Comprendre les avantages liés à la maintenance prédictive (PdM)
Utiliser l'IA comme stratégie de maintenance prédictive peut permettre à votre usine d'éviter les problèmes coûteux résultant d'une panne de l'équipement et de limiter les temps d'arrêt non planifiés, notamment la perte de productivité, le non-respect des délais de livraison et des attentes des clients.
La maintenance prédictive offre une alternative rentable à la stratégie coûteuse de la maintenance réactive (RTF) qui prévaut dans les entreprises utilisant des systèmes plus anciens. Elle améliore également les approches de maintenance préventive obsolètes et à forte intensité de main-d'œuvre, dans lesquelles la maintenance est effectuée par paliers rigides et fixes.
En revanche, l'approche fondée sur des données vous permet d'intervenir avant que des temps d'arrêt coûteux ne surviennent. Avec une infrastructure moderne d'usine définie par logiciel, les données opérationnelles sont collectées à partir de plusieurs points de défaillance sur les équipements physiques dans toute l'usine. Il s'agit généralement des équipements de production, des moteurs et d'autres ressources à forte valeur.
Les fabricants de voitures, par exemple, peuvent utiliser les données des capteurs pour surveiller l'état des pistolets à souder, qui sont susceptibles de surchauffer. Les données analytiques servent à prévoir les défaillances futures en fonction de l'état de fonctionnement de la machine, ce qui déclenche des alertes à mesure que les seuils sont approchés.
Grâce à une stratégie de maintenance prédictive basée sur l'IA, votre organisation peut :
- Maximiser le temps de disponibilité en adoptant une approche prédictive. Les données des capteurs avertissent à l'avance des défaillances potentielles, ce qui permet de prendre des décisions plus efficaces et d'accélérer les réparations. Vous pouvez planifier afin de minimiser l'impact de la défaillance d'une machine sur les opérations, programmer la maintenance de manière proactive afin d'éviter de longues interruptions de production et détourner les charges vers d'autres équipements pendant que les machines sont en cours de maintenance.
- Renforcer l'efficacité opérationnelle en anticipant les défaillances de l'équipement. Le fait de disposer d'équipements en état de fonctionnement est le principal moteur de la production et des marges bénéficiaires. Vous pouvez ainsi maximiser l'efficacité globale des équipements (OEE), atteindre les indicateurs de performance clés (KPI) et optimiser le retour sur investissement (ROI).
- Fabriquer des produits de qualité constante en utilisant des données historiques pour prédire l'usure des composants essentiels. Vous pouvez planifier la maintenance lorsque des dysfonctionnements sont prévus et maintenir l'équipement dans des paramètres idéaux afin d'atteindre des taux de défaut nuls.
La surveillance de l'état des machines basée sur l'IA est une technique similaire à l'Industrie 4.0 qui vous permet de simuler les résultats opérationnels avec un jumeau numérique, de détecter les dysfonctionnements qui prédisent les pannes catastrophiques, de détecter les défauts des produits et d'utiliser la vision par ordinateur pour surveiller les travailleurs afin de respecter les réglementations de conformité de sécurité.
Maintenant que nous avons passé en revue les avantages de la détection intelligente en usine, vous êtes prêts à vous lancer dans la planification de votre implémentation. Les étapes suivantes permettent de coordonner avec succès un déploiement de maintenance prédictive.
Évaluez votre niveau de risque
La première étape consiste à évaluer le niveau de risque de votre organisation. Les fabricants sont exposés à des dizaines de risques que la maintenance prédictive et la surveillance de l'état des machines basée sur l'IA aident à atténuer, depuis les pannes et les défauts des équipements jusqu'à la sécurité et la conformité. Compiler un rapport sur les risques potentiels vous permettra de déterminer si une solution d'IA vaut l'investissement initial.
- Une évaluation interne des risques devrait être effectuée pour mieux comprendre les risques opérationnels. Cette évaluation peut inclure les points suivants :
- Analyse des risques
- Registres des temps d'arrêt des machines
- Enquêtes sur la qualité des produits
- Évaluation des incidents de sécurité
- Registres et données historiques sur les écarts de processus
- Taux de défauts
- Problèmes de conformité
- État des certifications ISO
- Il convient également de procéder à une évaluation externe des risques et d'étudier les implications financières d'un temps d'arrêt imprévu. Effectuez des recherches pour savoir comment l'arrêt de production peut entraîner des goulots d'étranglement dans la chaîne d'approvisionnement et entraîner des fluctuations des prix des matières premières. Menez des enquêtes sur l'impact des temps d'arrêt sur la satisfaction des clients. Les solutions d'IA peuvent aider à atténuer les risques de votre entreprise en assurant le bon déroulement des opérations.
