janvier 26, 2018
Avec l’industrie du futur, la vague du numérique, tel un tsunami puissant, déferle sur les usines…
C’est du moins ce que pourraient nous laisser croire des communications toutes plus brillantes les unes que les autres, au moins en arguments marketing ! Du PowerPoint au « case study », tout y passe pour que la « old factory » soit aussi has been que le vinyle de nos jeunes années. Et pourtant, en bon décideur, tout dirigeant doit savoir raison garder et se poser les bonnes questions. Basculer du jour au lendemain dans le futur, peut exiger des investissements colossaux aussi bien financiers qu’humains auxquels bon nombre de sociétés ne pourraient résister. Pire, il n’est pas évident que bruler son cash pour une telle aventure soit réellement pertinent.
Les entreprises, et pas uniquement les PME, ne sont pas obligatoirement bien armées pour digérer ce monde digital. Entre Big Data, IoT, IA, Cloud et autres jargons dont sont friands nos chers geeks, il est facile de perdre son latin d’où des blocages souvent préjudiciables y compris pour des projets où le R.O.I est avéré. C’est le cas pour la maintenance prédictive souvent abrégée par PdM.
Dans les usines, les entrepôts, sur les machines ou engins mobiles, le mot d’ordre général est la D.I.S.P.O.N.I.B.I.L.I.T.E . Parallèlement les systèmes de production deviennent de plus en plus complexes tout en devant répondre à des enjeux de flexibilité et d’agilité. Dans de nombreux marchés où l’hyper-croissance a fait place à la maturité, où la qualité est devenue un standard et l’innovation un élément différentiant obligatoire, la recherche de gain de productivité passe entre autre par la maintenance prédictive. L’optimisation des opérations entretien et des arrêts accidentels est source d’économie et de satisfaction client.
3 grands domaines sont particulièrement impactés :
L’arrivée de l’IoT (Internet des objets) et plus généralement des capteurs communicants apporte une solution technologique à la génération massive de données de contrôle, permettant d’anticiper les pannes par analyse statistique et génération de modèles prédictifs. Encore faut-il ne pas se tromper dans les solutions à adopter !
C’est une occasion de se pencher sur les 7 péchés capitaux de la maintenance prédictive pour éviter qu’ils ne se transforment en péchés mortels !
Un des gros écueils aujourd’hui est la difficulté d’accès aux données et aux commandes « profondes » des machines. Le nombre de systèmes propriétaires, s’il peut s’expliquer dans une logique de barrière à l’entrée pour les concurrents, est aujourd’hui un frein à la maintenance prédictive pour des systèmes complexes. Des standards de communication et de formats des données sont un des enjeux majeurs de l’industrie du futur.
Bien réussir son projet de maintenance prédictive c’est d’abord et avant tout du bon sens et pas des choix de technologies. Quels sont les secteurs critiques ? Quels sont les impacts sur la production ? Quel effet sur les équipes en atelier et sur le client ? Quel risque sur les délais d’approvisionnement des pièces de rechange ? sont autant de questions que l’on doit d’abord se poser afin de décider ce qu’il faut mettre sous contrôle.
Cela semble évident et pourtant c’est probablement l’un des points les plus délicats. IL FAUT PRIORISER ! « Que contrôler et surtout où contrôler ? » peut amener au meilleur et au pire des résultats. Plus encore, la facilité relative d’installation de l’IoT peut amener à un suréquipement ayant deux conséquences majeures : un trop grand bruit de fond noyant les données pertinentes et un R.O.I. qui s’allonge démesurément.
c’est peut-être un des points les plus dérangeants pour les spécialistes de maintenance car cela fait obligatoirement sortir de sa zone de confort. Si les arbres de défaillance et autres AMDEC sont totalement maitrisés, il n’est pas rare que de nouvelles manières de détecter des défaillances potentielles apparaissent en croisant des données « improbables » et sans lien évident. La grande masse de données disponibles par le Big Data permet de faire apparaitre des signaux faibles. Mieux encore, au fur et à mesure que les données s’accumulent dans des environnements très différents, de nouveaux modèles de défaillance plus raffinés voient le jour dans un cercle vertueux de progrès.
là encore, la maintenance prédictive doit faire ses preuves. On vend une promesse sur le futur, mais cette promesse a un coût opérationnel au-delà de la partie technologique. Que cela soit internalisé ou externalisé, le passage par des « datas scientists » est à minima probable, pour ne pas dire obligatoire. Ces coûts induits doivent être mis en regards des couts de non qualité. Comme précédemment, le choix du prédictif face au préventif doit être systématiquement comparé pour éviter les dérives économiques.
La maintenance prédictive crée une toute autre relation entre le client et le fournisseur, avec un service qu’il faut à la fois valoriser et marketer. Pas sûr que les forces de vente amenées à vendre du produit physique soient « programmées » pour vendre du virtuel. Pas sûr que les forces de vente de « service » soient naturellement aptes à se confronter aux technologies physiques. Des modules de formation sont indispensables pour ces nouveaux métiers.
Si le numérique se traduit fondamentalement en 0 et en 1, en oui ou non, en blanc ou noir, le monde réel est, par nature analogique, est offre toutes les couleurs de l’arc en ciel. La maintenance prédictive associée au big data est la confrontation de ces deux mondes, discontinu pour le digital et continu pour le physique. Dit autrement, la maintenance prédictive est une véritable école d’humilité. Elle apprend à travailler avec de multiples compétences car personne ne détient à lui seul la vérité.
C’est sans doute cela la conclusion de ce billet d’humeur : la maintenance prédictive est à nos portes, fringante et attirante. Elle devient économiquement accessible et souhaitable. Mais elle demande aussi que nous revoyons nos standards et oublions beaucoup de nos préjugés.
Un vrai purgatoire pour un futur paradisiaque !
André MONTAUD
Directeur de THESAME Tech & Innovation
am@thesame-innovation.com