Vous êtes sur la page 1sur 61

Département Génie Électrique Prof. ©R.

MAJDOUL
Filière Ingénieur : GEM – MSEI ENSAM Casablanca

GESTION DE LA
MODULE MAINTENANCE INDUSTRIELLE

MAINTENANCE 4.0

MAINTENANCE
4.0
Plan

©MAJDOUL
 Chapitre 1 : Evolutions de la maintenance industrielle vers la
maintenance 4.0

 Chapitre 2 : Mise en place d’une politique de Maintenance prédictive


dans l’usine du futur (industrie 4.0)

 Chapitre 3 : Outils informatique et synthèse des méthodes

performantes de la maintenance de l’usine du futur.

Travail personnel : Etude de cas concret de mise en place d’une


maintenance 4.0.

ENSAM - GE
2
Département Génie Électrique Prof. ©R. MAJDOUL
Filière Ingénieur : GEM – MSEI ENSAM Casablanca

GESTION DE LA
MODULE MAINTENANCE INDUSTRIELLE

MAINTENANCE 4.0

Chapitre
Mise en place d’une politique de Maintenance
2
prédictive dans l’usine du futur
Plan

©©R. MAJDOUL
Constats

Impacts de la maintenance 4.0 sur les acteurs

Mise en place d’un projet de maintenance prédictif

Diagnostic, Pronostic et IA

Conclusions

ENSAM - GE
4
Constats

©R. MAJDOUL
• Depuis plus de 40 ans, les évolutions technologiques ont dû faire
évoluer les Politiques, Stratégies et Organisations de la
Maintenance.

• Malheureusement, cette maintenance a souvent été en retard et


en décalage pour se remettre en cause rapidement.

• Des machines spéciales aux robots, on a vu l’apparition des


nouvelles méthodes et outils du contrôle non-destructif CND
(Analyse des vibrations, thermographie IR, Analyse des huiles,
mesures des épaisseurs et des fuites par Ultra-sons, etc.),

ENSAM - GE
Constats

©R. MAJDOUL
• Mais toutes ces méthodes et mesures étaient mises en œuvre de
manière dispersée (en silos) et non corrélées.

• Les capteurs et l’analyse étaient concentrés souvent dans un seul


appareil autonome, ce qui encore le cas.

• Il n’est pas suffisant de surveiller un seul paramètre, car il est


souvent la cause d’un autre défaut et ainsi de suite jusqu’à
identifier la cause première.

ENSAM - GE
Constats

©R. MAJDOUL
• Depuis plus de 40 ans, les évolutions technologiques ont dû faire évoluer
les Politiques, Stratégies et Organisations de la Maintenance.

• Malheureusement, elle a souvent été en retard et en décalage pour se


remettre en cause rapidement.

• Des machines spéciales aux robots, on a vu l’apparition des méthodes et


outils de la CND (Analyse des vibrations, thermographie IR, Analyse des
huiles, mesures des épaisseurs et des fuites par Ultra-sons, etc.),

• Mais toutes étaient mises en œuvre de manière dispersée (en silos) et non
corrélées. Les capteurs et l’analyse étaient concentrés souvent dans un seul
appareil autonome, ce qui encore le cas.

ENSAM - GE
Constats

©R. MAJDOUL
• Dans la mise en œuvre de la Maintenance 4.0, toutes les mesures
ou données des capteurs surveillant les phénomènes physiques ou
les actifs critiques sont intégrées dans un système technologique et
informatique unique (bases de données, Big Data, Cloud).

• Dans ces systèmes de Maintenance 4.0, seront séparées :

o les données que les équipements produisent (data existantes


et/ou celles fournies par des capteurs complémentaires)

o de leur traitement cognitif à base de réseaux de neurones,


bayésiens, des corrélations, régressions, voire des applications
spécifiques avec des langages dédiés (Java script, R, Python).

ENSAM - GE
Constats

©R. MAJDOUL
• La Maintenance 4.0 change la donne, car les capteurs sont
dissociés de leur système propre de mesure, mais transmettent des
données à un Big Data, à partir duquel les informations sont
traitées avec des logiciels d’Intelligence Artificielle (Réseau de
neurones, Bayésiens, Corrélations, etc..).

