Les plus grands groupes s’y sont déjà mis
SNCF, ThyssenKrupp, KONE, …. ont déjà franchi le pas. Depuis 2016, les ascensoristes Schindler, ThyssenKrupp et KONE ont mis en place des solutions de maintenance prédictive pour assurer le 100% de taux de service de leurs ascenseurs en installant des capteurs dans leurs ascenseurs. La SNCF, Bosch ont également développés de forts investissements dans ce sens.
Cependant, dans les plus petites entreprises, l’investissement peut freiner.
L’investissement financier se fait dans le temps, puisque la collecte de données ne se fait pas en un jour. Il faut donc avoir une vision sur le long terme avant de se lancer dans une démarche de maintenance prédictive.
De nombreux cabinets d’expertise font état d’une croissance importante depuis 5 ans et pour les 5 prochaines années également. Selon le cabinet MarketsandMarkets, ce marché au niveau mondial croît d’environ 30% / an depuis 2016. Malgré le fait qu’il ait profité aux très grandes entreprises du fait de leurs capacités d’investissements et leur capacité à gérer la grosse masse de données associée, le cabinet Wavestone estime quant à lui que l’explosion du marché du côté des PME se passe en ce moment.
Alors pourquoi ne pas profitez de cet engouement croissant et réel pour une solution qui peut rapporter ?
Où, quand, et comment l’utiliser ?
Comme pour toute mise en place d’outil industriel, il y a certains éléments clés à respecter afin d’en tirer le bénéfice maximum.
Tout d’abord :
La maintenance prédictive est prévue pour le monde industriel et les équipements industriels sources de défauts. Elle sera donc très souvent mise en place sur un équipement susceptible d’être défectueux.
Ensuite :
Il ne s’agit pas de mettre en place la maintenance prédictive pour être 4.0.
Comme toute démarche projet, il doit y avoir un retour sur investissement . En effet, il faut s’assurer d’avoir la structure pour être en mesure d’analyser les données et de suivre le déploiement.
Une des clés pour réussir un projet de maintenance prédictive réside dans la communication entre les techniciens métier et les data scientists. Une mauvaise communication sera la source de perte d’information. En général, l’analyse de données n’est pas le coeur de métier de ceux qui mettent en place les actions sur le terrain, et les projets de ce genre nécessite donc une compétence externe d’où l’importance de ce lien entre le terrain et l’analyse. Une autre solution est également de faire monter en compétence son équipe avant ou pendant la mise en place du projet. C’est ce qu’a fait la SNCF en mettant en place des formations à destination des coordinateurs de travaux. Il s’agit également d’intégrer le métier afin de personnaliser au maximum les outils de maintenance développés.
Pour la stratégie de mise en place, on va dans un premier temps préférer opter pour une stratégie POC (Proof of concept). Cette stratégie est très adaptable avec le fait de mettre en place la maintenance prédictive à moindre coût.
Ainsi, il est possible d’installer des capteurs sur une partie de la production d’une usine en premier lieu. Ensuite avec les conclusions du POC, les entreprises seront en mesures d’analyser les premières données pour élargir la mise en place, ou bien stopper si la maintenance prédictive n’est pas adapté ou adaptable à son activité. Afin de mettre en place un PoC efficace, il faut s’assurer de 3 points essentiels : Bien définir le périmètre du test, définir les hypothèses de départ et posséder les moyens de mesures pertinents.
Enfin :
le système de maintenance prédictive reposant sur la collecte de données, il ne faudra pas être presser avant de tirer des conclusions. Par exemple, l’entreprise KONE estime qu’il faut en effet plus d’un an d’apprentissage avant de pouvoir effectuer une détection de panne.
Pour conclure :
Sur la mise en place de la maintenance prédictive, il s’agit dans un premier temps d’avoir une stratégie claire et d’étudier le ROI du déploiement de la solution, pour ensuite identifier un secteur de l’atelier ou une machine en suivant la méthodologie POC. Enfin, il s’agit d’être patient sur la collecte de données, d’historiser la donnée et de mettre ensuite en place des modèles en analyses continue à l’aide de l’analyse big data.
Quels outils pour la mettre en œuvre ?
Pour mettre en œuvre au sein de nos entreprises la maintenance prédictive, on peut désormais compter sur plusieurs acteurs importants qui se sont implantées sur ce marché annoncé très porteur. Parmi ces acteurs, nombre d’entre eux ont choisi l’analyse vibratoire. Parmi les entreprises qui dominent le marché sur ces solutions, on retrouve Eolane avec son capteur « Bob assistant » ou IFM Electronic qui propose également une gamme dédiée au vibratoire. La PME Savoie Transmissions a également créé son propre capteur « Mataki Box » pour assurer la maintenance prédictive chez ses clients.
