France World

L’intelligence artificielle dans la maintenance d’usine n’est plus une question d’avenir…

Les pannes de machines non détectées sont les plus coûteuses. C’est pourquoi de nombreuses entreprises manufacturières recherchent des solutions qui automatisent et réduisent les coûts de maintenance. Les méthodes traditionnelles de vibrodiagnostic peuvent être trop tardives dans de nombreux cas. Prendre des lectures en présence d’un diagnostiqueur de temps en temps peut ne pas détecter un défaut à l’avance. 2017 Position Paper de Deloitte (Deloitte Analytics Institute 7/2017) a affirmé que la maintenance dans l’environnement de l’industrie 4.0. Les avantages de la maintenance prédictive dépendent de l’industrie ou des processus spécifiques auxquels elle est appliquée. Cependant, les analyses de Deloitte à l’époque ont déjà conclu que les économies sur les coûts des matériaux s’élèvent à 5 à 10 % en moyenne. La disponibilité des équipements augmente de 10 à 20 %. Les coûts de maintenance globaux sont réduits de 5 à 10 % et le temps de planification de la maintenance est même réduit de 20 à 50 % ! Neuron Soundware a développé une technologie basée sur l’intelligence artificielle pour la maintenance prédictive.

Personnel d’entretien qualifié – problème très courant

Les histoires d’entreprises qui se sont lancées dans le voyage numérique ne sont plus seulement de la science-fiction. Ce sont de véritables exemples de la façon dont les entreprises font face au manque de main-d’œuvre qualifiée sur le marché. Généralement mécanicien-mainteneur qui fait régulièrement le tour de toutes les machines et diagnostique leur état en les écoutant. Certaines entreprises recherchent désormais de nouvelles technologies de maintenance pour remplacer

Une panne sans identification précoce signifie le remplacement de l’ensemble de l’équipement ou d’une partie de celui-ci. En attente de la pièce détachée qui n’est peut-être pas en stock en ce moment. Parce qu’il est coûteux de stocker du matériel de remplacement. Dévaluation des pièces actuelles du composant dans la production, donc mise au rebut de l’ensemble du cycle de production. Enfin, mais surtout, cela représenterait jusqu’à XY heures d’arrêt de production. Les pertes pourraient atteindre des dizaines de milliers d’euros.

La surveillance des machines en temps réel est une tendance

Un tel scénario critique n’est pas possible si la technologie de maintenance est dotée d’une intelligence artificielle en plus de la connaissance mécanique des machines. Il applique lui-même ces connaissances à l’état actuel de la machine. Il est également capable de reconnaître quel comportement anormal se produit actuellement sur la machine. Sur cette base, envoyez l’alerte correspondante avec des instructions de maintenance précises. Les fabricants d’équipements mécaniques tels que les ascenseurs, les escaliers mécaniques et les équipements mobiles l’utilisent aujourd’hui, par exemple.

L’IA peut aider dans les différentes étapes de la production

Cependant, les technologies de maintenance prédictive ont des applications beaucoup plus larges. Grâce aux capacités d’apprentissage de l’intelligence artificielle, ils sont très polyvalents. Par exemple, la technologie peut aider aux tests de fin de ligne. Par exemple pour identifier les pièces défectueuses des biens produits qui sont invisibles à l’œil et apparaissent de manière aléatoire.

Le deuxième domaine d’application réside dans la surveillance des processus de production. On peut imaginer cela avec l’exemple d’un concasseur de gravier. Un convoyeur livre des morceaux de pierre de différentes tailles dans des broyeurs, qui doivent produire une granularité donnée de gravier. Auparavant, le fabricant faisait fonctionner le concasseur pendant une durée prédéterminée. Pour s’assurer que même en présence des plus gros morceaux de roche, un écrasement suffisant se produisait. Avec l’intelligence artificielle « à l’écoute » de la taille du gravier. Il peut arrêter le processus de broyage au bon moment. Cela signifie non seulement réduire l’usure de l’équipement de concassage, mais surtout gagner du temps et augmenter le volume de gravier livré par quart de travail. Cela apporte un grand avantage financier au producteur.

Les économies les plus importantes concernent les entreprises ayant un nombre élevé d’actifs identiques

Lors de la mise en œuvre d’une technologie de maintenance prédictive, la taille de l’entreprise n’a pas d’importance. Le critère de décision le plus courant est l’évolutivité de la solution déployée. Dans les entreprises disposant d’un grand nombre d’appareils mécaniquement similaires, il est possible de collecter rapidement des échantillons représentant des problèmes individuels. D’où le réseau de neurones apprend. Il peut alors gérer n’importe quel nombre de machines à la fois. Plus il y a de machines, plus le réseau de neurones a de possibilités d’apprendre et d’appliquer la détection des sons indésirables.

Le futur de la maintenance prédictive : accessible et omniprésente

Les technologies de surveillance de l’état sont généralement conçues pour les grandes usines plutôt que pour les ateliers avec quelques machines-outils. Cependant, à mesure que le matériel et la transmission et le traitement des données deviennent de moins en moins chers, la technologie y arrive également. Ainsi, même un fabricant de confitures maison aura bientôt la certitude que ses machines produiront suffisamment de produits, livreront les commandes aux clients à temps et ne ruineront pas sa réputation.

À l’avenir, la maintenance prédictive sera une nécessité. Dans l’industrie également dans les gros appareils électroniques tels que les réfrigérateurs et les machines à café, ou dans les voitures. Par exemple, nous pouvons tous reconnaître un échappement endommagé ou un moteur au son inhabituel. Néanmoins, il est souvent trop tard pour ramener la voiture en toute sécurité à la maison après des vacances. Par exemple, sans visite à l’atelier. Avec l’installation d’un dispositif de détection piloté par l’IA, nous saurons à temps la panne imminente et serons en mesure de résoudre le problème à temps, avant que le moteur ne se bloque et que nous devions appeler un service de remorquage.

Pavel Konecny

Pavel est un visionnaire technologique, conférencier et fondateur de la startup IA et IoT Neuron Soundware. Il a commencé sa carrière chez Accenture, où il a participé à plus de 35 projets technologiques et stratégiques sur 3 continents pendant 11 ans. Il s’est lancé dans l’entrepreneuriat en 2016 lorsqu’il a fondé une entreprise axée sur la maintenance prédictive des machines à l’aide d’analyses sonores.

Source

L’article L’intelligence artificielle dans la maintenance d’usine n’est plus une question d’avenir… est apparu en premier sur zimo news.