Nouvelles de l'industrie
0102030405
La maintenance prédictive doit être pleinement mise en œuvre et ne doit pas être effectuée trop rapidement
2023-12-08
Ces dernières années, la notion de « maintenance prédictive » a été fréquemment évoquée. À l'ère de l'Internet industriel, les équipements de fabrication industrielle sont devenus plus efficaces et plus intelligents, mais cela a posé de grands défis pour la maintenance des équipements eux-mêmes. Les conséquences d’un mauvais entretien affectent non seulement l’efficacité de la production de l’usine, mais entraînent également d’énormes pertes. La maintenance après panne ou la maintenance régulière dans le mode de maintenance traditionnel affectera l'efficacité de la production et la qualité du produit et augmentera considérablement les coûts du fabricant. Avec l'application mature de l'Internet des objets, du big data, du cloud computing, de l'intelligence artificielle et des technologies de détection, la technologie de maintenance prédictive, une application « tueuse », a vu le jour. Selon les prévisions des institutions compétentes, d'ici 2024, le taux de croissance annuel composé du marché mondial de la maintenance prédictive dépassera 39 %, pour atteindre 23,5 milliards de dollars américains. On constate que dans les prochaines années, les perspectives de développement du marché de la maintenance prédictive sont très considérables.Avantages de la maintenance prédictive À l’heure actuelle, la maintenance des équipements industriels peut être grossièrement divisée en trois catégories : la maintenance réparatrice, la maintenance préventive et la maintenance prédictive. La différence est que la maintenance réparatrice s'effectue après réparation, la maintenance préventive consiste davantage à juger les défauts par l'expérience, et la maintenance prédictive peut effectuer une surveillance régulière ou continue de l'état et un diagnostic des défauts pour certaines pièces importantes pendant le fonctionnement de la machine.
La maintenance prédictive combine des données multi-sources, telles que les capteurs des équipements clés, les progiciels de gestion intégrés (ERP), le système de gestion informatisé de la maintenance (GMAO) et les données de production. Le système de gestion intelligent de l'usine combine ces données avec des modèles de prévision et des outils d'analyse avancés pour prédire les défauts et les résoudre activement. La maintenance prédictive présente les avantages suivants : ● peu d'impact sur la chaîne de production : contrairement à la fabrication intelligente, la chaîne de production elle-même doit être transformée et mise à niveau. L'équipement matériel pour la maintenance prédictive sert principalement à aider à établir la connexion entre l'équipement et le serveur. Il n’est pas nécessaire de modifier la chaîne de production ou le processus de production, ce qui a peu d’impact sur le calendrier global de production. ● haute reproductibilité : la solution peut être rapidement copiée sur le même appareil, et plus il y a d'appareils importés, plus les données disponibles seront générées, ce qui est plus utile pour améliorer la précision du modèle. ● des résultats concrets et significatifs : la maintenance prédictive peut contribuer à réduire les coûts et à accroître l'efficacité des services d'exploitation et de maintenance. Selon l'enquête, la maintenance prédictive peut réduire les coûts MrOS (maintenance, réparation et exploitation) de 5 à 10 % et les coûts globaux de maintenance de 5 à 10 % ; En termes d'amélioration de l'efficacité, la maintenance prédictive peut améliorer la durée de fonctionnement normale des équipements de 10 à 20 %, réduire le temps de maintenance des équipements de 20 à 50 % et offrir une meilleure garantie de qualité des produits. ● de nombreux scénarios d'application : le principe principal de la maintenance prédictive repose sur la mise en réseau des équipements, l'acquisition de données, l'analyse du Big Data et l'apprentissage automatique. Il a un grand potentiel de développement dans le futur et favorise progressivement