• Pour ceci, Chaque équipement étant spécifique, il est nécessaire de


lui concevoir un Métamodèle, qui est en fait un jumeau numérique

• Ce Digital Twin doit s’affiner au fur et à mesure de


l’apprentissage (Machine Learning) et doit être comparé au
comportement de l’équipement surveillé.

ENSAM - GE
Constats

©R. MAJDOUL
• En conséquence, ce ne sont plus les acteurs de la Maintenance qui
définissent le Plan du Préventif.

• Mais c’est l’Analyse Prédictive des « data » qui proposera une


maintenance qui deviendra à ce stade Proactive.

• En fait, on renverse le Processus....

ENSAM - GE
Constats

©R. MAJDOUL
m4.0

Capteurs

Visualisation

ENSAM - GE
Plan

©©R. MAJDOUL
Constats

Impacts de la maintenance 4.0 sur les acteurs

Mise en place d’un projet de maintenance prédictif

Diagnostic, Pronostic et IA

Conclusions

ENSAM - GE
12
Impacts de la maintenance 4.0 sur les acteurs

©R. MAJDOUL
 La Maintenance se Conçoit, se Réalise et s’Analyse, et donc elle
doit se remettre en cause en fonction du nouveau processus de
mise en œuvre de la Maintenance 4.0.

 Les étapes de la mise en place de la maintenance 4.0 sont au


nombre de 5

ENSAM - GE
Impacts de la maintenance 4.0 sur les acteurs

©R. MAJDOUL
ENSAM - GE
Impacts de la maintenance 4.0 sur les acteurs

©R. MAJDOUL
A ces 5 étapes, la Maintenance doit être un acteur intégré dans le projet :

• Étape 1 : Modélisation et conception du Plan de maintenance basé sur le


Classement de la Criticité des équipements, Apport de l’historique des
défaillances (REX des connaissances des opérateurs et techniciens, historique
dans la GMAO)

• Étape 2 : Identification des datas existantes et non exploitées, conseils sur les
capteurs potentiels supplémentaires à mettre en place (maintenabilité ?)

• Étape 3 : Conception des Métamodèles avec les Ingénieurs IA de conception et


traitement cognitif

• Étape 4 : Analyse de la Qualité de la Prédiction selon les quatre axes suivants.

• Étape 5 : Validation du plan de déploiement de la Maintenance Proactive sur


les équipements similaires.

ENSAM - GE
Impacts de la maintenance 4.0 sur les acteurs

©R. MAJDOUL
La prédiction est avérée La prédiction ne dit rien Bleu : Réel
et il ne se passe rien Rouge : Prédiction

La prédiction ne
La prédiction propose propose rien et une
mais rien ne se passe! panne survient!

ENSAM - GE
Plan

©©R. MAJDOUL
Constats

Impacts de la maintenance 4.0 sur les acteurs

Mise en place d’un projet de maintenance prédictif

Diagnostic, Pronostic et IA

Conclusions

ENSAM - GE
17
Éléments de mise en place d’une politique de Maintenance 4.0

©R. MAJDOUL
Les solutions Méthodologiques et Outils suivants sont utiles pour réussir une
mise en œuvre d’une politique de Maintenance 4.0, mais pas tous forcément tous
indispensables…:

 Les bases de données de Retour d’Expérience (REX) sur l’Analyse des Causes
premières des évènements transcrites en données exploitables

 Le REX est réalisé par des solutions permettant la capitalisation de la


connaissance et du savoir faire

 Des solutions basées sur les réseaux Bayésiens qui permettent de concevoir
une base de données de Diagnostic au stade de la Conception par l’utilisation
de l’Intelligence Artificielle (IA) et s’optimisant par l’apprentissage

 Des moyens de gestion électronique de la Documentation Technique, les GED

ENSAM - GE
Éléments de mise en place d’une politique de Maintenance 4.0

©R. MAJDOUL
1ère étape. La modélisation
 La première étape consiste à Modéliser les équipements, systèmes ou outils de
production, sur lesquels une Politique de Maintenance 4.0 a été envisagée.

 Un exemple des milieux les plus consommateurs de cette Maintenance 4.0,


c’est celui des machines tournantes des équipements de production dans
l’industrie, le tertiaire industriel ou l’immobilier.