Les risques spécifiques auxquels votre entreprise est exposée varient selon le sous-secteur : -
- La production discrète (automobiles, appareils, produits électroniques, etc.) est susceptible d'être plus sensible aux problèmes de perte de qualité et aux perturbations de la chaîne d'approvisionnement dues à une panne de machine.
- La production de type process (sociétés pharmaceutiques, aliments et boissons, etc.) est plus vulnérable aux problèmes liés aux erreurs de formulation, à la conformité réglementaire et au contrôle des processus.
Vous devez également vous fier à des recherches externes, notamment à l'analyse de la concurrence et aux rapports du secteur, pour comparer les transformations numériques dans des usines similaires à la vôtre. Vous trouverez un exemple dans ce témoignage expliquant comment BMW a utilisé les solutions de l'Industrie 4.0 pour automatiser et améliorer les processus de qualité essentiels dans ses usines.
Collaborez avec un fournisseur de solutions d'IA
Lorsque vous êtes prêts à passer à la prochaine étape, envisagez de solliciter l'aide d'un tiers pour faire le gros du travail. Travailler avec un partenaire technologique simplifie l'ensemble du processus, de la planification à la mise en œuvre, ce qui permet de gagner du temps, de réduire les coûts, de limiter la complexité et de surmonter les obstacles liés à l'implémentation. Intel collabore avec un réseau mondial de fournisseurs de solutions d'IA/industrielles et d'intégrateurs de systèmes (SI) afin de s'assurer que les solutions de ses partenaires sont optimisées pour le matériel Intel® et que les systèmes basés sur la technologie d'Intel sont conçus pour des performances élevées et des opérations fluides.
Prescient Technologies, par exemple, offre une solution de double numérique flexible qui vous permet de voir l'impact de vos données en trente jours. Cette solution basée sur la plateforme Intel® Edge Insights for Industrial et le kit d'outils OpenVINO™ aide vos opérateurs à analyser rapidement des sources de données opérationnelles éparpillées afin de fournir des insights visuels clairs et exploitables. Explorez les solutions de nos partenaires.
Consultez les études de cas récentes pour savoir comment des partenaires de l'écosystème d'Intel implémentent des solutions de l'Industrie 4.0 dans le secteur industriel.
Implémentez votre solution d'IA
L'étape suivante consiste à déployer des capacités d'IA dans l'ensemble de votre usine afin de pouvoir surveiller votre équipement. Cette opération nécessite à la fois l'installation physique d'une technologie compatible avec l'IA pour collecter des données sur chaque équipement et le déploiement d'un algorithme d'IA chargé d'analyser les données collectées en temps réel afin d'identifier et de prévenir les problèmes de maintenance, de conformité et de productivité.
Voici un résumé plus détaillé des éléments impliqués dans le déploiement d'une solution d'IA dans votre usine :
- Installez une technologie compatible avec l'IA dans vos équipements pour collecter les données opérationnelles et les historiques de pannes et définir des caractéristiques spécifiques aux machines. Les données opérationnelles servent de base à la maintenance prédictive, notamment les données de fonctionnement normal d'une machine et les données d'erreur. Des capteurs sont souvent utilisés pour collecter ces données. Par exemple, si une pompe hydraulique est surveillée, les capteurs peuvent capturer les taux de vibration, la pression d'huile, la vitesse du fluide et d'autres paramètres pertinents. Si la machine fait partie d'un système de contrôle défini par logiciel (SDC), des agents de télémétrie sont installés pour capturer les caractéristiques de la machine en temps réel.
- Préparez les données de votre machine à l'edge ou dans le cloud. Une base de données est utilisée pour stocker les données brutes destinées à l'analyse. Un scientifique des données prétraite les données afin de les convertir dans un format approprié pour l'algorithme. L'étape de prétraitement améliore la précision des données et permet à l'algorithme de les traiter efficacement.
- Entraînez votre algorithme d'IA sur des données prétraitées afin de créer un modèle spécifique aux données opérationnelles de la machine. Un spécialiste des données identifiera l'algorithme approprié à utiliser en fonction de la nature des données et des indicateurs de performance clés tels que la latence, la taille du modèle et la précision.