l'extension des scénarios d'utilisation depuis la maintenance des équipements jusqu'à la planification, la gestion des actifs, etc. Acteurs du marché de la maintenance prédictive Dans le processus de maintenance prédictive, les données sont la clé. La manière d’obtenir et de collecter des données est essentielle pour les capteurs. Enfin, il est nécessaire de trier et d'analyser les données collectées et de les transformer en un véritable contenu de valeur, il faut donc les visualiser, les évaluer et les traiter. Sur cette base, la maintenance prédictive offre également des opportunités aux acteurs professionnels subdivisés dans les domaines de l'acquisition, de l'analyse et de l'évaluation des données, y compris les fournisseurs de matériel de base et clés. D’une part, les entreprises de type Condition Monitoring (entreprises qui fournissent des capteurs et des solutions de Condition Monitoring pour mesurer des paramètres mécaniques, tels que les vibrations ou la température) ; D'autre part, il s'agit d'une entreprise de type système de contrôle industriel (système PLC/DCS pour le traitement des processus et le traitement des données liées aux machines). Ces dernières années, de nombreuses entreprises de renom ont déjà intégré la maintenance prédictive dans leur stratégie stratégique. Il existe actuellement de nombreuses excellentes plateformes sur le marché pour la collecte et l’analyse de données. Par exemple, Ge, Siemens, abb, Phoenix Electric, Schneider Electric, Honeywell, etc. Predix de Ge : predix est une plateforme de services cloud développée par GE pour les données et analyses industrielles. Il est chargé de connecter divers actifs industriels, équipements et fournisseurs au cloud, en fournissant une prévision complète de l'état de santé et des pannes de divers équipements industriels, afin de réaliser une optimisation de l'efficacité de la production, une gestion de la consommation d'énergie, une optimisation de la planification, etc. Predix adopte une combinaison de axé sur les données et un mécanisme pour résoudre des problèmes tels que la qualité, l'efficacité et la consommation d'énergie, et aider les entreprises industrielles à réaliser la transformation numérique.
Mindsphere de Siemens : mindsphere est un système d'exploitation Internet des objets ouvert basé sur le cloud et lancé par Siemens. Il peut connecter en toute sécurité et rapidement des produits, des usines, des systèmes, des machines et des équipements au monde numérique, et exploiter pleinement la valeur potentielle des données générées par les équipements et les systèmes en cours de fonctionnement de l'entreprise, les transférer vers l'application industrielle de mindsphere avec une fonction d'analyse avancée. Pour l'analyse, afin de produire de meilleurs résultats de production et d'exploitation.
ABB Ability ： ABB Ability Il intègre les capacités numériques intersectorielles et intégrées d'ABB, depuis les équipements, l'informatique de pointe jusqu'aux services cloud. ABB Ability Les solutions numériques personnalisées ont aidé de nombreuses entreprises dans les domaines de l'énergie, de la pétrochimie, de la métallurgie, des machines, de l'automobile, des navires, des centres de données, des infrastructures, etc. à réaliser l'interconnexion avec l'Internet des objets industriel, à exploiter pleinement le potentiel numérique et à améliorer l'efficacité. , réduire les coûts et améliorer la sécurité et la compétitivité de base.
Ecostruxure de Schneider Electric : la fonction principale de la plate-forme ecostruxure est de réaliser une gestion efficace de l'efficacité énergétique des entreprises, afin de réduire les coûts d'exploitation des entreprises, y compris les produits interconnectés, le contrôle et les applications de pointe, l'analyse et le service. Ecostruxure combine l'expérience et l'expertise de Schneider Electric en matière d'automatisation et de gestion de l'efficacité énergétique avec une technologie de mesure et d'analyse basée sur les données pour aider les clients à maximiser la valeur de l'Internet des objets.
