Analyse prédictive : il ne s’agit pas seulement de maintenance.

Tirez-vous de réels avantages de votre programme d’analyse prédictive ? La plupart des programmes d’analyse prédictive remplacent les programmes de maintenance prédictive basés sur les vibrations et axés sur la mission unique de prévention des pannes. Depuis la création des collecteurs de données basés sur microprocesseur en 1980, moins de trois pour cent (3 %) de ces programmes ont abouti à des économies vérifiables qui compensent leurs coûts récurrents.Dans l’ensemble, ces programmes ont vanté une réduction des temps d’arrêt imprévus, mais ont dans tous les cas augmenté les temps d’arrêt planifiés nécessaires pour éviter les pannes imminentes perçues. La plupart de ces programmes ont augmenté les temps d’arrêt globaux pour la maintenance, ainsi que les coûts globaux de main-d’œuvre et de matériaux de maintenance. Même s’ils semblent présenter des avantages, ces programmes se sont révélés contre-productifs. Non pas à cause de limitations technologiques, mais à cause d’une mauvaise utilisation de ces technologies.Trois facteurs majeurs limitent et limitent les avantages que 

l’analyse prédictive pourrait apporter, à savoir : 

• Se concentrer sur la prévention des pannes implique qu’elle ne générera pas de résultats positifs. Si c’est ce que vous voulez, c’est le mieux que vous puissiez espérer obtenir, et la prévention des pannes ne fait rien pour améliorer la fiabilité ou réduire les coûts. 
• Restreindre l’analyse prédictive à la maintenance et aux déficiences de maintenance – Les données montrent que 17 % des pannes d’actifs sont le résultat de problèmes de maintenance, la majorité (83 %) résultant d’autres déficiences au sein de l’organisation. Élargir la portée pour inclure des facteurs causals, tels que le mode de fonctionnement dans l’analyse, aidera non seulement à comprendre les fonctions de forçage à l’origine des pannes, mais également à identifier les déficiences qui dégradent la fiabilité et augmentent les coûts d’exploitation.
• Omettre les actifs de flux de valeur du programme – Conditionnés par les fournisseurs de technologies, les programmes de vibration englobent de simples actifs rotatifs, la thermographie pour les équipements électriques et l’analyse des huiles lubrifiantes en guise de secours pour les vibrations. L’omission flagrante concerne les actifs qui génèrent des revenus : des actifs qui ne sont pas simples, ne sont peut-être pas dynamiques, mais sans eux, l’entreprise ne peut pas survivre.

L’analyse prédictive n’est pas seulement une maintenance, elle ne constitue pas non plus un simple remplacement de la maintenance prédictive. Il n’y a aucune limite. L’analyse prédictive s’applique à toute activité récurrente, qu’il s’agisse d’un 

actif physique , d’un système de production ou du service financier de votre organisation. Dans cet article, nous limiterons la discussion aux actifs physiques et à la manière dont l’analyse prédictive, fondée sur la dynamique opérationnelle, peut permettre d’obtenir et de maintenir des performances optimales de vos actifs.Si vous souhaitez obtenir des performances, une fiabilité et une durée de vie économique optimales de vos actifs, rejoignez-nous pour cette approche éclairante d’une véritable analyse prédictive qui fonctionne. Au lieu de se concentrer uniquement sur la prévention des pannes, se concentrer sur le maintien de la chaîne de valeur et des actifs auxiliaires critiques dans leur conception ou dans leurs conditions de fonctionnement optimales réduira non seulement les pannes, mais prolongera en même temps leur durée de vie économique et réduira le coût total de l’organisation. de propriété. C’est le seul moyen efficace d’obtenir un retour optimal sur le capital investi, ainsi que de générer des revenus.

Introduction

Un facteur commun à l’origine de l’échec de ces programmes existants est leur fixation sur les modes de défaillance des actifs financiers, plutôt que sur les facteurs causals qui les sous-tendent. Un exemple simple consiste à identifier un roulement défectueux et à prendre une mesure corrective pour remplacer le roulement. Mais sans se poser la question évidente de savoir ce qui a causé la défaillance du roulement, il s’agit d’une prophétie auto-réalisatrice, vouée à l’échec.Même si les pannes physiques étaient la principale raison des temps d’arrêt et des coûts de maintenance élevés, cette approche ne peut tout simplement pas résoudre le problème. Tant que vous ne vous concentrerez pas sur les facteurs causals sous-jacents qui réduisent la fiabilité, la durée de vie économique et, par conséquent, augmentent les coûts d’exploitation et les dépenses en capital de maintenance, vous condamnez le programme d’analyse prédictive à un échec cuisant. Un exemple d’approche basée sur les pannes est celui d’une grande aciérie intégrée qui a mis en œuvre un programme contractuel de maintenance prédictive pour l’aciérie. Avant le début du programme, l’usine était confrontée à des temps d’arrêt imprévus et à des coûts de maintenance élevés. Après six ans de programme, ils ont signalé une réduction de 35 % 

