamiques plutôt que sur le cadre du contrôle statistique des processus (SPC). Au lieu de limites fixes, le SPC établit des références à partir des données historiques propres à chaque machine. Il suit principalement deux paramètres clés :
- Moyenne (μ): Valeur moyenne
- Écart-type (σ): Variation normale
Sur cette base, les équipes de maintenance peuvent calculer des valeurs de référence à l'aide de la formule μ ± 3σ. Si les mesures sortent de cette fourchette, cela indique un dysfonctionnement. Ainsi, le SPC permet de réduire les fausses alarmes grâce aux méthodes courantes suivantes :
- carte de Shewhart: Cela permet de repérer les variations importantes et soudaines
- CUSUM: Détecte l'usure lente et progressive
- EWMA: Cette méthode permet de détecter de légères variations continues
- Plage de déplacement: L'intervalle mobile sert à mettre en évidence les augmentations de la variabilité
Pour établir des références dynamiques, les ingénieurs doivent suivre des indices de santé multiparamétriques. Un seul paramètre ne permet pas de cerner pleinement les causes d'un dysfonctionnement. En revanche, une vision globale obtenue grâce à une analyse multiparamétrique permettra de réaliser une analyse efficace des causes profondes afin d'éviter que les mêmes défaillances ne se reproduisent.
Intégration EAM/GMAO pour boucler la boucle
La dernière étape du processus de surveillance de l'état des actifs consiste à boucler la boucle qui a débuté par la collecte des données des capteurs. Si un opérateur doit surveiller chaque alarme et créer des ordres de travail pour chacune d'entre elles, le processus deviendra très gourmand en ressources. Cela entraînera également des défaillances qui réduiront l'efficacité de la surveillance de l'état des actifs basée sur leur condition.
Le modèle de surveillance de l'état des équipements doit être intégré au système de gestion des actifs d'entreprise (EAM). Par exemple, SAP PM (Plant Maintenance) est la plateforme EAM dominante dans les secteurs à forte intensité d'actifs. Avec le système de surveillance de l'état des équipements comme source, SAP PM peut être automatisé pour assurer un suivi continu de l'état des actifs.
Chaque fois qu'une alerte sanitaire est générée, le système peut la transmettre à SAP PM via l'API REST, grâce à SAP Integration Suite. Cela permet de créer une notification SAP PM qui recense toutes les informations relatives à l'actif et au problème concerné. Le système crée ensuite automatiquement un ordre de travail afin que les équipes de maintenance puissent prendre les mesures nécessaires.
| Objet SAP PM | Objectif de l'intégration | Déclenché par | Domaines clés |
|---|---|---|---|
| Notification PM (M2) | Alerte relative à l'état d'un enregistrement | Événement lié à la surveillance de l'état | Emplacement fonctionnel, description du défaut, priorité |
| décret du Premier ministre | Planifier et autoriser les travaux d'entretien | Vérification du planificateur / création automatique | Centre de travail, tâches prévues, composants de la nomenclature, dates |
| Document de mesure | Enregistrer les relevés d'état dans SAP | Synchronisation périodique des données d'état | Point de mesure, valeur relevée, horodatage |
| Élément de maintenance | Associer la liste des tâches à l'équipement pour les tâches d'entretien périodiques | Configuration initiale | Matériel, liste des tâches, compteur |
| Registre du matériel | Fiche technique de l'équipement avec caractéristiques techniques | Configuration initiale / synchronisation continue | Catégorie d'équipement, fabricant, composants installés |
Les équipes de maintenance, de réparation et d'exploitation (MRO) peuvent également utiliser IBM Maximo ou d'autres systèmes de GMAO à cette fin.
De cette manière, la surveillance de l'état des équipements permet également de définir un calendrier prévisionnel pour la gestion des pièces de rechange. Imaginons qu'un modèle de dégradation d'un roulement prévoie une défaillance dans un délai de 3 à 6 semaines avec un niveau de confiance raisonnable. Dans ce cas, les équipes d'approvisionnement et de maintenance peuvent collaborer pour préparer les pièces de rechange avant même que l'ordre de travail ne soit créé.
La chaîne d'intégration de cette fonctionnalité relie la plateforme de surveillance de l'état des équipements au système de gestion des stocks MRO, tel que le MRO360 de Verdantis.