Outre les fournisseurs de matériel et les fournisseurs d'analyse de données, certains fournisseurs de connexion réalisent des connexions filaires/sans fil via des modules de communication, des passerelles, des M2M et d'autres appareils, tels que Huawei, et des sociétés prenant en charge le stockage dans le cloud et les plates-formes d'applications Internet des objets, telles que PTC, SAP. et d'autres géants sont entrés sur la piste à travers des segments de marché.Le développement de la maintenance prédictive est inférieur aux attentes Les technologies émergentes telles que le cloud computing, les technologies de pointe et l’intelligence artificielle ouvrent la porte à une évolution du marché de la maintenance prédictive. Le but ultime de la maintenance prédictive est d’avoir un impact positif sur les bénéfices de l’entreprise. Bien que les perspectives de développement de la maintenance prédictive soient prometteuses, le taux de pénétration de la maintenance prédictive dans de nombreux secteurs traditionnels en Chine reste très faible, et de nombreuses entreprises doutent encore que la maintenance prédictive puisse réellement apporter des avantages tangibles. Une enquête montre que les principales raisons pour lesquelles le développement ultérieur du marché de la maintenance prédictive est inférieur aux prévisions sont les suivantes :● le retour sur investissement est difficile à calculer Pour les entreprises industrielles, si le retour sur investissement n'est pas clair, cela signifie que l'effet est lent, difficile à évaluer et que le temps nécessaire à la maintenance prédictive pour fonctionner réellement est plus long que prévu. Naturellement, la volonté de promotion des entreprises industrielles n’augmentera pas.● il est difficile de changer le mode de pensée traditionnel des entreprises Pour les fournisseurs de maintenance prédictive, le concept de vente de produits devrait passer de la vente de produits à la vente de services utilisés par les produits. Si l’on considère uniquement le risque d’indisponibilité réduit grâce à la maintenance prédictive et l’aspect économique des économies d’argent, cela est loin d’être suffisant. Un bon modèle économique n’aide pas nécessairement les utilisateurs finaux à économiser plus d’argent, mais aide les fournisseurs de services d’équipement ou les fabricants d’équipement à gagner plus d’argent.● les fondations ne sont pas solides et la quantité de données est insuffisante La maintenance prédictive des équipements industriels est confrontée à un problème courant qui est évité : le nombre de capteurs de l'équipement lui-même n'est pas suffisant, de nombreuses données n'ont pas formé une accumulation efficace à long terme et souvent des "données correctes" valent bien mieux que " big data" avec quantité et sans qualité. Compte tenu de la situation de développement actuelle, la technologie de maintenance prédictive n'est pas encore complètement mature et il reste encore un certain chemin à parcourir avant un atterrissage à grande échelle. Pour les fournisseurs, ce qu'il faut considérer à ce stade est de savoir comment utiliser la technologie de maintenance prédictive pour apporter une valeur pratique aux utilisateurs, c'est-à-dire réduire les coûts, augmenter l'efficacité, la sécurité et changer le mode de pensée traditionnel. Pour l’entreprise elle-même, elle doit avoir une conscience d’elle-même suffisante. Si l'entreprise elle-même n'a pas atteint le stade ou le niveau de numérisation et d'intelligence et ne suffit pas à soutenir la mise en œuvre d'un programme de maintenance prédictive, l'entreprise doit procéder à une évaluation globale de sa propre usine et comparer son coût d'entrée avec la maintenance actuelle. coût avant de prendre la décision d’introduire la maintenance prédictive. Pour les entreprises ayant un certain niveau numérique, ce dont elles ont besoin, c'est d'une expérience et de connaissances professionnelles suffisantes, plutôt que d'introduire aveuglément des systèmes logiciels de haute technologie. Ils doivent comprendre ce qui est « correct » et « utile » pour l’exploitation et la maintenance de l’entreprise, ce qui doit donner la priorité à la numérisation et comment le faire efficacement. La maintenance prédictive nécessite que les entreprises et les fournisseurs disposent d'un savoir-faire industriel suffisant pour pouvoir être pleinement mis en œuvre dans davantage de secteurs et maximiser les avantages et la valeur.
