Menü plus témoignages clients

Détecter les pannes mécaniques 45 jours à l’avance

Les dommages causés aux machines peuvent avoir des conséquences considérables pour les entreprises industrielles. Trivadis a développé pour un client une solution qui permet de détecter les dommages aux machines 45 jours à l’avance.

Le calcaire, mieux connu sous le nom de carbonate de calcium dans l’industrie, est un produit chimique utilisé dans de nombreuses branches. Il est généralement employé sous forme de chaux calcinée dans les matériaux de construction, la fabrication de métal, les engrais, l’industrie pharmaceutique, ainsi que la fabrication du verre, du papier et du plastique. Nous sommes quotidiennement confrontés à ce produit sans le savoir. Plus de 100 millions de tonnes de calcaire sont nécessaires chaque année dans le monde. D’imposantes machines industrielles sont utilisées pour fabriquer les précurseurs de carbonate de calcium issu du calcaire: les classificateurs classent les roches en fonction de leur taille et les broyeurs de roche broient la pierre. Un leader mondial de fabrication de minéraux industriels a planifié, en collaboration avec Trivadis, le développement d’une solution capable de détecter à l’avance les dommages causés sur ses machines industrielles.

Une application de maintenance prédictive devait permettre d’éviter les pannes inopinées, de planifier les temps d’arrêt et d’accélérer les réparations. En somme, de faire bénéficier l’industrie des avantages d’un modèle de maintenance prédictive. Effectivement, sur ce marché mondial âprement disputé où les besoins en carbonate de calcium sont élevés, les pannes mécaniques coûtent cher à l’entreprise en raison des reports de délais de livraison et de ventes. Des ressources sont par ailleurs nécessaires pour effectuer ces dépannages non prévus.

Maintenance prospective de machines malgré une quantité limitée de données

Conformément à la devise de Trivadis «Better Together», la solution devait être élaborée ensemble avec les collaborateurs du fabricant de minéraux industriels. Une solution a donc été développée conjointement et les principes de base de la maintenance prédictive ont été transmis aux collaborateurs de l’équipe de projet.Normalement, les applications de maintenance prédictive nécessitent un très grand nombre de données historiques de capteurs provenant de machines identiques. Ces données sont ensuite analysées afin de trouver des indications en lien avec des défauts effectivement survenus. Ici, le défi était lié au fait que le fournisseur de minéraux industriels n’utilisait qu’un faible nombre de ces machines, par ailleurs développées et conçues par ses soins. Le pool de données disponible pour l’évaluation était donc très limité, plaçant les spécialistes des données de Trivadis devant des exigences élevées.

Obtenir des informations intelligentes à partir des données mécaniques

Malgré le peu de données disponibles, les experts de Trivadis sont parvenus à lire et interpréter les données mécaniques en se basant sur des extraits de bases de données contenant des informations de capteurs pour obtenir de précieuses informations. Des données de mesure ont été analysées et des modèles ont été élaborés et vérifiés sur la base du langage de requête R. Les employés du client ont appris les méthodes statistiques et la gestion du langage R, apportant dans le même temps les connaissances scientifiques nécessaires sur l’utilisation et le fonctionnement des machines. Un modèle de maintenance prédictive viable, dédié à l’entretien proactif et capable de prévoir les pannes mécaniques jusqu’à 45 jours à l’avance a pu être développé en peu de temps.

Infrastructure cloud: la base de l’analyse de données et du monitoring

Pour ce modèle, diverses propositions d’opérationnalisation ont été élaborées en vue de déterminer à quoi devait ressembler l’infrastructure cloud basée sur Microsoft Azure destinée à la collecte et l’historisation des données de capteurs et l’introduction de la maintenance prédictive sous forme de processus. Le Head of Engineering, Machines & Maintenance Group Operations résume la prestation de Trivadis comme suit: «Trivadis a développé un modèle de maintenance prédictive IoT capable d’identifier d’éventuelles pannes mécaniques jusqu’à 45 jours à l’avance. Cela nous permet de mieux planifier l’entretien des machines, mais également de réduire les coûts de manière significative.»Des idées ont également été développées sur la base des expériences acquises pour continuer à améliorer les prévisions.

Ansprechpartner

Ton interlocuteur:
Martin Ursprung

Email: martin.ursprung@trivadis.com

Téléphone: +41 58 459 50 95