Présentation
RÉSUMÉ
Cet article présente les concepts de la maintenance prédictive intelligente pour l’industrie 4.0, dont l'objectif est de prédire l’instant d’occurrence d’une défaillance afin de mettre en œuvre des actions appropriées pour l’éviter. Il décrit les concepts de l'industrie 4.0, également appelée industrie du futur, née dans le cadre de la transformation numérique des entreprises. Après un rappel de terminologie, les méthodes et outils indispensables pour la conception de cette stratégie de maintenance sont développés. Enfin, un bilan de ses implantations actuelles dans les différentes industries est proposé en soulignant ses avantages et ses inconvénients.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleABSTRACT
This article introduces the concepts of intelligent predictive maintenance for industry 4.0, whose goal is to predict the moment of occurrence of a failure to implement appropriate actions to avoid it. It provides a description of the concepts of Industry 4.0, also referred to as the industry of the future, which emerged as part of the digital transformation of businesses. After a reminder of terminology, the methods, and tools essential for the design of this maintenance strategy are developed. Finally, a review of its current implementations in the various industries is proposed highlighting its advantages and disadvantages.
Auteur(s)
-
Gilles ZWINGELSTEIN : Ingénieur de l’École nationale supérieure d’électrotechnique, d’électronique, d’informatique, d’hydraulique et des télécommunications de Toulouse (ENSEEIHT), docteur-ingénieur, docteur ès sciences - Professeur associé des universités en retraite, université Paris-Est Créteil, France
INTRODUCTION
La prédiction d’une panne sur un équipement est une préoccupation majeure des responsables de la maintenance pour définir les stratégies les plus pertinentes aux plans technique et économique. La diffusion des nouvelles technologies numériques utilisant des objets connectés, l’Internet des objets, le cloud, le big data, l’intelligence artificielle et la science des données ont conduit au développement d’un nouveau concept de maintenance mondialement connue sous l’appellation de maintenance prédictive intelligente pour l’industrie 4.0. Cet article présente ses enjeux, ses origines, ses objectifs, ses méthodes et ses outils en y soulignant ses avantages et ses limitations. La première section décrit les enjeux de la maintenance prédictive intelligente pour l’industrie 4.0 qui peuvent être considérés comme des extensions de ceux de la maintenance prédictive classique dans la mesure où la prédiction de la défaillance met en œuvre les composantes de l’industrie 4.0. La définition de l’industrie 4.0, connue également sous les noms d’industrie du futur ou de « smart factory », est proposée dans la deuxième section. Elle fournit également une description des révolutions industrielles ayant conduit à ce qui correspond à l’industrie 4.0. Elle présente aussi un état des lieux de l’industrie 4.0 pour les grandes et moyennes entreprises en y décrivant les initiatives allemandes, françaises, américaines et chinoises pour soutenir leurs secteurs industriels. Compte tenu du fait que les concepts de l’industrie 4.0 varient suivant les domaines d’application, un exemple générique d’architecture avec ses composantes essentielles est proposé.
La troisième section présente la terminologie indispensable à maîtriser pour développer un programme de maintenance prédictive. Parmi les définitions importantes figurent le RUL (remaining useful life) ou DVUR (durée de vie utile restante) et le DEFAD (durée estimée de fonctionnement avant défaillance). Elle insiste en particulier sur la définition de pronostic et de ses métriques qui sont indispensables pour évaluer la confiance dans la prédiction de la défaillance. Les liens avec les contenus de CBM (condition based monitoring) et la PHM (prognostics and health management), qui utilisent les mêmes outils que la maintenance prédictive intelligente, font également l’objet d’une description succincte.
De nombreuses initiatives pour développer cette stratégie innovante de maintenance ayant vu le jour, cette section conclut sur un panorama de l’évolution de ce concept. Compte tenu du développement de plusieurs centaines d’outils depuis plusieurs décennies grâce aux apports de l’intelligence artificielle, des techniques d’apprentissage et des nouvelles techniques de stockage et traitement de données (data mining, big data, cloud computing, deep learning, machine learning, agents conversationnels similaires à ChatGPT…), la quatrième section est dédiée à la présentation succincte et évidemment non exhaustive de ces principaux outils. La maintenance prédictive intelligente de l’industrie 4.0 conduisant à une optimisation technico-économique, les principaux algorithmes d’optimisation fondés sur l’intelligence distribuée (swarm intelligence) feront l’objet d’une description succincte (algorithmes génétiques, colonies de fourmis et d’abeilles). La cinquième section présentera un exemple d’application de la maintenance prédictive intelligente développé par les constructeurs d’ascenseurs gérant un parc de plusieurs millions d’ascenseurs pour prédire les défaillances en les équipant de plusieurs centaines de capteurs connectés. Pour faciliter le développement de la maintenance prédictive intelligente, de nombreuses sociétés de services proposent des plateformes IIoT qui permettent d’établir ce type de maintenance. La sixième section offre un panorama non exhaustif de l’offre qui est proposée aux entreprises industrielles par les grandes sociétés de services (IBM, Amazon, Google, Huawei, Siemens…) et détaille leurs principales caractéristiques. La septième section présente, sur la base d’enquêtes réalisées auprès des industriels, leurs points de vue sur la maintenance prédictive intelligente. Ils mettent en exergue les facteurs qui freinent son adoption : le coût des technologies, le manque de compétences en data science et la réticence au changement. La conclusion insiste sur la nécessité d’une parfaite maîtrise des méthodes innovantes offertes par les techniques numériques pour réaliser la prédiction des défaillances. Elle souligne que le niveau de confiance de la prédiction dépend de façon prépondérante du volume de données relatives à une même défaillance, sans oublier une connaissance approfondie des mécanismes physiques de dégradation. Ce sont actuellement les facteurs essentiels qui conditionnent un retour d’investissement satisfaisant pour les utilisateurs potentiels. Le retour d’expérience mène au constat que l’industrie 4.0 met en avant une robotisation très poussée au détriment de la présence humaine (man-out-the-loop) entraînant des pertes de productivité dans certains secteurs. Pour cette raison, un nouveau paradigme industrie 5.0 est en cours de développement redonnant une place à l’être humain (human-in-the-loop), en prenant en compte également la résilience et le développement durable.
