maintenance prédictive

La maintenance prédictive devient possible grâce à l’Intelligence Artificielle

Longtemps assimilée à de la science fiction, l’Intelligence Artificielle commence à entrer dans notre quotidien. Les géants des nouvelles technologies concentrent leurs efforts pour améliorer leurs algorithmes, qui vont devenir une aide majeure dans tous les secteurs. 

L’état de l’Intelligence Artificielle en 2017

Si un sujet est au cœur des préoccupations des grands groupes en 2017, c’est bien l’Intelligence Artificielle. IBM a d’ailleurs créé un centre dédié à son IA, Watson, au coeur de Munich. Celui-ci sert de cadre d’expérimentation grandeur nature sur l’utilisation de l’Intelligence Artificielle dans l’entreprise. De son côté Apple vient de lancer un blog à destination des développeurs et du grand public pour démontrer ses avancées dans le Machine Learning. Microsoft va intégrer l’Intelligence Artificielle dans son prochain modèle d’Hololens, et continue de développer son infrastructure Cloud Azure.

Lors de sa dernière Google IO, Alphabet a quant à elle lancé son projet de Machine Learning en SAAS via Google Cloud. Le géant a également présenté les progrès d’Assistant et son système de reconnaissance d’images, qui fait aujourd’hui moins d’erreurs que… l’humain. La firme ne s’arrête pas là et lance google.ai, un site qui présente sa vision : “Bringing the benefits of AI to everyone” (en français, “Offrir les avantages de l’IA à chacun de nous”). Pendant ce temps-là, des chatbot de Facebook ont réussi à développer leur propre langage de communication unique.

Tous ces efforts convergent vers le même but : éliminer les tâches répétitives quand elles sont inutiles, et aider l’homme et l’entreprise à avancer plus vite.

La maintenance prédictive pour mettre fin aux pannes

Dans l’industrie, les pannes survenant sur les chaînes de montage sont synonymes de pertes sèches pour les entreprises. Aujourd’hui la combinaison du Big Data et de l’Intelligence Artificielle permet de faire de la maintenance prédictive, et donc de gagner en efficacité.

Chaque panne constitue un signal fort et est le résultat de la multiplication de signaux faibles sur les machines. Sans les outils technologiques, il est impossible de pouvoir les prévoir avant qu’elles ne surviennent.

Aujourd’hui, le Big Data permet de récupérer, via des capteurs sur la chaîne de production, toutes les informations sur les machines et leurs environnements. Pour traiter ce flux massif de données, l’utilisation de l’Intelligence Artificielle et du Machine Learning permet de détecter tous ces signaux faibles. Ainsi il est possible d’agir sur les causes plutôt que sur la conséquence.

Résultat : la maintenance a lieu avant la panne, et ne met pas en péril la production.

Des entreprises comme Tetra Pak font déjà des tests grandeurs nature de maintenance prédictive, avec le lancement au début de l’année d’un test sur 17 lignes de production de ses clients. L’entreprise peut monitorer en temps-réel plus de 5 000 machines à travers le monde et utilise le Cloud Microsoft Azure de Microsoft pour le stockage et l’analyse des données.

Au moindre signal “faible” envoyé par les machines, les responsables des lignes sont prévenus automatiquement. Ils ont ainsi le temps et la latitude nécessaires pour prévoir et effectuer des réparations sur les machines touchées. Pendant les six mois de test, ce sont plus de 48 heures de uptime (ou durée de fonctionnement) qui ont été gagnés par ligne.

Pour ce type d’entreprise, la mise en place d’un système de collecte et d’analyse des données est donc un sujet majeur en 2017. La maintenance prédictive n’a que des effets vertueux, entre la hausse de productivité, la diminution des risques de défaillance, et bien évidemment la hausse de la rentabilité.

Si la maintenance prédictive est un sujet qui vous intéresse, nous vous invitons à découvrir notre émission SoDigital spéciale Big Data, dans laquelle notre expert présente la vision de Sopra Steria dans ce domaine.

The following two tabs change content below.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *