Articles en relation avec: #statistique

Maintenance prédictive mythe ou réalité ?

Par Emmanuel Frénod – Directeur Scientifique de See-d – 16 juin 2016

Le fait que Microsoft ait récemment lancé une fonctionnalité de maintenance prédictive au sein de son IA Cortana (voir http://blog.revolutionanalytics.com/2016/05/predictive-maintenance-r-code.html ou https://blogs.technet.microsoft.com/machinelearning/2016/02/23/predictive-maintenance-for-aerospace-a-cortana-analytics-solution-template/) n’est pas passé inaperçu.

Nous-mêmes chez See-d, nous menons actuellement plusieurs projets sur cette thématique pour le compte de nos clients.

Alors la maintenance prédictive est-elle une réalité, une réalité en devenir ou un mythe ?

Avant de répondre à cette question, donner une brève définition de cette notion est indispensable. La maintenance prédictive a pour objectif de réaliser une réparation donnée, sur un matériel donné, juste avant que la panne ne survienne. Elle adapte la maintenance, en temps réel, à l’utilisation qui est faite du matériel et est plus précise et ciblée que les préconisations des constructeurs qui se basent sur des utilisations moyennes des matériels. Elle réduit ainsi le coût de la maintenance, tout en assurant le maintien des matériels en conditions opérationnelles de fonctionnement.

Elle peut être déclinée dans tout type d’entreprises.

Sa mise en œuvre s’appuie sur des algorithmes (basés sur des modèles statistiques et mathématiques) permettant à partir d’historiques concernant les matériels, de prévoir à quel moment une panne surviendra, si une réparation n’est pas effectuée.
Les méthodes mathématiques utilisées portent les noms de « Modèles de durée de vie », « loi de Weibull », « loi log-normale », etc…

Pour en revenir à la question qui nous intéresse, la réponse est oui. La maintenance prédictive est une réalité dans les secteurs où la fiabilité n’est pas négociable pour des raisons de sécurité, et où en conséquence la maintenance a un coût très élevé. Elle ne fonctionne de manière efficace que parce qu’elle est appuyée par des capteurs embarqués sur les matériels qui nourrissent des algorithmes de monitoring et de pilotage (en temps réel) permettant d’affiner les prévisions de pannes.

Les théories mathématiques sur lesquelles se fondent ce monitoring-pilotage s’appellent « contrôle optimal », « contrôle adaptatif », etc…

Dans les autres secteurs, la maintenance prédictive est une réalité en devenir.

De nombreuses entreprises cherchent à maîtriser l’utilisation de leurs historiques de données, pour prédire les pannes, avec les algorithmes adéquats (basés sur les modèles statistiques et mathématiques pertinents). Cette étape indispensable prépare ces entreprises pour le moment, très prochain, où la maintenance prédictive sera une réalité tangible et effective avec l’émergence de l’IoT (Internet of Things ou Internet des Objets).

Lire la suite