des temps d’arrêt imprévus .Un résultat réussi, non ? Pas si l’on considère le véritable changement au cours de ces six années. Certes, leurs temps d’arrêt imprévus étaient inférieurs, mais leurs temps d’arrêt planifiés – pour remplacer les roulements, engrenages et autres pièces d’usure perçus comme défectueux – ont augmenté de 65 %.L’autre changement notable concerne leur coût de maintenance d’une année sur l’autre. Les coûts totaux de main-d’œuvre et de matériaux ont augmenté de plus de 80 %. Le coût du remplacement des roulements est passé de 2,4 millions de dollars à 14,7 millions de dollars, les engrenages et autres pièces d’usure ont suivi des tendances similaires. Les échecs ne sont pas la norme. Les actifs conçus pour être fiables, exploités de manière cohérente dans les limites de conception et bénéficiant d’un entretien durable adéquat resteront fiables bien au-delà de leur durée de vie nominale. Le problème de l’analyse prédictive basée sur les échecs est qu’elle ne reconnaît pas que la façon dont nous exploitons et entretenons les actifs peut devenir une prophétie auto-réalisatrice. Nous créons une usure accélérée, induisons des conditions de fonctionnement anormales qui accélèrent l’usure, puis reportons une maintenance durable qui permettrait au moins d’atténuer les dommages.

La solution

Résoudre les limites de l’analyse prédictive n’est pas si difficile, du moins d’un point de vue technique. Les technologies prédictives classiques ne constituent pas une limitation. Lorsqu’ils sont utilisés efficacement, ils fourniront les moyens d’obtenir des résultats positifs.L’aciérie en est un bon exemple. Lorsque leur programme est passé d’une analyse axée sur les échecs à une véritable analyse prédictive, le changement a été presque immédiat. En moins d’un an, les coûts du matériel d’entretien sont tombés à moins de 2 millions de dollars.En utilisant le roulement comme exemple, le nouveau programme s’est concentré sur les facteurs causals des défaillances de roulements signalées et a mis en œuvre des actions correctives pour les éliminer. L’élimination du facteur causal a immédiatement éliminé la défaillance prématurée chronique qui faisait grimper les coûts et les coûts de remplacement ont chuté.Au cours de la deuxième année, le coût des roulements et autres pièces d’usure a encore baissé. Une réduction de 60 % des coûts de maintenance a permis à l’usine de produire systématiquement à un rythme 30 % plus élevé qu’avant le changement d’orientation. Le succès de votre programme d’analyse prédictive doit prendre en compte la dynamique de fonctionnement des actifs, des systèmes et des processus qui composent l’usine. Il doit tenir compte des limites inhérentes à la conception, des modes de fonctionnement et du niveau de maintenance durable qui définissent leur dynamique. Un autre exemple de la différence entre une analyse prédictive basée sur les pannes et une véritable analyse prédictive concerne sept cents pompes à lisier dans une raffinerie. La raffinerie disposait d’un programme de maintenance prédictive bien établi utilisant des collecteurs de données portables. Les techniciens parcouraient consciencieusement leurs itinéraires quotidiennement et le système signalait quand chacune de ces pompes nécessitait un entretien pour éviter une panne imminente.Au fil du temps, le coût associé à la reconstruction des pompes a augmenté pour atteindre plus de 10 millions de dollars par an. En théorie, le programme fonctionnait et peu de temps d’arrêt étaient signalés en raison de pannes de pompe. Lorsque le programme d’analyse prédictive de la véritable dynamique d’exploitation a remplacé le 

programme de maintenance prédictive , les résultats ont radicalement changé. Étant donné que le nouveau programme a recherché les facteurs causals au lieu de s’arrêter aux modes de défaillance, il est devenu évident que la raison pour laquelle 11 % des pompes nécessitaient des réparations majeures chaque année était leur mode de fonctionnement.Des vannes de décharge télécommandées contrôlaient chaque pompe. Les analyses ont reconnu que la plage de contrôle obligeait les pompes à fonctionner bien en dehors des recommandations des meilleures pratiques. L’instabilité qui en a résulté a provoqué une usure accélérée et de graves dommages à l’ensemble tournant et au carter.Pour corriger le problème, le client a modifié les paramètres de fonctionnement pour limiter la plage de contrôle à +/- 10 % du BEP, ce qui a fait chuter le coût annuel de réparation à moins d’un million de dollars. Un autre avantage de l’analyse prédictive était qu’elle reconnaissait l’impact de l’ancienne plage de contrôle sur la consommation d’énergie.Au lieu des 160 chevaux de freinage du BEP, les pompes consommaient en moyenne près de 300 chevaux. La différence de consommation électrique annuelle était de plus de 7 millions de dollars. Dans cette seule application, l’analyse prédictive a réduit les coûts d’une année sur l’autre de 

plus de 16 millions de dollars américains . 

Comment ça fonctionne

Appliquer l’analyse prédictive à la gestion des actifs n’est pas si compliqué ; il vous suffit de penser logiquement et de déterminer clairement les exigences de fiabilité et de durabilité des actifs de votre organisation. 