Ce circuit fermé est la concrétisation opérationnelle de la maintenance prédictive. Il permet de transformer une évaluation de l'état technique en une action au sein de la chaîne logistique, sans intervention manuelle à chaque étape. Cependant, des données de référence des équipements de mauvaise qualité, telles que des références de pièces erronées dans la nomenclature ou des liens non mis à jour entre les fiches d'équipement et les fiches articles, peuvent rompre complètement cette chaîne.
Surveillance automatisée de l'état des équipements
Un système de surveillance de l'état des équipements effectue de nombreuses tâches pour évaluer l'état de ces derniers. Cependant, ces tâches ne sont efficaces que lorsqu'elles sont menées de manière coordonnée et continue. Pris isolément, aucun de ces processus ne serait d'une grande utilité.
C'est pourquoi les systèmes modernes de surveillance basée sur l'état s'appuient sur l'automatisation issue de l'intelligence artificielle. Ils collectent les données des capteurs, les analysent, identifient les défaillances naissantes et déclenchent des actions de maintenance sans qu'un ingénieur ne doive examiner manuellement chaque flux de données au quotidien.
L'intelligence artificielle (IA) peut contribuer, de différentes manières, non seulement à collecter et à stocker des données, mais aussi à les analyser afin de détecter des anomalies dans les tendances.
Détection d'anomalies sans supervision
La détection d'anomalies non supervisée est l'une des façons d'y parvenir. Dans ce cas, les données utilisées pour entraîner le système de surveillance de l'état ne sont pas étiquetées.
Les auto-encodeurs sont des architectures de réseaux neuronaux composées d'un encodeur et d'un décodeur. Après avoir été entraînés sur des données de fonctionnement normales et anormales, ces réseaux sont capables de détecter des tendances dans les signaux des capteurs en temps réel. Si les signaux dépassent un seuil donné, les auto-encodeurs les utilisent pour déclencher une alarme automatique.
De même, il existe l'algorithme « Isolation Forest », qui utilise la détection d'anomalies basée sur des arbres et une machine à vecteurs de support à classe unique (OCSVM). Tous ces modèles d'IA non supervisés peuvent être utilisés dans le cadre de la surveillance automatisée de l'état des équipements.
| Modèle | Données d'entraînement requises | Interprétabilité | Évolutivité | Réglage de la sensibilité |
|---|---|---|---|---|
| Auto-encodeur | Données relatives exclusivement aux équipements médicaux | Faible (dans l'espace latent) | Modéré | Seuil d'erreur de reconstruction |
| Auto-encodeur classique | Données relatives exclusivement aux équipements médicaux | Faible | Modéré | Seuil d'erreur de reconstruction |
| Forêt d'isolement | Les données présentées ici peuvent provenir d'appareils médicaux ou d'autres sources diverses | Modéré | Élevé | Paramètre de contamination |
| OCSVM | Données relatives exclusivement aux équipements médicaux | Faible à modéré | Faible (O(n²)) | paramètre ν |
| Basé sur l'ACP | Données relatives exclusivement aux équipements médicaux | Élevé | Très élevé | Seuil SPE / T² |
| Auto-encodeur LSTM | Données relatives exclusivement aux équipements médicaux | Faible | Modéré | Erreur de reconstruction de séquence |
Classification supervisée des défauts
La classification supervisée des défauts s'effectue à l'aide de données d'apprentissage étiquetées. Cette classification peut gagner en précision si l'on dispose de données étiquetées spécifiques correspondant à la fois à des conditions de fonctionnement normales et à des conditions de dysfonctionnement. C'est également la raison pour laquelle il est essentiel de disposer de données de référence structurées en matière de maintenance pour que ce type de modèles d'IA puisse fonctionner dans des systèmes automatisés de surveillance de l'état des équipements.
Il existe trois principaux modèles supervisés qui sont utilisés dans tous les secteurs d'activité :
- Forêt aléatoire: Une « Random Forest » entraîne un ensemble d'arbres de décision sur des sous-ensembles aléatoires des données d'apprentissage et de l'espace des caractéristiques. Elle agrège ensuite leurs prédictions par un système de vote. Sur la base de cet apprentissage, la « Random Forest » peut générer des scores d'importance. Ces scores constituent les indicateurs les plus prédictifs pour chaque type de défaut.
