Depuis plusieurs années déjà, la maintenance d’équipements a souvent été une source de problèmes pour bien des entreprises. D’un côté, si vous ne faites pas assez de maintenance, vous aurez une perte de productivité et d’un autre côté, si vous le faites trop fréquemment, vous aurez une explosion de coûts. Comment trouver un juste milieu permettant de maximiser la longévité des équipements tout en diminuant les coûts d’entretien? La réponse se trouve plus près que vous ne le croyez! "Maximiser la production tout en diminuant les coûts de maintenance; comment les données d’aujourd’hui permettent de prédire la maintenance de demain?" C’est pour bien comprendre l’impact de la maintenance prédictive que nous vous invitons à ce déjeuner-conférence le 20 mai prochain. En plus d’échanger avec vos pairs vous aurez l’occasion d’assister à la conférence de Thierry Desjardins sur les différentes applications de la maintenance prédictive et comment vous pourriez l’intégrer au sein de votre entreprise. Des sujets et thèmes à ne pas manquer! - Internet of Thing, iBeacon, GPS… Comment les technologies impacteront la maintenance de vos équipements? - Comment savoir quels appareils ont besoin de maintenance, à quel moment et quel en est la cause? - Comment évolueront les processus de maintenance? Est-ce que la maintenance just in time est accessible? - Comment certaines entreprises ont réussi à opérationnaliser efficacement un modèle de maintenance prédictive?

1. Maintenance Prédictive
Thierry Desjardins
17 Avril 2015

2. Impact de la maintenance
› Les coûts de maintenance représentent une part
importante des coûts opérationnels des usines de
fabrication ou de production
 15 à 60% du coût des biens produits
› Jusqu’à un tiers des montants investis en maintenance le
sont à perte
 Contrôles, vérifications ou réparations non nécessaires
 Maintenance ou entretien mal exécuté

3. Impact de la maintenance
› Une gestion inefficiente des processus de maintenance
affecte considérablement la capacité à produire des biens
de qualité compétitifs sur le marché.
› Les organisations ne disposent pas de données factuelles
pour
 Connaître leurs équipements et systèmes
 Identifier les besoins de réparation ou maintenance
› Les remarques courantes sont
 “La maintenance est un mal nécessaire”
 “On ne peut rien faire pour réduire les coûts de maintenance”

4. Enjeux de la maintenance
› Les entreprises se concentrent sur la connaissance des
processus et cherchent à réduire les coûts opérationnels
plus que jamais.
› Points d’attention :
Augmentation du pouvoir donné aux consommateurs,
Mondialisation des chaînes de production,
Dégradation des actifs avec le temps,
Augmentation des obligations de conformité,
Main d’œuvre vieillissante.
› Une piste d’amélioration est de se concentrer sur les actifs

5. Enjeux de la maintenance
› Un actif tangible doit être
 Disponible,
 Fonctionnel.
› En cas de défaillance, les
conséquences se mesurent :
 En temps,
 En efforts,
 En dollars.
› La maintenance a un impact
direct sur les résultats
financiers.

6. Chaîne de valeur
› Les actifs font partie
intégrante du processus de
production,
› Un seul élément
dysfonctionnel peut
impacter l’entièreté de la
chaîne de production très
rapidement,
› Les équipes « devraient »
travailler en synergie.

7. Évolution de la maintenance
› La technologie a joué un rôle important
dans l’évolution de la maintenance
Données disponibles grâce aux actifs
connectés
Transformation de la donnée granulaire en
connaissances
Synergie plus grande entre technologie et
les affaires
Augmentation de la puissance de calcul et
réduction des coûts de stockage de la
donnée

8. Modèle de maturité de la
maintenance
Source: Gartner
Maintenance
réactive
(panne =>
réparation)
Maintenance
préventive
(maintenance
basée sur les
règles édictées par
les constructeurs)
Maintenance
prédictive
(maintenance basée
sur les données
historiques, les profils
d’équipement et tout
type de données
permettant une
anticipation des
pannes)
Maintenance
préventive
‘monitorée’
(maintenance
basée sur règles
constructeurs et
monitoring temps
réel des
équipements)

9. Maintenance réactive« Run to failure »
› Principes
 Intervient après le constat d’une panne (If it ain’t
broke don’t fix it)
 Aucun investissement tant que la machine est
fonctionnelle
Méthode la plus couteuse
› Aucune volonté d’anticiper les besoins de
maintenance des équipements

10. Maintenance réactive« Run to failure »
› Dépenses principales liées à la maintenance réactive:
 Coûts de stockage des pièces de rechange
 Coûts associés aux heures supplémentaires de la main d’œuvre
 Temps de non disponibilité des machines de production
› Une réparation réactive a un coût 3 fois plus élevé que la
même opération réalisée de manière préventive.

