IIOT : Se lancer dans la maintenance prédictive sans modifier ses infrastructures, par Artefact

10:00 min
temps de visionnage :
10:00 min

IIOT : Se lancer dans la maintenance prédictive sans modifier ses infrastructures, par Artefact

Ecouter cet article
Partager cet article
No items found.
No items found.
En partenariat avec
L’usine du futur ne se résume pas forcément à un bâtiment flambant neuf et ultra-connecté. De fait, on peut apporter de l’intelligence dans les parcs existants, même hétérogènes, grâce à l’IIOT et une méthodologie bien pensée. C’est le sujet de l’intervention d’Artefact et Ewattch, illustré par un cas concret de mise en oeuvre de maintenance prédictive.

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.

VOUS AIMEREZ

Aussi

No items found.
No items found.
No items found.
No items found.

HUB
  Newsletters

Hebdomadaire ou bimensuelle, retrouvez dans votre newsletter un décryptage des tendances business d'actualité à partager avec vos équipes, un cas d'usage analysé par nos experts pour vous inspirer, ainsi qu'une sélection des solutions innovantes à déployer facilement.

HUB
  Radar

IA générative : Le BIG Recap

La newsletter linkedin qui analyse les actualités de l'IA générative et son impact sur vos transformations business et métiers.

Je m'abonne