- Machines à vecteurs de support (SVM): Les SVM donnent d'excellents résultats avec des ensembles de données étiquetés de petite taille. Cela est particulièrement vrai lorsque le nombre de caractéristiques est élevé par rapport au nombre d'échantillons d'apprentissage, ce qui est courant dans le domaine de la surveillance des états.
- Réseaux neuronaux convolutifs (CNN): Ces réseaux neuronaux sont utilisés pour générer des images à partir des signaux des capteurs. Ils permettent également de comparer ces images à des données de référence afin d’identifier des anomalies. Une étude publiée sur ScienceDirect décrit un cadre de surveillance de l'état des équipements qui intègre des données de vibrations en temps réel à des réseaux neuronaux convolutifs (CNN) afin de permettre la détection automatisée des défauts et la maintenance prédictive. Le système entraîné détecte et classe avec précision les défauts au sein du système physique. Cela démontre une grande fiabilité et une bonne capacité de généralisation.
Prévision de la durée de vie utile restante (RUL)
L'IA permet de prédire la durée pendant laquelle un équipement peut rester opérationnel avant de subir une défaillance temporaire ou une panne totale. La prédiction de la durée de vie utile résiduelle (RUL) nécessite de modéliser une trajectoire de dégradation allant de l'état actuel de l'équipement jusqu'à sa défaillance. Cette trajectoire peut présenter un degré d'incertitude élevé, car elle peut varier d'une machine à l'autre.
Grâce à l'analyse de survie de Weibull, aux modèles à risques proportionnels et aux réseaux LSTM (Long Short-Term Memory), l'IA peut aider à tracer cette trajectoire avec précision.
Surveillance de l'état des équipements et IIoT
Outre l'intelligence artificielle, l'Internet des objets industriel (IIoT) est une technologie essentielle pour la surveillance automatisée basée sur l'état des équipements. En effet, tous les capteurs utilisés pour collecter et partager les données relatives aux équipements font déjà partie de l'IoT.
L'utilisation conjointe de ces deux éléments permet un transfert de données fluide entre les systèmes intégrés. Grâce à l'IIoT, tous les actifs peuvent devenir intelligents et interconnectés. Ils peuvent partager des données entre eux via des plateformes basées sur le cloud afin d'offrir une vue d'ensemble centralisée et complète aux équipes de maintenance, de réparation et d'exploitation (MRO).
De plus, l'IIoT permet également de contrôler les machines à distance. Ainsi, si un outil est sur le point de tomber en panne, les équipes de maintenance doivent l'arrêter à distance afin d'éviter tout problème de sécurité et une panne totale de la machine.
Comment mettre en place un programme de surveillance de l'état des équipements
La mise en place d'un programme de surveillance de l'état des équipements commence par l'identification des équipements à surveiller. À terme, l'objectif sera de couvrir le plus grand nombre possible de machines. Il est toutefois préférable de commencer modestement et d'évoluer progressivement, plutôt que de viser trop grand dès le départ et de courir à l'échec.
Une fois que vous savez quels équipements surveiller, voici comment procéder :
Installer les capteurs
Une fois que vous aurez identifié les équipements à surveiller, vous devrez également déterminer les paramètres clés à suivre. Sur cette base, vous devrez tout d'abord choisir des capteurs capables de mesurer les paramètres requis. Outre le choix des capteurs, veillez à bien déterminer leur emplacement afin de garantir une acquisition précise des signaux.
Collecter des données
La prochaine étape consiste à collecter des données. Votre première tâche consiste à recueillir des données sur les machines fonctionnant dans des conditions optimales. Cela permettra d'établir des valeurs de référence ou des repères à utiliser pour le recoupement lors de la surveillance basée sur l'état des équipements.
