![\"micronora-actu-juin-2021-slider.jpg\"](\"https:\/\/micronora.com\/wp-content\/uploads\/2021\/06\/micronora-actu-juin-2021-slider.jpg\")
<\/p>\n<\/p>\n
Objectif majeur, la disponibilit\u00e9 des \u00e9quipements de production est un v\u00e9ritable casse-t\u00eate pour les responsables des usines. En effet, dans l’industrie, un incident qui provoque l’arr\u00eat des installations de production (machines-outils, robots, etc.) pendant une heure provoque une perte moyenne de 260 000 dollars. Ce montant consid\u00e9rable, mit en \u00e9vidence par l’\u00e9tude \u00ab The (rising) cost of Downime \u00bb r\u00e9alis\u00e9e par Aberdeen Strategy & Research (1), pourrait \u00eatre \u00e9vit\u00e9 gr\u00e2ce \u00e0 l’anticipation de pannes. <\/p>\n
Composante importante de la d\u00e9marche Industrie 4.0, la maintenance pr\u00e9dictive est un des moyens efficaces pour assurer une disponibilit\u00e9 de tous les instants des \u00e9quipements de production. Une \u00e9tude du cabinet McKinsey estime que cette d\u00e9marche permettra aux industriels d’\u00e9conomiser 630 milliards de dollars d’ici \u00e0 2025, via la r\u00e9duction du co\u00fbt de maintenance de 10 \u00e0 40%, la diminution du nombre de pannes de moiti\u00e9 et l’augmentation de la dur\u00e9e de vie des machines. Rappelons que la technologie de maintenance pr\u00e9dictive ou pr\u00e9visionnelle, d\u00e9finie par la norme NF EN 13306 X 60-319, permet une \u00e9valuation de l\u2019\u00e9tat des \u00e9quipements pour d\u00e9tecter les signes de pannes et anticiper ces derni\u00e8res. <\/p>\n
Ses objectifs sont doubles : r\u00e9duire la fr\u00e9quence des pannes des machines et donc, diminuer la fr\u00e9quence des interventions de r\u00e9paration. Gr\u00e2ce aux outils de maintenance pr\u00e9dictive, les chefs d’atelier peuvent planifier les r\u00e9parations de machines au moment le plus opportun. Plusieurs m\u00e9thodes sont utilis\u00e9es pour d\u00e9tecter les signes d\u2019un al\u00e9a de production avant qu’il se produise. A savoir, la mesure acoustique, la thermographie, l’analyse vibratoire, l’examen visuel, le contr\u00f4le radiographique, le contr\u00f4le d\u2019\u00e9tanch\u00e9it\u00e9, la magn\u00e9toscopie… On peut ainsi lister les pi\u00e8ces \u00e0 surveiller, \u00e9tablir les seuils d\u2019alerte, d\u00e9finir la p\u00e9riodicit\u00e9 de la v\u00e9rification, auditer la mise en place de la maintenance pr\u00e9dictive, mettre \u00e0 jour la proc\u00e9dure dans le plan de maintenance pr\u00e9ventive.<\/p>\n
Issue de recherches men\u00e9es depuis plusieurs ann\u00e9es par les chercheurs de l’Institut national de recherche en sciences et technologies du num\u00e9rique (Inria), la m\u00e9thode DiagRAMS (RAMS signifiant \u00abReliability Availability Maintainability and Safety \u00bb vise \u00e0 mettre les outils de maintenance pr\u00e9dictive \u00e0 la port\u00e9e de ceux qui en ont le plus besoin. (1) https:\/\/www.aberdeen.com\/techpro-essentials\/stat-of-the-week-the-rising-cost-of-downtime\/
\nPropos\u00e9e par la start-up lilloise DiagRAMS Technologies (2), cette d\u00e9marche originale est bas\u00e9e sur un logiciel de maintenance pr\u00e9dictive qui exploite les capteurs d\u00e9j\u00e0 existants dans l’atelier ou l’usine. Ce qui permet d’\u00e9viter les surco\u00fbts et l’accumulation de donn\u00e9es pas toujours lisibles. \u00ab Notre solution utilise les algorithmes de Machine Learning et d’intelligence artificielle pour traiter les donn\u00e9es industrielles brutes (consommation \u00e9nerg\u00e9tique, analyse vibratoire, courbe de temp\u00e9rature\u2026) sans n\u00e9cessiter de pr\u00e9traitements qui r\u00e9duisent l\u2019information contenue dans les signaux originaux. Ces donn\u00e9es sont compar\u00e9es \u00e0 des “signatures” de pannes mod\u00e9lis\u00e9es par des algorithmes pr\u00e9dictifs en se basant sur l\u2019historique de dysfonctionnement des \u00e9quipements. Quand une machine sort de son fonctionnement normal et se rapproche d’une signature critique, l’alerte est lanc\u00e9e en temps r\u00e9el afin d’engager l’op\u00e9ration de maintenance. La performance de d\u00e9tection s’affine au fil des usages et il devient possible d’identifier les probl\u00e8mes au plus t\u00f4t, alors m\u00eame qu’ils sont encore totalement ind\u00e9celables avec les outils de d\u00e9tection classique<\/em> \u00bb, pr\u00e9cise Margot Corr\u00e9ard cofondatrice de la soci\u00e9t\u00e9 avec Jean-Fran\u00e7ois Bouin, qui la pr\u00e9side. Avis donc aux amateurs…<\/p>\n
\n(2) https:\/\/diagrams-technologies.com\/
\n\n\t\t