 Ces équipements industriels sont en général composés de quatre fonctions qui


composent la chaine cinématique :

 Tous ces ensembles sont souvent modélisés sous forme de chaines


cinématiques,

ENSAM - GE
Éléments de mise en place d’une politique de Maintenance 4.0

©R. MAJDOUL
Ces équipements industriels sont en général composés de quatre fonctions qui
composent la chaine cinématique :

1. Les machines entrainantes qui génèrent le mouvement tournant (Moteurs


électriques, thermiques, turbines à vapeur, hydrauliques, etc.)

2. Les systèmes d’entrainement, (accouplements mécaniques, transmissions par


courroies, réducteurs, pignons, etc.)

3. Les machines entrainées qui produisent la valeur Ajourée (Alternateurs,


turbines, génératrices, broyeurs, compresseurs, suppresseurs, pompes,
ventilateurs, volants d’inertie, réducteurs, multiplicateurs,…)

4. Les accessoires (Paliers, volants d’inertie, variateurs, freins,


turbocompresseurs, composants de l’installation électrique, etc.)

ENSAM - GE
Éléments de mise en place d’une politique de Maintenance 4.0

©R. MAJDOUL
Les quatre fonctions qui composent la chaine cinématique d’un exemple
d’équipements industriels :

Ventilateur
Moteur
Moteur

Paliers

ENSAM - GE
Éléments de mise en place d’une politique de Maintenance 4.0

©R. MAJDOUL
2ème étape. Identification des Modes de Défaillances et
définition du modèle de données
 Les solutions technologiques et informatiques qui nous sont proposées
désormais (capteurs, logiciels d’IA, le BIG DATA), sont basés sur la
surveillance des paramètres physiques en continu.

 Conception des diagnostics prévisionnels sur la base des défaillances


potentielles traitées par des algorithmes d’IA (réseaux Bayésiens, de
neurones,…)

 Conception d’une nouvelle Méthode d’Identification des Capteurs connectés


pour la Maintenance et l’Analyse Proactive (MICMAP) : Méthode
d’’identification et d’investigation des CND des phénomènes physiques à
surveiller et permettant le choix des capteurs associés.

ENSAM - GE
Éléments de mise en place d’une politique de Maintenance 4.0

©R. MAJDOUL
 Cette méthode se base sur l’AMDEC moyens en partie : Les Modes de
Défaillances étant identifiés à partir de la description des Fonctions, les
Causes étant identifiées par les Fonctions de contraintes, il apparaît que
l’Analyse fonctionnelle prend toute son importance à ce stade.

 Afin d’identifier les phénomènes physiques à surveiller, il faut identifier, Objet


par Objet tous les Modes de Défaillance possibles

 Pour ceci, nous aurons besoin d’information précises, sur :

ENSAM - GE
Éléments de mise en place d’une politique de Maintenance 4.0

©R. MAJDOUL
o la connaissance des Technologies et des Matériaux ;

o la description de leurs Fonctions Principales et de leurs Fonctions de Contraintes


(Internes et Externes) ;

o la connaissance précise des Modes de Défaillance des Sous-ensembles.

La méthode MICMAP permet à partir d’une base de données de tous les


systèmes d’entrainement possibles, d’identifier les capteurs utiles à
mettre en œuvre pour la surveillance en continue des Phénomènes
Physiques caractérisant les Modes de Défaillances des Objets à
surveiller et leurs emplacements adaptés.

ENSAM - GE
Éléments de mise en place d’une politique de Maintenance 4.0

©R. MAJDOUL
Ci-dessous un exemple simplifié de recherche de capteurs basé sur les fondamentaux
des AMDEC Moyens mais dont les résultats n’ont plus la même forme, la cotation de
la Fréquence ne sert plus à rien, puisque la Détection est permanente….

ENSAM - GE
Éléments de mise en place d’une politique de Maintenance 4.0

©R. MAJDOUL
Étape 3 : Conception des Métamodèles avec les Ingénieurs IA de conception
et traitement cognitif

La maintenance prédictive est une maintenance conditionnelle exécutée en suivant les


prévisions extrapolées de l’analyse et de l’évaluation de paramètres significatifs de la
dégradation de l’élément considéré (signes avant-coureurs de la défaillance).