Une fois que vous disposez des données de référence, configurez le système pour qu'il collecte des données en continu ou à intervalles réguliers. Il est important de veiller à la cohérence de cette collecte, car des lacunes dans les données peuvent nuire à la précision de l'analyse.
| Processus | Que se passe-t-il ? | Pourquoi est-ce important ? |
|---|---|---|
| Acquisition de données | Les capteurs fixés aux machines et intégrés à des systèmes de surveillance de l'état enverront des signaux bruts | C'est important pour avoir une vue d'ensemble continue de l'état de l'actif |
| Synchronisation horaire | Le système assure la synchronisation des données provenant de plusieurs capteurs et équipements | Permet une analyse multiparamétrique afin d'obtenir une vision globale |
| Validation des données | Élimine le bruit et les mesures erronées | Permet d'éviter les fausses alertes qui peuvent entraîner une perte de temps et de ressources |
| Stockage | Stocke les données en temps réel dans le backend à des fins d'analyse et d'utilisation ultérieure | Prend en charge la boucle de rétroaction, l'analyse des tendances historiques et la modélisation |
Créer une courbe P-F
L'intervalle de temps entre le moment de la défaillance fonctionnelle (F) et le moment où une défaillance potentielle devient détectable (P) est représenté par la courbe P-F. Comme elle permet de déterminer à quel stade précoce un défaut peut être détecté et de combien de temps on dispose pour intervenir, elle constitue un principe fondamental de la surveillance basée sur l'état.
Ce concept a été mis au point dans les années 1970 pour United Airlines et le ministère américain de la Défense. Pour être efficace, la surveillance basée sur l'état doit intervenir pendant la période comprise entre une défaillance potentielle et une défaillance prévue.
Suivi des actifs
Une fois le système mis en place, lancez la surveillance basée sur l'état des équipements. Les valeurs de référence pourraient servir de seuils de déclenchement, sur la base des données collectées. En fonction de ces seuils, le système pourrait alerter les équipes concernées et générer des ordres de travail.
Impact de la surveillance des états sur l'activité
La surveillance de l'état des équipements a un impact direct sur les résultats financiers d'une entreprise.
- Réduction des temps d'arrêt: Les temps d'arrêt comptent parmi les conséquences les plus coûteuses d'une panne d'équipement. La surveillance de l'état des machines permet de réduire au minimum ce risque en détectant à un stade précoce les problèmes potentiels sur les machines.
- De meilleurs résultats en matière de planification de la maintenance: Plutôt que de se fonder sur des hypothèses, les ordres de travail sont déclenchés par des données de référence qui mettent en évidence des anomalies par rapport aux conditions de travail optimales.
- Allongement de la durée de vie des actifs: Les équipes de maintenance, de réparation et de révision (MRO) se concentrant davantage sur l'état des équipements que sur des calendriers fixes, la durée de vie des machines s'en trouve prolongée.
- Sécurité renforcée: A Article du Deccan Herald indique que cinq personnes ont été victimes de brûlures causées par de la vapeur à l'usine sidérurgique de SAIL à Bokaro. Il existe de nombreux incidents de ce type, dans lesquels une défaillance d'une machine ou d'un système entraîne des blessures, et la surveillance des états des équipements peut permettre de les prévenir.
- Réduction des coûts: Les pertes de production, les réparations d'urgence, les livraisons accélérées de pièces de rechange, les indemnités d'accident du travail, etc., sont autant de coûts différents qu'il est possible de réduire au minimum.
Si la surveillance de l'état des machines peut offrir tous ces avantages, les résultats obtenus dépendent de la manière dont les entreprises collectent et stockent les données des machines. Si vous ne disposez pas de l'expertise nécessaire en interne, vous pouvez faire appel à des prestataires tiers spécialisés dans la gestion des données.
A grande entreprise de production de bois Cette entreprise, qui exploite 25 usines, a mené à bien cette initiative en collaboration avec Verdantis. Avec un chiffre d'affaires de $7 milliards et un effectif mondial de plus de 13 000 collaborateurs, elle a sollicité une aide pour le nettoyage et la gouvernance de ses données.
Verdantis a contribué à la normalisation et à la gestion de plus de 300 000 références. L'entreprise a également mis en place Verdantis Harmony afin d'assurer à l'avenir une gouvernance automatisée des données.
Aperçu de la surveillance conditionnelle dans la pratique
Grâce aux capteurs et aux critères de référence, les systèmes automatisés peuvent déclencher des alertes. Mais ce qui apparaît comme une simple alerte sur un tableau de bord est en réalité le résultat de multiples niveaux d'ingénierie des données, de traitement du signal et de logique décisionnelle qui fonctionnent de concert en arrière-plan.