- Déployez des modèles d'IA entraînés sur des appareils à l'Edge ou sur un serveur central qui collecte les données en streaming depuis diverses machines afin de faire des prédictions collectivement. La meilleure option pour votre entreprise dépendra du niveau de risque susmentionné. Les opérations qui nécessitent des prédictions en temps réel doivent déployer le modèle sur des appareils à l'Edge, tandis que celles qui ont la plus grande marge de manœuvre peuvent utiliser un serveur central.
Cependant, certains compromis doivent être pris en compte. La lecture des données en temps réel sur des appareils à l'Edge peut nécessiter l'utilisation d'un modèle plus petit, qui pourrait être moins précis qu'un grand modèle, ce qui entraînerait des variations dans les prévisions.
Les appareils à l'Edge avec accélération de l'IA sont recommandés pour les cas d'utilisation à l'Edge. Le kit d'outils OpenVINO™ open source peut être utilisé pour l'optimisation et le déploiement des modèles d'IA. Il vous permet d'exécuter des applications d'IA à l'Edge avec une grande efficacité.
De plus, les outils d'IA Intel® alimentés par oneAPI vous aident à accélérer les charges de travail de Machine Learning sur l'architecture Intel® grâce à des packages optimisés pour les frameworks et les bibliothèques populaires, notamment PyTorch, Modin, scikit-learn, XGBoost.
Choisir et déployer des solutions Intel®
L'utilisation de la bonne combinaison de technologies est essentielle à la réussite de votre déploiement de l'IA. Avec à une plateforme d'IA de bout en bout robuste, Intel fournit les composants dont vous avez besoin pour mettre en œuvre votre solution d'IA industrielle, notamment :
- Des solutions matérielles, telles que des processeurs adaptés à l'IA avec des fonctionnalités comme les réseaux sensibles au temps (TSN) pour une faible latence et du matériel robuste et résistant à la chaleur pour les conditions industrielles1
- Des solutions logicielles, telles que des plateformes de développement axées sur l'industrie
- Des partenaires qui offrent des solutions personnalisées prêtes à déployer, ou une expertise en matière d'intégration des systèmes pour vous aider à déployer des solutions basées sur la technologie Intel et à minimiser la complexité du système
Voici des exemples d'offres d'Intel pour vos solutions de maintenance prédictive :
- Les processeurs Intel® Xeon® Scalable offrent les performances nécessaires à l'analytique avancée en usine. Ils contiennent des moteurs d'IA Intel® intégrés pour accélérer les charges de travail d'IA à grande échelle, fournissant des insights rapides sur les données opérationnelles en augmentant les performances de l'entraînement Deep Learning et de l'inférence des tâches sur les cœurs du CPU2.
- La plateforme Intel® Edge Insights for Industrial sert de base pour exploiter les données d'une usine afin d'améliorer les opérations. Grâce à la prise en charge de l'ingestion de données vidéo et de séries chronologiques, ce package logiciel open source prêt à être déployé est doté de composants logiciels prévalidés afin d'accélérer les déploiements de l'IA industrielle. Il comprend l'analyse IA, peut publier sur des applications locales ou dans le Cloud et offre la flexibilité nécessaire pour des solutions personnalisées.
- Les Intel® IoT Market Ready Solutions (Intel® IMRS) des partenaires de l'écosystème d'Intel intègrent le matériel et les logiciels Intel® dans des solutions industrielles prêtes à déployer qui réduisent les risques de temps d'arrêt, débloquent l'efficacité opérationnelle et améliorent la sécurité des travailleurs. Ces solutions pour l'Industrie 4.0 prêtes à déployer sont optimisées pour l'exécution des applications d'IA sur les processeurs Intel®, ce qui améliore les performances à l'Edge et sur site.
Se lancer dans l'optimisation de la maintenance prédictive
Une solution de maintenance prédictive et de surveillance de l'état des machines basée sur l'IA permet à votre entreprise de maximiser le temps de disponibilité afin d'atteindre l'efficacité opérationnelle. Le matériel et les logiciels d'Intel, ainsi que notre réseau de partenaires, peuvent vous aider à déployer une solution d'IA prête pour le marché et à réaliser votre état opérationnel idéal. Commencez par contacter votre représentant Intel ou un partenaire technologique Intel®, et mettez l'IA au travail dans votre entreprise dès maintenant.