Également dans un autre registre, on retrouve la start-up Monixo qui a développé une association de 4 capteurs. Une solution plus complète qui se base sur l’étude des vibrations, de la température, des ultrasons, de la pression du son et de l’intensité électrique. Libre à l’industriel de choisir ensuite les paramètres qui l’intéresse le plus.
Enfin, l’entreprise Intesens peut se targuer d’avoir fait ses preuves en installant ses capteurs robustes et durables (conçu pour fonctionner 5 ans sans alimentation externe) sur les infrastructures de la SNCF et d’Enedis.
Voilà donc quelques acteurs importants de ce marché, qui pourront vous aider à mettre en œuvre la maintenance prédictive dans vos ateliers.
En parallèle, il peut également s’avérer judicieux et bénéfique d’associer aux capteurs de détection, la mise en place d’une GMAO efficace. Elle permettra de planifier et organiser les ressources du service de maintenance en s’appuyant sur la collecte de données faites par les capteurs et l’historisation des données dans le temps.
Ainsi, on peut combiner les capteurs avec la gestion des ressources pour optimiser son système de maintenance.
Quel retour sur investissement ROI ?
La question qui intéresse tout manager ou chef d’entreprise : Quel va-être mon bénéfice ? Évidemment, aucun dirigeant ne met en place de changements aussi lourd sans en calculer les potentiels bénéfices. Surtout pour une solution qui s’avère onéreuse à mettre en place au départ. Mais qui peut surtout être payante sur du long terme. Voici quelques données très concrètes qui pourront rassurer les entreprises souhaitant lancer un projet de maintenance prédictive :
- Les coûts de maintenance sont réduits de 10 à 40% et le nombre de pannes divisé de moitié, rapporte le cabinet McKinsey. Une autre étude révèle que les grands groupes industriels s’accordent à dire qu’en moyenne, les économies réalisées en matière de maintenance prédictive sont de l’ordre de 20 % du coût de la maintenance.
- Le cabinet Roland Berger a évalué en 2014 à 75% la réduction de pannes des équipements pour les entreprises du secteur de l’énergie qui avaient mis en place des programmes de maintenance prédictive.
- Il a été démontré que les programmes de maintenance prévisionnelle entraînaient une baisse de 35 à 45% des temps d’arrêt.
Ces données ne seront pas vraies pour 100% des cas d’utilisations. Mais cela permet une première approche pour l’estimation d’un ROI fiable.
Conclusion
Le secteur de la maintenance est en pleine mutation avec l’avènement de l’industrie 4.0. La maintenance prédictive pourrait permettre aux entreprises d’économiser environ 560 milliards d’euros d’ici à 2025. À l’avenir, les industries utiliseront de plus en plus les analyses de données issues du Big Data, des capteurs intelligents et des algorithmes. La collecte de données étant aujourd’hui essentielle. Il est certain que la maintenance prédictive va devenir un enjeu majeur pour de nombreuses PME et ETI.
Par ailleurs pour aller dans ce sens. Simon Kampa, fondateur et PDG de Senseye ; spécialiste de la maintenance prédictive, prévoit pour 2020 « une collecte des données plus rationnelle, une accélération de la servitization, une maintenance prédictive à grande échelle ainsi qu’une évolution des mentalités ». Il parait que 100% des gagnants tentent leurs chances, alors à vous de jouer !
contact@baldwin-partners.com +33 (0) 2 85 52 68 39
Rédigé par Samuel PEDEAU, diplômé ICAM, Consultant Baldwin Partners
Sources :
Comment peut-on réparer avant la panne ?
La révolution annoncée, aura-t-elle lieu ?
Comment se lancer dans la maintenance prédictive
LA MAINTENANCE PRÉDICTIVE EST-ELLE RÉELLEMENT UNE NOUVELLE TENDANCE DE LA MAINTENANCE ?
Pourquoi la maintenance prédictive va-t-elle révolutionner l’industrie ?
les principaux cas d’usage dans les différentes industries
Passez à la maintenance prédictive
Quelle option pour l’industrie ?
Tout comprendre sur la maintenance prédictive
L’Intelligence Artificielle en maintenance : prédire et prévenir
IA + IoT, le couple gagnant de la maintenance prédictive
Cinq prévisions (humaines) pour la maintenance des équipements de production en 2020
Proof of concept : l’essentiel à connaître pour l’utiliser à bon escient
Lacroix Electronics ajoute une corde à son arc en matière d’IoT industriel
Objets connectés : les capteurs facilitent la maintenance prédictive