En termes simples, les systèmes de surveillance basés sur l'état fonctionnent en boucle fermée. Les données sont collectées, traitées, analysées, puis intégrées dans les processus de maintenance. Ainsi, les performances dépendent de la qualité de la configuration et de l'intégration de ces différentes couches.
Prenons l'exemple d'une ligne d'emballage à grande vitesse dans une usine de fabrication équipée de plusieurs moteurs, convoyeurs et réducteurs. Dans ce contexte, l'un des éléments les plus critiques est le système d'entraînement du convoyeur. Il s'agit d'un moteur électrique relié à un réducteur et à un ensemble courroie qui alimente ce système. Même une simple défaillance à ce niveau peut entraîner l'arrêt de toute la ligne.
Dans un contexte classique, l'équipe de maintenance suit un calendrier fixe pour inspecter l'ensemble de la courroie et du réducteur. Mais entre ces inspections, le système fonctionne sans contrôle. Ainsi, si un roulement à l'intérieur du réducteur commence à se détériorer juste après une inspection, cela passera inaperçu jusqu'à la prochaine inspection ou jusqu'à ce qu'une panne survienne.
À l'inverse, supposons que des capteurs de vibrations soient installés sur le moteur et la boîte de vitesses. De même, des capteurs de température sont placés sur les roulements, des capteurs de qualité de l'huile sur le système de lubrification de la boîte de vitesses, et des capteurs électriques surveillent la charge du moteur. Dans ce cas, les données seront transmises en continu aux systèmes de surveillance. L'équipe de maintenance pourra alors consulter le niveau de gravité, le type de panne probable et les mesures recommandées.
| Scène | Que se passe-t-il ? | Exemple tiré du système de convoyage |
|---|---|---|
| Saisie des données | Les capteurs collecteront des signaux en temps réel | L'amplitude des vibrations augmente légèrement dans la boîte de vitesses |
| Traitement du signal | Ici, le système filtrera le bruit et stabilisera les signaux | Le bruit de fond du signal de vibration sera supprimé pour une meilleure compréhension |
| Extraction de caractéristiques | Les indicateurs clés sont calculés | La vibration RMS pourrait être augmentée |
| Comparaison des valeurs de référence | Comparaison entre les données en temps réel recueillies par les capteurs et le profil normal | Écart détecté par rapport au profil de vibration standard de la boîte de vitesses |
| Corrélation | Plusieurs paramètres sont évalués simultanément | On peut citer comme exemple une légère hausse de température accompagnée d'une augmentation des vibrations. |
| Détection des anomalies | Le système signale tout comportement anormal détecté à ce stade | Cette analyse pourrait indiquer une usure précoce des roulements. |
| Génération d'alertes | La plupart des outils modernes disposent d'une fonctionnalité d'alerte automatisée qui envoie une notification à l'équipe de maintenance | Une alerte d'avertissement sera déclenchée dans le tableau de bord |
| Création d'un ordre de travail | L'équipe de maintenance créera un ordre de travail pour la réparation ou l'inspection | Inspection programmée en fonction de la gravité et de l'urgence |
À qui s'adresse la surveillance de l'état des équipements ?
La surveillance des états de fonctionnement donne les meilleurs résultats dans les secteurs à forte intensité d'actifs, tels que :
Industrie lourde
Les installations de fabrication lourde s'appuient sur de grandes machines interconnectées, telles que des broyeurs, des convoyeurs et des équipements rotatifs. Même les petites usines de fabrication ont évolué vers l'utilisation de certaines machines, soit pour automatiser entièrement les processus, soit pour faciliter le travail manuel. Ainsi, les actifs sont essentiels dans l'industrie manufacturière pour assurer la continuité de la production.
La surveillance de l'état des équipements permet de suivre les vibrations, le niveau d'huile, la température et d'autres paramètres sur l'ensemble de ces systèmes. Cela permet de détecter à un stade précoce les problèmes susceptibles d'entraîner ultérieurement une panne et un arrêt de la production.
Alimentation et boissons
Contrairement à d'autres secteurs, dans l'industrie agroalimentaire, la fiabilité des équipements est également liée à la qualité des produits et au respect des normes. Les mélangeurs, les pompes, les groupes frigorifiques et les systèmes de conditionnement doivent répondre à des normes d'hygiène strictes tout en fonctionnant de manière optimale. Pour y parvenir, il est notamment possible de vérifier si les équipements fonctionnent dans les limites des paramètres définis, et la surveillance de l'état des équipements peut y contribuer.