11. 5 étapes du problème
1. Un élément de la chaîne de production s’arrête
 Rester calme
 Ne pas paniquer
2. L’opérateur regarde son écran et réagit en
appuyant sur des boutons
Appuie sur plusieurs boutons aléatoirement
Chances de succès faibles
3. Le responsable de la maintenance est informé de la
situation
 Met en doute les décisions prises par les opérations
 Recherche les coupables

12. Maintenance préventive
› La maintenance préventive est basée sur la durée
d’utilisation des équipements
Actifs sont inspectés périodiquement
› Basée sur la durée moyenne de fonctionnement avant
défaillance (mean-time-to-failure) ou courbe en U
Jeunesse. Défaut de fabrication, mauvais réglages …
Maturité. Période de fonctionnement normal
Vieillesse. Usure commence à être importante

13. Maintenance prédictive
Définition:
› Regular monitoring of the actual mechanical condition and operating efficiency
will provide the data to maximize interval between repairs and minimize the
cost of unscheduled outages
› Moyen d’augmenter la productivité, la qualité des produits et la performance de
la chaîne de production
Planification des activités grâce aux données
Rapprochement de l’idéal juste-à-temps

14. Applications industrielles
› Actifs manufacturiers :
 Ligne de production,
 Chaîne de montage (fraisage, façonnage, moulage, presse, soudure, robots)
› Équipement de terrain :
 Produits de grande consommation : laveuse, sécheuse, chauffe-eau, lave-vaisselle
 Distributeurs automatiques : nourriture, boisson, cigarettes, vidéo …
 Transports et logistique : avions, trains, bateaux, camions, voiture …
 Équipement et machinerie lourde : engins de terrassement, matériel d'exploitation
minière, grues.
 Production énergétique : éoliennes , panneaux solaires, outils de forage de pétrole.
 Réseaux : système électrique, ligne de télécommunications, sûreté, eau, réseau des
égouts.
 Construction : immobilier, universités, stades, sièges sociaux.

15. Données existantes
› Techniques de collecte non
destructives
 Infra-rouge
 Ultra-son
 Analyse de vibrations
 Mesure des niveau sonores
 Analyse des huiles

16. Connectivité des choses (internet of
things)
Les objets de tous
les jours sont
connectés et
envoient/reçoiven
t des données

17. Connectivité des choses
› Nest software affirme
apprendre de vos habitudes
d’utilisation
Vous n’avez qu’à monter ou
baisser le thermostat.
Après une semaine
d’utilisation, il commence à se
programmer lui-même.
› Thermostat utilise des données
contextuelles pour prendre des
décisions optimales

18. Connectivité des choses

19. Connectivité des choses

20. Machine to Machine
› Le système nerveux humain collecte des données
visuelles et sonores et prend des décisions sans
effort conscient
Le concept de machine to machine (M2M), utilise les
communications et l’informatique entre machines sans
intervention humaine
› Le monde des affaires peut s’inspirer de cette
technologie pour :
Réduire les coûts de collecte de la données
Améliorer la précision des données collectées
Automatiser la prise de décision
Obtenir un avantage concurrentiel

21. Machine to Machine
› On peut comparer le concept
M2M à l’internet du milieu des
années 90
 Points d’inflexion
 Calibré pour une croissance rapide
dès la conception
 Des idées claires sur les objectifs

22. Machine to Machine

23. Machine to Machine

24. Machine to Machine
La méthode M2M a déjà prouvé sa valeur dans différents secteurs industriels :
› Industrie automobile :
 Véhicules connectés, services anti-vol, surveillance, dispositifs d’info-divertissement.
› Transport & Logistique :
 Meilleure connaissance des performances des véhicules  Gestion des coûts de
maintenance et du renouvellement des actifs.
› Services :
 Compteurs intelligents.
› Sécurité & Sureté :
 Gestion des bâtiments et des installations.
› Santé :
 Surveillance médicale, diagnostic à distance et télémédecine.
› Gouvernement :
 Gestion des autoroutes, des ponts et du trafic.

25. Quelques mythes
› Mythe #1 : On ne peut pas mettre en place ces techniques tant
que les données ne sont pas collectées et disponible dans
l’entrepôt de données corporatif :
Personne n'a exactement ce dont il a besoin au début
Commencer avec ce qui est disponible et d'identifier les besoins en
nouvelle information.
› Mythe #2. On ne peut pas démarrer à moins que toutes les
données soient d’excellente qualité
 Un des bénéfices de la maintenance prédictive est d'améliorer la
qualité des données collectées
 Des techniques sont disponibles pour de gérer les valeurs manquantes

26. Quelques mythes
› Mythe #3. Tous les efforts sont concentrés sur la collecte et la gestion
des données:
 Vos projets auront du succès en se concentrant sur les objectifs stratégiques
 L’expérience permet de déterminer les données utiles à collecter
› Mythe #4. Seuls les docteurs en sciences peuvent comprendre et
mettre en œuvre les techniques d’analyse pour la maintenance
prédictive :
 Les utilisateurs métier peuvent comprendre les analyses
 Les logiciels d’analyse rendent plus simple l’extraction de connaissances à partir
des données.

