IoT et maintenance prédictive : bienvenue dans l’industrie 4.0

Un nombre croissant d’entreprises utilisent le potentiel de l’IoT et du Big Data pour anticiper l’usure et les pannes d’équipement de leurs équipements. Un procédé de maintenance prédictive qui gagne constamment en précision grâce aux capacités d’apprentissage des machines.

Qu’il s’agisse de piloter des machines à distance, surveiller leur fonctionnement ou simuler des processus de production, les industriels sont aujourd’hui nombreux à faire appel à l’internet des objets (IoT). Devenu l’une des technologies indispensables à l’industrie 4.0, l’IoT permet de faire communiquer des objets extrêmement variés, du chariot élévateur au capteur chimique.

Comment ça marche ?

L’installation de capteurs connectés à un programme d’analyse permet de surveiller en continu les performances d’un composant, d’un équipement ou d’un système. Comment ? Par la mesure de la température par imagerie infrarouge, de l’état de pression des flux d’air ou bien de la fréquence de vibration entre autres exemples.

Les données collectées par ces capteurs sont analysées de façon à définir le fonctionnement standard d'une machine. La détection d’une anomalie est effectuée par comparaison avec le comportement de référence. Les agents de maintenance sont prévenus en cas d’anomalie et ont ainsi la possibilité d’intervenir avant que la panne ne survienne.

Prédire plus pour économiser plus

Pour renforcer leur capacité à anticiper l’usure du matériel, de plus en plus d’entreprises utilisent donc les potentiels combinés de l’IoT et du Big Data. A la clé : une performance des équipements monitorée en temps réel et des économies significatives, les pannes de matériel coûtant cher aux entreprises.

Une étude menée en 2017 dans 3 pays européens et aux États-Unis révèle que 70 % des 450 décideurs informatiques et managers de services sur site interrogés ne savent pas exactement quand leurs équipements doivent être maintenus ou mis à niveau. 46 % des arrêts imprévus de leurs machines sont dus à des défaillances matérielles. Avec quelles conséquences ? Des arrêts inopinés, qui ont duré 4 heures et coûté 2 millions de dollars en moyenne, et ont eu un fort impact sur la production, l’IT et les services clients.

Tous les secteurs sont concernés !

La maintenance prédictive, fer de lance de « l'usine connectée » pour détecter les pannes potentielles des machines sur les chaînes de montage, est désormais utilisée dans tous les secteurs d’activité. L’ascensoriste Kone a par exemple mis en place un partenariat avec IBM pour équiper ses ascenseurs de capteurs afin de détecter et anticiper les pannes. Les données de fonctionnement, stockées dans les serveurs Cloud d’IBM, sont traitées par l’informatique cognitive d’un programme d'intelligence artificielle nommé Watson.

Le sous-traitant aéronautique Figeac Aero pratique quant à lui la maintenance prédictive depuis 5 ans, sur un périmètre restreint de données captées sur ses machines de production : vibrations, défauts géométriques, force de serrage des outils. Avec comme résultat la prévention de 40 % des pannes.

Des prédictions toujours plus précises

Au fil du temps, l’utilisation des algorithmes permet de créer des schémas de panne à partir de l’historique des anomalies. Des modèles qui aideront à reconnaître, puis à prédire les futures pannes éventuelles. Les technologies de machine learning enrichiront progressivement ces modèles pour gagner en fiabilité et détecter de plus en plus tôt tout type d’anomalie.

La maintenance appliquée à Orange

Nous installons des sondes aux interfaces des équipements qui forment le réseau mobile pour capturer et analyser les informations sur le trafic. Nous pouvons ainsi surveiller la qualité de service : en cas de changement de comportement du réseau, des alarmes se déclenchent en quasi temps réel. Cela permet notamment de contrôler la bonne intégration de nouveaux équipements ou de nouvelles fonctionnalités. Les sondes permettent d’avoir une bonne visibilité sur la qualité de service du réseau mais également de l’expérience client.
Dominique Le Beuz, Directeur de l’exploitation du réseau mobile d’Orange France

Les sondes ont aussi des usages autres que la qualité de service. Les données qui en sont issues peuvent par exemple alimenter des applications tierces et offrir des services à valeur ajoutée pour nos clients, par exemple les « SMS de bienvenue » lorsqu’un abonné est en déplacement à l’étranger ou les services basés sur la localisation de l’abonné comme dans l’offre Flux Vision.
Les sondes permettent d’anticiper les dysfonctionnements sur le réseau. Plus exactement, elles vérifient que le trafic est traité correctement en comparaison avec un comportement standard et détectent la moindre anomalie. Les exploitants des équipements peuvent donc investiguer avant que cela n’impacte le client. En cas de problème client, l’analyse du traitement de l’appel dans tout le réseau nous permet parfois d’anticiper et de prévenir des incidents à plus grande échelle.
Aurélie Piètre-Cambacédès, Responsable de l’Operational Skillcenter et de l’exploitation des Sondes du réseau mobile Orange France

Cette capacité d’anticipation a également un impact financier certain : sur l’allocation des ressources techniques, mais aussi sur les coûts de gestion de crise en cas de problème, les coûts pour nos clients entreprises… Avec l’arrivée de l’automatisation dans l’exploitation des réseaux et la mise en place d’interfaces de programmation (API) sur les systèmes sondes, les gains opérationnels pourront potentiellement être encore plus importants pour Orange comme pour nos clients.

Ces sondes sont déployées sur le réseau France mobile, Orange pourra prochainement corréler les informations de façon transverse et de bout-en-bout. Cela devient indispensable pour optimiser l’analyse sur des traitement d’incidents très complexes, car la densification des réseaux rend parfois difficile la localisation de l’incident. L’ensemble de nos filiales possédant un réseau mobile bénéficient de ce système de sondes, nous les accompagnons lors de sa mise en place et pour son exploitation.