Pétrole et gaz
Dans le secteur pétrolier et gazier, les équipements sont les plus exposés aux risques de défaillance en raison des conditions d'exploitation. Les compresseurs, les turbines, les pipelines et les foreuses fonctionnent dans des environnements isolés et dangereux. Il est même impossible pour les équipes de maintenance d'inspecter régulièrement ces équipements lorsqu'ils sont en marche.
La surveillance de l'état des équipements permet de suivre en permanence leur état de fonctionnement sans nécessiter d'inspections physiques constantes. Étant donné que de nombreux équipements fonctionnent dans des conditions extrêmes, la détection précoce revêt une importance cruciale dans ce secteur.
Production d'électricité
Les principaux équipements du secteur de la production d'électricité comprennent les turbines, les alternateurs, les transformateurs et les systèmes de refroidissement. L'analyse des vibrations permet de détecter les défaillances des turbines et des alternateurs, tandis que la surveillance thermique permet d'identifier les surchauffes des composants électriques. Une surveillance continue garantit la détection précoce des écarts, même mineurs.
Retour sur investissement lié à la mise en œuvre de la surveillance des conditions d'exploitation
Le calcul du retour sur investissement (ROI) lié à la mise en place d'un système de surveillance de l'état des équipements ne se résume pas à une simple comparaison entre les coûts et les économies réalisées. Il convient plutôt de se concentrer sur la valeur ajoutée générée par ce processus. La plupart des entreprises ne parviennent pas à calculer le véritable ROI car elles accordent une importance excessive aux économies réalisées en matière de maintenance. Outre cet aspect, il convient également de prendre en compte la réduction des temps d'arrêt, l'amélioration de l'état des actifs, l'augmentation de la capacité de production, et bien d'autres facteurs encore.
Vous devriez commencer par établir un modèle de référence tenant compte du coût des temps d'arrêt, de la fréquence des pannes, de la main-d'œuvre nécessaire à la maintenance et des problèmes de qualité. Vous pourrez ensuite convertir ces indicateurs techniques en résultats financiers.
Voici à quoi ressemble la chaîne de contextualisation :
| Indicateur technique | Traduction financière |
|---|---|
| Réduction des défaillances | Cela permettra d'augmenter la disponibilité et la capacité de production |
| Détection précoce des défauts | Une détection précoce permet d'éviter les pannes catastrophiques et les coûts de réparation ou de remplacement qui en découlent |
| Une meilleure planification de la maintenance | Réduit les coûts liés aux heures supplémentaires et aux interventions d'urgence |
| Amélioration de l'état des actifs | Cela permet de réaliser des économies en prolongeant la durée de vie des actifs |
Il convient également de noter que le retour sur investissement augmente avec l'échelle et la maturité du système. Au fil du temps, la surveillance de l'état des équipements peut offrir un retour sur investissement de 5:1 ou 10:1, pouvant atteindre 25:1 sur une période de trois à cinq ans. Bien qu'il s'agisse d'une fourchette indicative, le retour sur investissement réel peut varier en fonction de l'efficacité avec laquelle vous mettez en œuvre et exploitez la surveillance de l'état des équipements.
Le problème des bases de données et sa solution
Le simple fait d'équiper les équipements de capteurs et de collecter des données en temps réel ne suffit pas pour obtenir les meilleurs résultats en matière de surveillance de l'état des équipements. Bien que la majeure partie de la planification s'appuie sur des données en temps réel, il est également nécessaire de structurer et de normaliser ces données en vue de leur stockage et de leur utilisation future.
Prenons l'exemple d'une solution de surveillance basée sur l'état qui aurait détecté une anomalie de vibration. Or, le système ne peut pas déterminer quel roulement a déclenché l'alerte, car la nomenclature (BOM) de l'équipement indique une référence erronée. Cela ne fera qu'accroître les redondances au lieu de contribuer à prévenir les pannes de l'équipement.
La technologie des capteurs, les algorithmes de traitement du signal, les modèles d'apprentissage automatique et les pipelines OPC-UA sont tous indispensables, mais ils reposent sur une base de données précise.
