De nombreuses entreprises maintiennent leurs équipements et leurs machines en réparant au fur et à mesure les pannes. Ce qui génère des surcoûts, des retards de production liés aux arrêts de chaîne et, par conséquent, une productivité en berne. Dans l’usine du futur, la maintenance industrielle ne peut être occultée.

Une solution est d’adopter une démarche de maintenance prédictive, ou prévisionnelle, en combinant différentes technologies : capteurs intelligents, algorithmes d’analyse des pannes, big data… Tout cela nécessite de repenser son organisation interne.

Maintenance prédictive

La maintenance prédictive permet de détecter les anomalies sur des machines avant qu’elles ne deviennent trop graves. La force de celle-ci est donc d’anticiper les pannes. Ce qui évite tout arrêt  qui pourrait être coûteux  de la chaîne de production. Si elle émerge, c’est qu’il est désormais possible de capter les signaux faibles sur les machines. Il reste ensuite à faire remonter les données et les analyser. Ces analyses permettent d’augmenter la satisfaction client et de faire des économies. La maintenance prédictive permet d’améliorer les indicateurs de performance comme le taux de rendement global (TRG) d’un équipement, les coûts de réparation et d’intervention ainsi que la qualité du produit.

Une solution logicielle

Senseye s’implante en France afin de proposer ses solutions de maintenance prédictive à base d’intelligence artificielle. L’entreprise britannique, fondée à Southampton en 2014, s’est spécialisée dans l’analyse des données des capteurs des machines industrielles pour détecter les signaux faibles annonciateurs de pannes, comme des changements dans les vibrations. Ayant récemment ouvert des bureaux en Allemagne, Senseye est également sur le point de s’établir aux Etats‐Unis et au Japon. Déjà utilisée par de grands groupes industriels sensible à une évolution vers l’industrie 4.0, la solution Senseye permet, à partir d’algorithmes « auto‐apprenants », de détecter les anomalies, d’anticiper automatiquement les pannes‐machine et de connaître la durée d’utilisation restante des équipements.
Simon Kampa, le PDG de Senseye, commente : « Notre logiciel de maintenance prédictive a fait ses preuves en permettant à de grands groupes industriels de réduire les arrêts‐machines non planifiés et d’optimiser leurs processus de maintenance ». Peter Livaudais, vice-président strategic accounts chez Senseye, explique : « Senseye permet de diminuer de moitié les temps d’arrêts‐machine imprévus et de réduire les coûts de maintenance industrielles de 40%. Plus qu’une solution, Senseye est une passerelle vers l’industrie du futur. »