La maintenance prédictive combine des données multi-sources, telles que les capteurs des équipements clés, les progiciels de gestion intégrés (ERP), le système de gestion informatisé de la maintenance (GMAO) et les données de production. Le système de gestion intelligent de l'usine combine ces données avec des modèles de prévision et des outils d'analyse avancés pour prédire les défauts et les résoudre activement. La maintenance prédictive présente les avantages suivants : ● peu d'impact sur la chaîne de production : contrairement à la fabrication intelligente, la chaîne de production elle-même doit être transformée et mise à niveau. L'équipement matériel pour la maintenance prédictive sert principalement à aider à établir la connexion entre l'équipement et le serveur. Il n’est pas nécessaire de modifier la chaîne de production ou le processus de production, ce qui a peu d’impact sur le calendrier global de production. ● haute reproductibilité : la solution peut être rapidement copiée sur le même appareil, et plus il y a d'appareils importés, plus les données disponibles seront générées, ce qui est plus utile pour améliorer la précision du modèle. ● des résultats concrets et significatifs : la maintenance prédictive peut contribuer à réduire les coûts et à accroître l'efficacité des services d'exploitation et de maintenance. Selon l'enquête, la maintenance prédictive peut réduire les coûts MrOS (maintenance, réparation et exploitation) de 5 à 10 % et les coûts globaux de maintenance de 5 à 10 % ; En termes d'amélioration de l'efficacité, la maintenance prédictive peut améliorer la durée de fonctionnement normale des équipements de 10 à 20 %, réduire le temps de maintenance des équipements de 20 à 50 % et offrir une meilleure garantie de qualité des produits. ● de nombreux scénarios d'application : le principe principal de la maintenance prédictive repose sur la mise en réseau des équipements, l'acquisition de données, l'analyse du Big Data et l'apprentissage automatique. Il a un grand potentiel de développement dans le futur et favorise progressivement l'extension des scénarios d'utilisation depuis la maintenance des équipements jusqu'à la planification, la gestion des actifs, etc. Acteurs du marché de la maintenance prédictive Dans le processus de maintenance prédictive, les données sont la clé. La manière d’obtenir et de collecter des données est essentielle pour les capteurs. Enfin, il est nécessaire de trier et d'analyser les données collectées et de les transformer en un véritable contenu de valeur, il faut donc les visualiser, les évaluer et les traiter. Sur cette base, la maintenance prédictive offre également des opportunités aux acteurs professionnels subdivisés dans les domaines de l'acquisition, de l'analyse et de l'évaluation des données, y compris les fournisseurs de matériel de base et clés. D’une part, les entreprises de type Condition Monitoring (entreprises qui fournissent des capteurs et des solutions de Condition Monitoring pour mesurer des paramètres mécaniques, tels que les vibrations ou la température) ; D'autre part, il s'agit d'une entreprise de type système de contrôle industriel (système PLC/DCS pour le traitement des processus et le traitement des données liées aux machines). Ces dernières années, de nombreuses entreprises de renom ont déjà intégré la maintenance prédictive dans leur stratégie stratégique. Il existe actuellement de nombreuses excellentes plateformes sur le marché pour la collecte et l’analyse de données. Par exemple, Ge, Siemens, abb, Phoenix Electric, Schneider Electric, Honeywell, etc. Predix de Ge : predix est une plateforme de services cloud développée par GE pour les données et analyses industrielles. Il est chargé de connecter divers actifs industriels, équipements et fournisseurs au cloud, en fournissant une prévision complète de l'état de santé et des pannes de divers équipements industriels, afin de réaliser une optimisation de l'efficacité de la production, une gestion de la consommation d'énergie, une optimisation de la planification, etc. Predix adopte une combinaison de axé sur les données et un mécanisme pour résoudre des problèmes tels que la qualité, l'efficacité et la consommation d'énergie, et aider les entreprises industrielles à réaliser la transformation numérique. Mindsphere de Siemens : mindsphere est un système d'exploitation Internet des objets ouvert basé sur le cloud et lancé par Siemens. Il peut connecter en toute sécurité et rapidement des produits, des usines, des systèmes, des machines et des équipements au monde numérique, et exploiter pleinement la valeur potentielle des données générées par les équipements et les systèmes en cours de fonctionnement de l'entreprise, les transférer vers l'application industrielle de mindsphere avec une fonction d'analyse avancée. Pour l'analyse, afin de produire de meilleurs résultats de production et d'exploitation. ABB Ability ： ABB Ability Il intègre les capacités numériques intersectorielles et intégrées d'ABB, depuis les équipements, l'informatique de pointe jusqu'aux services cloud. ABB Ability Les solutions numériques personnalisées ont aidé de nombreuses entreprises dans les domaines de l'énergie, de la pétrochimie, de la métallurgie, des machines, de l'automobile, des navires, des centres de données, des