L'un des problèmes les plus courants réside dans le caractère incomplet des données de référence des équipements. Dans la pratique, les fiches d'équipement dans SAP PM et les systèmes EAM équivalents peuvent comporter des champs d'attributs incomplets. De même, la duplication des pièces de rechange MRO, les inexactitudes dans les nomenclatures et les incohérences entre les sites peuvent nuire à la qualité des données et influencer les résultats de la surveillance basée sur l'état.
Verdantis peut contribuer à relever ces défis grâce à ses solutions, fruit de nombreuses années d'expertise et d'excellence. Verdantis Harmonize, par exemple, permet de résoudre le problème du nettoyage des données historiques.
La plateforme cloud importe des enregistrements de données de référence hérités provenant de SAP, Oracle, IBM Maximo et d'autres systèmes ERP/EAM. Elle combine ensuite un traitement basé sur l'intelligence artificielle et une vérification par des experts humains afin de normaliser, d'enrichir, de dédupliquer et de classer ces enregistrements selon une taxonomie prédéfinie.
Alors que Verdantis Harmonize résout le problème des données historiques, Verdantis Integrity apporte une réponse à la question de la gouvernance au quotidien. Integrity fonctionne comme une couche de gouvernance complémentaire intégrée à vos systèmes ERP et EAM. Lorsqu’une nouvelle fiche article est sur le point d’être créée dans SAP, la solution intercepte la demande de création et applique un workflow de validation avant que la fiche ne soit enregistrée dans l’ERP.
Tout cela est regroupé au sein de notre plateforme MRO360. Sa suite MDM intègre à la fois Harmonize et Integrity, garantissant ainsi des données propres et précises. Cela permet aux équipes MRO de s'appuyer sur une base de données fiable pour mettre en place une surveillance basée sur l'état des équipements, ce qui favorise la prise de décisions opérationnelles éclairées.
Conclusion
La surveillance de l'état des équipements est l'une des disciplines les plus exigeantes sur le plan technique dans le domaine des opérations industrielles. Si elle présente de nombreux avantages, elle nécessite également des compétences couvrant la science des mesures physiques, le traitement des signaux à haute fréquence, la modélisation statistique, l'apprentissage automatique, les réseaux industriels, les infrastructures de données et l'intégration des systèmes d'entreprise.
Très peu d'organisations disposent de l'ensemble de ces capacités réunies en un seul et même endroit. Et elles sont encore plus rares à les avoir regroupées sur une base de données suffisamment propre pour garantir des performances optimales.
C'est là le problème d'infrastructure que Verdantis s'efforce de résoudre depuis deux décennies pour les organisations à forte intensité d'actifs. Les programmes de surveillance de l'état des équipements, qui s'appuient sur des données de référence propres, contrôlées et enrichies, affichent systématiquement de meilleurs résultats que ceux qui ne le font pas.
Contactez nos experts pour découvrir comment Verdantis peut vous aider à mettre en place une base de données de référence en vue de la mise en œuvre de solutions de surveillance des états des équipements.
Foire aux questions (FAQ)
Quels sont les 5 éléments de la surveillance de l'état des équipements ?
Les cinq éléments clés de la surveillance de l'état des équipements sont la collecte des données, l'analyse des données, la génération d'alertes, la planification de la maintenance et l'amélioration continue. Ensemble, ces éléments permettent d'adopter une approche proactive visant à surveiller en permanence l'état d'une machine afin d'optimiser son fonctionnement.
Quelle est la différence entre le PdM et le CBM ?
La maintenance prédictive (PdM) et la surveillance basée sur l'état (CDM) sont toutes deux des approches de maintenance proactive. Elles diffèrent toutefois en termes de calendrier et de technologie. La PdM collecte des données issues de capteurs et prédit les défaillances en les analysant. La CDM, quant à elle, consiste à comparer les données en temps réel à un seuil prédéfini afin de détecter le moment où une machine ou un équipement ne se trouve plus dans un état optimal.
Quels sont les 5 types de surveillance ?
Dans le domaine de la maintenance, de la réparation et de l'exploitation, les techniques de surveillance couramment utilisées comprennent la surveillance des vibrations, de la température, de la pression, de l'huile et par ultrasons. Cependant, les équipes MRO peuvent surveiller de nombreux autres aspects d'un équipement.