Les étapes suivantes définissent le processus :

Déterminer la fiabilité inhérente de chaque actif

La fiabilité est déterminée par la conception. Toutes les activités après la conception doivent maintenir cette fiabilité inhérente pour obtenir un retour sur investissement optimal. Cette première étape cruciale détermine non seulement les faiblesses inhérentes de chaque actif ou système, mais également le mode d’exploitation et de maintenance requis pour maintenir la fiabilité inhérente et atteindre une durée de vie économique optimale de chaque actif. 

Physique de l’échec

Définissez clairement tous les modes de défaillance et leurs facteurs causals pour chaque actif ou système. Cela doit être plus qu’une 

simple FMEA ou des listes de défaillances perçues. Il doit prendre en compte tous les écarts par rapport aux meilleures pratiques, tels que l’impact des différents modes de fonctionnement – ​​production et maintenance. N’oubliez pas que seulement 17 % des pannes d’actifs résultent d’un mauvais entretien ; les 83 % restants sont le résultat de déficiences au sein des opérations.Comprendre les échecs est important, mais comprendre les facteurs causals ou les fonctions de forçage qui entraînent cet échec est crucial. Si vous connaissez le mode de défaillance, vous pourrez peut-être l’anticiper et récupérer rapidement, mais cela ne contribue en rien à améliorer la fiabilité ou à empêcher une récidive. Les facteurs causals fournissent les connaissances nécessaires pour prévenir la première et toutes les récurrences d’une défaillance.

Quels paramètres identifient les modes de défaillance et les facteurs causals

Une fois que vous avez une compréhension approfondie de la fiabilité inhérente, des modes de défaillance et de leurs facteurs causals, l’étape suivante consiste à déterminer des paramètres spécifiques, tels que les vibrations ou la répartition de la chaleur, nécessaires en tant qu’entrées dans un moteur d’analyse prédictive. L’analyse prédictive, comme toute autre forme de diagnostic, dépend de la qualité et de l’exhaustivité des données d’entrée.Par exemple, la saisie de données de vibration à large bande haute résolution et à bandes étroites discrètes est suffisante pour une analyse efficace de l’état mécanique d’une pompe, mais peut ne pas suffire pour déterminer les facteurs de causalité qui pourraient fournir une détection précoce et une correction des écarts qui pourraient, laissés inconnus, aboutir à un échec. Dans la plupart des cas, ces paramètres seront une combinaison de données de processus extraites des systèmes de surveillance et de contrôle existants et de données directement mesurées qui font partie intégrante du moteur d’analyse prédictive. Sur les actifs et systèmes dynamiques, cette dernière inclut l’utilisation de capteurs intelligents qui intègrent l’analyse de pointe, l’apprentissage automatique et l’intelligence artificielle stratégiquement situés sur l’actif, le processus ou le système.

Modèle de détection d’anomalies

En combinant les connaissances acquises jusqu’à présent dans cette discussion, la dernière étape d’une analyse prédictive efficace consiste à développer une dynamique de fonctionnement ou un modèle basé sur la physique qui peut ingérer des données continues de chaque actif, système ou processus, et également analyser automatiquement toutes les variables, identifier tous les écarts par rapport à la normale, identifier les facteurs causals derrière chaque écart et générer des instructions prescriptives pour les actions correctives. De toute évidence, le modèle ODA est la clé d’une analyse prédictive efficace. Tout ingénieur en fiabilité expérimenté devrait être capable d’évaluer un actif spécifique à un moment donné de son cycle de vie et de faire la même chose.La différence est qu’il n’y a pas suffisamment d’ingénieurs en fiabilité qualifiés ni d’heures dans la journée pour analyser en permanence tous les actifs. Les moteurs d’analyse prédictive ne se lassent pas, ne s’ennuient pas et ne sont pas distraits.En conclusion, la véritable efficacité des programmes d’analyse prédictive ne réside pas dans leur simple existence mais dans leur mise en œuvre stratégique. L’accent généralement mis sur la prévention des échecs, bien que bien intentionné, échoue souvent en raison de son incapacité à s’attaquer aux facteurs causals sous-jacents. Le passage à une approche holistique qui englobe la dynamique des actifs et les subtilités opérationnelles produit des avantages tangibles, comme en témoignent les transitions réussies des paradigmes axés sur l’échec vers de véritables paradigmes d’analyse prédictive. En reconnaissant l’importance cruciale du maintien de la chaîne de valeur et des actifs auxiliaires, les organisations peuvent non seulement atténuer les défaillances, mais également optimiser les performances et réduire le coût total de possession. L’adoption de l’analyse prédictive comme outil permettant d’améliorer la fiabilité, de prolonger la durée de vie économique et de minimiser les coûts d’exploitation signifie un changement de paradigme vers des stratégies de gestion d’actifs proactives, garantissant des retours optimaux sur le capital investi et une génération de revenus durable.

(Source : R. Keith Mobley , Shoreline AI ; Mark Stubbs , Shoreline AI – reliableplant)