KEYWORDS
artificial intelligence | maintenance | big data | industry 4.0
VERSIONS
- Version archivée 1 de oct. 2019 par Gilles ZWINGELSTEIN
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Innovation > Management et ingénierie de l'innovation > Ingénierie de l'innovation > La maintenance prédictive-prévisionnelle-intelligente pour l’industrie 4.0
Accueil > Ressources documentaires > Technologies de l'information > Technologies logicielles Architectures des systèmes > Intelligence artificielle > La maintenance prédictive-prévisionnelle-intelligente pour l’industrie 4.0
Accueil > Ressources documentaires > Innovation > Industrie du futur > Industrie du futur : outils technologiques > La maintenance prédictive-prévisionnelle-intelligente pour l’industrie 4.0
Accueil > Ressources documentaires > Génie industriel > Industrie du futur > Industrie du futur : outils technologiques > La maintenance prédictive-prévisionnelle-intelligente pour l’industrie 4.0
Cet article fait partie de l’offre
Maintenance
(76 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
TEST DE VALIDATION ET CERTIFICATION CerT.I. :
Cet article vous permet de préparer une certification CerT.I.
Le test de validation des connaissances pour obtenir cette certification de Techniques de l’Ingénieur est disponible dans le module CerT.I.
de Techniques de l’Ingénieur ! Acheter le module
Cet article fait partie de l’offre
Maintenance
(76 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
BIBLIOGRAPHIE
-
(1) - PROTAIS (M.) - La maintenance, élément clé de l’usine du futur. - Usine Nouvelle (2018).
-
(2) - BAUER (W.), MAW (S.), MARRENBACH (D.), GANSCHAR (O.) - Industrie 4.0 – Volkswirtschaftliches Potenzial für Deutschland. - Bundesverband Informationswirtschaft, Telekommunikation und neue Medien. V.BITKOM (2014).
-
(3) - ISO/IEC - ISO/IEC TR 63306-1:2020 Manufacturing Standards Map (SM2 – Partie 1: Cadre de travail. - ISO/IEC (2020).
-
(4) - ISO/IEC - ISO/IEC TR 63306-2:2021) Smart Manufacturing Standards Map (SM2) – Part 2: Catalogue : Cartographie des normes (et standards) pour la fabrication intelligente (SM2). - ISO/IEC (2021).
-
(5) - IEC - PAS 63088:2017 : Smart manufacturing – Reference architecture model industry 4.0 (RAMI4.0). - IEC (2017).
-
...
DANS NOS BASES DOCUMENTAIRES
-
Introduction au Big data – Opportunités, stockage et analyse des mégadonnées
-
L’essor des objets connectés : Introduction.
-
...
MATLAB Toolbox Predictive Maintenance (l1) Logiciel, Les Montalets,
2, rue de Paris, 92196 Meudon, France.
APM Health IoT platform, General Electric, San Ramon, Californie, États-Unis.
Watson IoT platform, Compagnie IBM France, 17, avenue de l’Europe
92275 Bois-Colombes Cedex.
Manufacturing Predictive Maintenance Platform, Huawei Technologies France, 18, quai du Point du Jour, 92100 Boulogne-Billancourt, France.
Mindsphere Système d’exploitation IoT, Siemens France, 40, avenue des Fruitiers, 93210 Saint-Denis, France.
Amazon Web Services plateforme IoT Amazon, tour Carpe Diem, 31, place des Corolles, 92400 Courbevoie.
Google cloud IoT plateforme, Google France, 8, rue de Londres, 75009 Paris.
Microsoft Azure IoT plateforme, Microsoft France Paris, 39, quai du Président Roosevelt, 92130 Issy-les-Moulineaux.
HAUT DE PAGE
Site de la plateforme FactoryLab http://www.factorylab.fr
Le programme Nouvelle France Industrielle (NFI) http://www.economie.gouv.fr/nouvelle-france-industrielle/accueil
Les 34 feuilles de route de la Nouvelle France Industrielle (NFI) http://www.economie.gouv.fr/files/files/PDF/nouvelle-france-industrielle-sept-2014.pdf
Le...
Cet article fait partie de l’offre
Maintenance
(76 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
QUIZ ET TEST DE VALIDATION PRÉSENTS DANS CET ARTICLE
1/ Quiz d'entraînement
Entraînez vous autant que vous le voulez avec les quiz d'entraînement.
2/ Test de validation
Lorsque vous êtes prêt, vous passez le test de validation. Vous avez deux passages possibles dans un laps de temps de 30 jours.
Entre les deux essais, vous pouvez consulter l’article et réutiliser les quiz d'entraînement pour progresser. L’attestation vous est délivrée pour un score minimum de 70 %.
Cet article fait partie de l’offre
Maintenance
(76 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive