Même si on parle beaucoup d’usine du futur, dans les faits, le parc industriel est encore à 80% fait de machines hétérogènes, et reste à moderniser. Dans ce contexte, comment mettre en oeuvre la maintenance prédictive, une des applications les plus concrètes de la smart factory ?

Artefact, agence-conseil spécialisée en data et intelligence artificielle, et Ewattch, qui propose des solutions connectées pour la smart industry et le smart building, nous présentent leur approche, via le cas de la société Platex. Cette société, spécialisée en plasturgie industrielle, cherche à apporter des solutions à deux problématiques : la maîtrise de sa consommation énergétique et la réduction des pannes.

Sébastien Wallet, directeur de la toute nouvelle Business Unit Objets Connectés IOT d’Artefact, et Nicolas Babel, CEO d’Ewattch, présentent leur approche mise en place, en quatre volets.

1. Savoir se fixer des objectifs : Aux industriels qui souhaitent se lancer dans l’IIOT (Industrial Internet of Things), les experts recommandent plusieurs choix décisifs : appliquer une méthodologie test and learn, travailler avec des technologies standard, ouvertes et évolutives, déployer des solutions plug and play. Autre point essentiel : il faut savoir se fixer des KPIs. Dans le cas de Platex, ces derniers visaient les 30% d’économies d’énergie et la  réduction de 50% des pannes.
    
2. Revaloriser et connecter un parc complet de machines hétérogènes : La nouvelle génération de capteurs intègre la capacité de prétraiter les données en local grâce à l’edge-computing, et s’installe rapidement et pour un faible coût d’acquisition. Dans le cas Platex, un capteur s’installe en 30 à 40 minutes sur une presse.
    
3. Superviser les machines en temps réel : Le monitoring et la planification de la production se font à travers un outil dédié de supervision de type dashboard GMAO. On peut aussi récupérer les données et les informations via des dispositifs de réalité augmentée par exemple.
    
4. Anticiper les pannes d’équipement : Un modèle de prédiction par machine est créé, qui se nourrit des données temps réel, de l’historique de la machine. Le machine learning permet d’établir des schémas de panne, avec des variations, afin d’établir des alertes.
    
5. Centraliser les données sur un hub : Artefact conseille d’agréger l’ensemble des flux sur un outil unique. Mettre ainsi en place un IOT Data Hub est la garantie pour l’entreprise de s’approprier et de maîtriser ses données. D’habitude accessible aux grands groupes, cette approche permet aux petites et moyennes entreprises, selon Artefact, de mettre en place la maintenance prédictive sans changer son infrastructure.