IA + IoT, le couple gagnant de la maintenance prédictive

En associant objets connectés et intelligence artificielle, il est possible de prévoir les pannes. On parle ainsi de maintenance prédictive. Pour les entreprises, les enjeux opérationnels et financiers sont énormes.

Prévenir les pannes avant qu’elles ne se produisent. Ce vieux rêve que caresse tout responsable de service de maintenance est devenu réalité. L’analyse fine de données permet aujourd’hui de suivre l’état de santé d’une machine en temps réel et de détecter les signes avant-coureurs d’une possible défaillance. 

Cette maintenance prédictive est rendue possible par l’arrivée à maturité de deux révolutions technologiques dont on peine à mesurer encore tous les apports : l’internet des objets (IoT) et l’intelligence artificielle. 

Les objets connectés tout d’abord sont appelés à se multiplier. Le coût unitaire des capteurs ayant drastiquement diminué pour passer sous la barre d’un dollar, il est possible d’en placer une multitude sur un équipement afin de mesurer la pression, la température, l’humidité, l’intensité lumineuse, détecter des mouvements ou des vibrations. 

Machine learning et maintenance

Ces senseurs remontent en continu, 24 heures sur 24 et 7 jours sur 7, des informations sur le niveau de performance de la machine ou sa disponibilité à des plateformes de type big data. C’est là que les modèles algorithmiques de machine learning entrent en jeu. En se fondant sur l’historique d’un parc de machines, ils sont à même de révéler des écarts de fonctionnement par rapport à un configuration optimale d’utilisation.

Ce changement de paradigme constitue un véritable saut qualitatif dans le monde du SAV et relègue au passé les modèles précédents. Avec la maintenance curative ou corrective, la réparation de l’équipement n’intervient qu’une fois la panne constatée. La maintenance préventive consiste, elle, à remplacer une pièce détachée en fonction de son taux d’usure statistique, comme il est conseillé à un automobiliste de changer la courroie de distribution de son véhicule après cinq ans ou 120 000 kilomètres parcourus. 

Déclencher l’intervention en cas de nécessité avérée

La maintenance prédictive apporte un grand nombre de bénéfices. Elle répond tout d’abord au principe du « juste à temps ». Les équipes terrain n’interviennent ni trop tôt, ni trop tard, uniquement en cas de nécessité avérée. C’est l’état réel de l’équipement qui déclenche l’intervention et non un calendrier théorique, préétabli.

Cette approche data driven améliore aussi le taux de résolution d’un problème en première intervention (« First Time Fix Rate »). Pas de déplacement inutile, le technicien arrive sur site en connaissance de cause avec une vision exhaustive de l’état de santé de la machine. En s’appuyant sur l’historique des pannes pour le même type d’équipement, il n’emporte avec lui que les pièces détachées susceptibles d’être changées, ce qui permet d’optimiser la gestion des stocks.

Mais le principal gain est à mettre à l’actif de l’entreprise cliente. La maintenance prédictive lui permet de réduire au strict minimum l’immobilisation d’une machine tout en la programmant à l’avance. En limitant voire en annihilant le risque de défaillance, l’entreprise allonge, par ailleurs, la durée de vie de son équipement.

En bardant ses ascenseurs de capteurs, le suisse Schindler tend à rendre ses installations disponibles 100 % du temps. La France n’est pas en reste. Tous les fleurons de notre économie évoluant dans l’automobile (PSA, Renault, Valeo), l’aéronautique (Airbus, Safran) ou l’énergie (Total, Air Liquide, Engie) se sont engagés dans de vastes plans d’IoT industriel. A elle seule, la SNCF investit 500 millions d’euros pour optimiser la maintenance de ses rames, entretenir ses voies et surveiller ses gares.

Un ROI déjà au rendez-vous

Par rapport à une maintenance traditionnelle, le mode prédictif nécessite toutefois un investissement plus conséquent. Il s’agit de mettre en place et de gérer un parc d’objets connectés mais aussi l’infrastructure cloud de stockage et de traitement des données ad hoc. Pour autant, le ROI est au rendez-vous. Un rapport de McKinsey prévoit que la maintenance prédictive fera économiser aux entreprises 630 milliards de dollars par an à partir de 2025. 

D’autres études envisagent sa généralisation. Selon le cabinet d’études Gartner, plus de 10 % des interventions sur le terrain seront déclenchées et pilotées par un dispositif d’intelligence artificielle de type chatbot à horizon 2019. D’après cette fois un sondage conduit par Vanson Bourne, les trois-quarts des décideurs IT et des responsables de gestion des interventions estiment que les machines bénéficieront d'ici 2020 d’une meilleure prévention santé que les êtres humains !

Quelle sera l’étape suivante ? Sans calquer les films de science-fiction, de Terminator à Ex Machina, on peut imaginer des machines intelligentes capables de faire elles-mêmes leur check-up. Certaines machines intelligentes sont déjà en mesure de déclencher une demande d’intervention et, dans l’entre temps, de passer en mode dégradé. Assurément, la fin de la maintenance telle qu’on la connaît.

Annonces Google