Les actifs mécaniques apprennent à parler

De la maintenance préventive à la maintenance prédictive

La surveillance continue de l'état de la machine peut rendre les opérations plus sûres et plus efficaces. Surtout pour les composants critiques, la maintenance basée sur l'état ou même prédictive est la méthode de choix aujourd'hui : un équipement moderne et intelligent transmet les paramètres d'état pertinents aux systèmes de gestion de la maintenance de niveau supérieur. Mais qu'en est-il des actifs plus anciens sans capacités de diagnostic ? Ici, une combinaison bien conçue de capteurs IIoT, d'unités de passerelle et de services cloud offre une solution de mise à niveau idéale. Dans un centre de fabrication d'instrumentation et d'analyse de processus, ce package s'avère extrêmement rentable et polyvalent.

Pendant des décennies, les équipes de maintenance des usines de traitement et de fabrication se sont efforcées d'augmenter la productivité globale de l'usine. Un élément clé de cet effort est le développement et la mise en œuvre de stratégies d'entretien efficaces. L'approche traditionnelle consistant à faire fonctionner l'équipement jusqu'à ce qu'il tombe en panne (connue sous le nom de « course jusqu'à l'échec ») s'est depuis longtemps avérée inefficace et coûteuse. Une étape importante dans le développement de stratégies de maintenance plus efficaces a été l'introduction de la maintenance préventive (PM). Cela fait référence aux activités de maintenance et d'inspection de routine qui sont effectuées selon des calendriers définis. Cependant, bien que la maintenance préventive aide à prévenir les pannes inattendues, elle entraîne également une maintenance inutile lorsque l'équipement est en bon état.

La prochaine étape dans le développement de stratégies de maintenance efficaces est la maintenance prédictive (PdM). Cela implique de collecter et d'analyser des données sur l'état de l'équipement pour prévoir quand une maintenance peut être nécessaire. L'objectif est d'effectuer la maintenance au moment où elle est nécessaire, en fonction de l'état réel de l'équipement plutôt que selon un calendrier défini. Un aspect clé de la PdM est la surveillance basée sur l'état (CBM), la surveillance et l'analyse continues de l'état de l'équipement pendant le fonctionnement normal. Une mise en œuvre réussie de la maintenance conditionnelle nécessite un certain nombre de technologies et de ressources, notamment des capteurs appropriés, des systèmes de transmission et de traitement des données et des logiciels d'analyse spécialisés. Sans ces ressources, il est impossible d'effectuer une maintenance basée sur les conditions actuelles de la machine. La mise à niveau de telles technologies est désormais possible à faible coût pour les équipements rotatifs ou vibrants, comme l'illustre l'exemple suivant.

Expertise en fabrication de débitmètres

L'usine Siemens de Haguenau, en France, qui a fêté ses 50 ans en 2020, emploie plus de 800 personnes. Spécialisée dans la production de transmetteurs de pression, de débitmètres et d'analyseurs de gaz, l'usine a été reconnue pour son approche innovante de la transformation numérique : Depuis 2015, l'usine a continuellement optimisé sa production grâce à l'automatisation, la robotique et la numérisation. Les processus de production peuvent désormais être simulés en temps réel et rendus plus efficaces.

Ici, Robert Gerber coordonne la maintenance, tandis que son collègue David Uhrig est responsable en tant que planificateur de service. « En matière de maintenance, nous avons fait de grands progrès ces dernières années », déclare Uhrig, qui travaille à l'usine de Haguenau depuis 1995, d'abord comme technicien de maintenance puis comme planificateur de maintenance : « Nos équipes de maintenance contribuent à assurer l'efficacité des plantes s'améliore d'année en année. Nous surveillons l'équipement de production 24 heures sur 24 et bénéficions désormais de capacités de diagnostic que l'équipement n'avait pas il y a quelques années. Les stratégies de maintenance varient d'une section de l'usine à l'autre », comme le rapporte Gerber : « Je suppose qu'on pourrait dire que nous sommes dans une zone de tension entre vouloir le faire et pouvoir le faire au quotidien : d'une part, nous savons, grâce aux analyses de criticité, quelles parties de la centrale ont quels effets sur les performances opérationnelles en cas de panne, et à quoi nous devons prêter une attention particulière. D'un autre côté, nous ne pouvons pas développer de stratégies de maintenance prédictive pour tous les actifs car nous manquons de données sur l'état.

Des pièces de rechange sont disponibles pour la plupart des équipements critiques, mais cela ne suffit pas pour éviter les temps d'arrêt : « Prenez notre autoclave, par exemple », explique Gerber : « Tous les débitmètres ont un revêtement intérieur spécial qui est vulcanisé dans l'autoclave. En cas d'échec, la production s'arrête. Le moteur du ventilateur de l'autoclave est essentiel, nous le gardons donc en stock. Le problème avec une panne soudaine est que la roue du ventilateur est montée sur l'arbre du moteur sans accouplement. Cela prend deux jours de travail et le recours à des spécialistes, même si nous avons la pièce de rechange en stock.

Surveillance conditionnelle pour la mise à niveau

Les deux spécialistes de la maintenance souhaitaient une option de surveillance basée sur l'état de ce moteur et ont trouvé ce qu'ils cherchaient en interne : Sitrans Smart Condition Monitoring IQ (SCM IQ), développé par Siemens AG, est un système intelligent pour la surveillance continue et la maintenance de composants de machines tournantes ou vibrantes. Il utilise une combinaison de capteurs IIoT et d'intelligence artificielle pour enregistrer et analyser en continu les données de vibration et de température.