infrastructures, etc. à réaliser l'interconnexion avec l'Internet des objets industriel, à exploiter pleinement le potentiel numérique et à améliorer l'efficacité. , réduire les coûts et améliorer la sécurité et la compétitivité de base. Ecostruxure de Schneider Electric : la fonction principale de la plate-forme ecostruxure est de réaliser une gestion efficace de l'efficacité énergétique des entreprises, afin de réduire les coûts d'exploitation des entreprises, y compris les produits interconnectés, le contrôle et les applications de pointe, l'analyse et le service. Ecostruxure combine l'expérience et l'expertise de Schneider Electric en matière d'automatisation et de gestion de l'efficacité énergétique avec une technologie de mesure et d'analyse basée sur les données pour aider les clients à maximiser la valeur de l'Internet des objets.Outre les fournisseurs de matériel et les fournisseurs d'analyse de données, certains fournisseurs de connexion réalisent des connexions filaires/sans fil via des modules de communication, des passerelles, des M2M et d'autres appareils, tels que Huawei, et des sociétés prenant en charge le stockage dans le cloud et les plates-formes d'applications Internet des objets, telles que PTC, SAP. et d'autres géants sont entrés sur la piste à travers des segments de marché.Le développement de la maintenance prédictive est inférieur aux attentes Les technologies émergentes telles que le cloud computing, les technologies de pointe et l’intelligence artificielle ouvrent la porte à une évolution du marché de la maintenance prédictive. Le but ultime de la maintenance prédictive est d’avoir un impact positif sur les bénéfices de l’entreprise. Bien que les perspectives de développement de la maintenance prédictive soient prometteuses, le taux de pénétration de la maintenance prédictive dans de nombreux secteurs traditionnels en Chine reste très faible, et de nombreuses entreprises doutent encore que la maintenance prédictive puisse réellement apporter des avantages tangibles. Une enquête montre que les principales raisons pour lesquelles le développement ultérieur du marché de la maintenance prédictive est inférieur aux prévisions sont les suivantes :● le retour sur investissement est difficile à calculer Pour les entreprises industrielles, si le retour sur investissement n'est pas clair, cela signifie que l'effet est lent, difficile à évaluer et que le temps nécessaire à la maintenance prédictive pour fonctionner réellement est plus long que prévu. Naturellement, la volonté de promotion des entreprises industrielles n’augmentera pas.● il est difficile de changer le mode de pensée traditionnel des entreprises Pour les fournisseurs de maintenance prédictive, le concept de vente de produits devrait passer de la vente de produits à la vente de services utilisés par les produits. Si l’on considère uniquement le risque d’indisponibilité réduit grâce à la maintenance prédictive et l’aspect économique des économies d’argent, cela est loin d’être suffisant. Un bon modèle économique n’aide pas nécessairement les utilisateurs finaux à économiser plus d’argent, mais aide les fournisseurs de services d’équipement ou les fabricants d’équipement à gagner plus d’argent.● les fondations ne sont pas solides et la quantité de données est insuffisante La maintenance prédictive des équipements industriels est confrontée à un problème courant qui est évité : le nombre de capteurs de l'équipement lui-même n'est pas suffisant, de nombreuses données n'ont pas formé une accumulation efficace à long terme et souvent des "données correctes" valent bien mieux que " big data" avec quantité et sans qualité. Compte tenu de la situation de développement actuelle, la technologie de maintenance prédictive n'est pas encore complètement mature et il reste encore un certain chemin à parcourir avant un atterrissage à grande échelle. Pour les fournisseurs, ce qu'il faut considérer à ce stade est de savoir comment utiliser la technologie de maintenance prédictive pour apporter une valeur pratique aux utilisateurs, c'est-à-dire réduire les coûts, augmenter l'efficacité, la sécurité et changer le mode de pensée traditionnel. Pour l’entreprise elle-même, elle doit avoir une conscience d’elle-même suffisante. Si l'entreprise elle-même n'a pas atteint le stade ou le niveau de numérisation et d'intelligence et ne suffit pas à soutenir la mise en œuvre d'un programme de maintenance prédictive, l'entreprise doit procéder à une évaluation globale de sa propre usine et comparer son coût d'entrée avec la maintenance actuelle. coût avant de prendre la décision d’introduire la maintenance prédictive. Pour les entreprises ayant un certain niveau numérique, ce dont elles ont besoin, c'est d'une expérience et de connaissances professionnelles suffisantes, plutôt que d'introduire aveuglément des systèmes logiciels de haute technologie. Ils doivent comprendre ce qui est « correct » et « utile » pour l’exploitation et la maintenance de l’entreprise, ce qui doit donner la priorité à la numérisation et comment le faire efficacement. La maintenance prédictive nécessite que les entreprises et les fournisseurs disposent d'un savoir-faire industriel suffisant pour pouvoir être pleinement mis en œuvre dans davantage de secteurs et maximiser les avantages et la valeur.