27. Quelques mythes
› Mythe #5. La maintenance prédictive semble bien mais ça
va me coûter un bras et la jambe
 Regarder le ROI et la valeur
› Mythe #6. Les logiciels maisons sont meilleurs que les
logiciels spécialisés
 Réduction des coûts de développement
 Opérationnel immédiatement
 Mieux supportés, les éditeurs gèrent les problèmes et fournissent
des mises à jour

28. Système de monitoring sur des véhicules de transport de minerais, en
utilisant un grand nombre de paramètres venant de différentes sources afin
d’anticiper les alertes qui peuvent survenir

29. Un fabricant de fer et d'acier prédit les défauts
Rendement optimal
› Problématique :
Des petits changements tels que des écarts de
température ou un mauvais réglage, peuvent
conduire à des produits défectueux
› Solution :
Analyser de grandes quantités de données de
contrôle de la chaîne de production,
Identifier des tendances dans les opérations menant
aux problèmes

30. Une société de pétrole et de gaz suit les icebergs au large de la côte
Coût d’une erreur
› Problématique :
 25 % des réserves de pétrole et de gaz restantes sont
dans l'Arctique,
 Les risques de collision avec les icebergs rendent les
opérations dangereuses,
Le remorquage d'une plate-forme pétrolière après une
collision peut coûter 300 millions de dollars USD,
› Solution :
Mise en place d’une analyse des icebergs pour prévoir
leur taille, poids et mouvement.

31. Questions

32. Maintenance prédictive
Démocratisation et accessibilité

33. Qui suis-je?
Ariane Matte Marchand
Conseillère BI chez agileDSS
• Spécialisation en analyse prédictive KEEP CALM
I
Don’t have
a
PhD

34. Agenda
› La maintenance prédictive pour:
Secteur de la télécommunication
Secteur de l’énergie
Secteur des transports

35. Maintenace Prédictive
Constatation
Visualisation
Prédiction

36. Secteur de la télécommunication
Quelles sont les problématiques du secteur
Simulation sur la rétention clients
Impacts de la maintenance prédictive

37. Problématiques
Bris / Incidents
Panne
Dépassement capacité

38. Maintenance
› Quels sont les impacts de la maintenance sur la rétention clients?

39. Analyse sur la rétention clients

40. Facteurs d’influence des variables

41. Dépassement de capacité

42. Ce que l’on contrôle
La maintenance prédictive peut intervenir sur les éléments dont vous
êtes en contrôle:
• les capacités
• les tours
• etc.

43. Secteur de l’énergie
Quels sont le défis du milieu de l’énergie
Visualisation du pétrole Albertain

44. Défi de l’énergie
99.9%

45. Défis de l’énergie
Excellence sur les opérations
Réalité géographique
Réalité des valeurs

46. Impact sur la maintenance
Sur -
maintenance
Temps
Coûts
élevés
Plusieurs efforts investies en
maintenance pour éviter les
incidents/ accidents

47. Pétrole albertain
› Vue d’ensemble sur le pétrole Albertain:
Fréquence
Zones à risque
Défaillances

48. Fréquence

49. Zones à risque

50. Défaillance

51. De la prévention à la prédiction
› Les avantages de la prédiction versus la prévention
Gains potentiels et non négligeable sur la réduction des coûts de
maintenance
Éliminer l’intuition liée à la maintenance programmée (“monitorée”)
Couvrir un éventail plus large

52. The invisible supply chain
› La maintenance: souvent oubliée dans la chaîne
d’approvisionnement

53. Objectif de la prédiction

54. Secteur des transports
Quels sont les priorités
Maintenance prédictive

55. Priorités
Livraison en temps et en coûts
Limiter au maximum les interruptions de services
Éviter à tout prix les accidents

56. Prédiction sur les coûts de maintenance

57. Prédiction sur les coûts de maintenance

58. Tableau de bord

59. Tableau de bord

60. Mise en commun
Maintenance
Prédictive
Données
&
Visualisation
Connaissance
du Business

61. Au delà des visualisations
› La démocratisation de l’analyse prédictive passe par la chaîne
complète de réalisation.
› L’importance est de transférer la connaissance acquise et utiliser
en temps réel les prédictions, et ce, jusqu’au niveau opérationel
de l’entreprise

62. Exemple sur l’aviation
Cibler les problématiques
Détails de la maintenance à faire
Agenda des réparations
Visualisation des pièces

67. Questions?