Les processus de traitement nécessaires à la mise en œuvre de la maintenance


prédictive réalisent donc deux fonctions essentielles :

o évaluer l’état courant (à travers une surveillance, un diagnostic) et

o donner une estimation crédible de l’état futur du système de production (à travers


un pronostic, la génération du RUL ou d’un « bilan de santé ») … pour aider à la
prise de décision.

ENSAM - GE
Éléments de mise en place d’une politique de Maintenance 4.0

©R. MAJDOUL
Étape 3 : Conception des Métamodèles avec les Ingénieurs IA de
conception et traitement cognitif

Les traitements mis en œuvre font appel à des approches basées sur :

o le modèle physique : équations mathématiques qui régissent le


fonctionnement physique du système et

o d’autres basées sur les données comme celles de l’Intelligence Artificielle


(machine learning).

Le résultat attendu est de disposer, à l’avance, de la bonne information,


au bon moment et au bon endroit pour prendre la bonne décision en
maintenance.

ENSAM - GE
Éléments de mise en place d’une politique de Maintenance 4.0

©R. MAJDOUL
ENSAM - GE
Éléments de mise en place d’une politique de Maintenance 4.0

©R. MAJDOUL
Les données issues de la phase de la conception et celles issues de la phase
d’exploitation doivent être stockées dans des bases de données
chronologiques et gérées par des SGBDs ou des Big Data, fini les tableurs.

ENSAM - GE
Éléments de mise en place d’une politique de Maintenance 4.0

©R. MAJDOUL
Les Méthodes doivent évoluer, du stade de la Conception au stade de
l’Exploitation.

Au stade de la Conception, cela concerne les Méthodes Inductives

Au stade de l’Exploitation, cela concerne les Méthodes Déductives

ENSAM - GE
Plan

©©R. MAJDOUL
Constats

Impacts de la maintenance 4.0 sur les acteurs

Mise en place d’un projet de maintenance prédictif

Diagnostic, Pronostic et IA

Conclusions

ENSAM - GE
31
Diagnostic, Pronostic et IA

©R. MAJDOUL
Diagnostic et Pronostic

Diagnostiquer une panne consiste à trouver l’ensemble des symptômes

apparents et des tests pertinents qui permettent d’incriminer un

organe du dispositif.

On peut distinguer le diagnostic hors ligne du diagnostic en ligne.

ENSAM - GE
Diagnostic, Pronostic et IA

©R. MAJDOUL
Diagnostic et Pronostic

o Dans le diagnostic hors ligne, tout se passe « comme si » le dispositif

diagnostiqué n’évoluait plus pendant la session de diagnostic.

o Au contraire, dans le cas du diagnostic en ligne, le dispositif

continue à évoluer. Il devient alors important d’anticiper l’évolution

du dysfonctionnement en temps réel : on parle de pronostic.

ENSAM - GE
Diagnostic, Pronostic et IA

©R. MAJDOUL
Pronostic

• Le pronostic est souvent assimilé à un processus de prédiction (une

situation future doit être appréhendée).

• Deux grandes notions du pronostic peuvent être considérées comme

fédératrices; il désigne selon les cas un processus visant à déterminer :

o la durée de vie restante d’un système avant défaillance ou

o la probabilité pour que le système fonctionne durant un certain

temps.

ENSAM - GE
Diagnostic, Pronostic et IA

©R. MAJDOUL
Pronostic

• Le RUL (Remaining Useful Life) calculé ou estimé dépendra des

conditions d’exploitation à venir avant l’intervention de maintenance.

• Le pronostic devrait donc être fondé sur les critères d’évaluation, dont

les limites dépendent du système lui-même et d’objectifs de

performance

ENSAM - GE
Diagnostic, Pronostic et IA

©R. MAJDOUL
Diagnostic, Pronostic et IA
En intelligence artificielle, on peut classer les approches de traitement du
diagnostic en deux ou trois classes, selon le type de connaissances utilisées.

o Dans la première classe, nous trouvons les approches basées sur des modèles
construits à partir de la physique des dispositifs et qui décrivent leur
fonctionnement correct ou leurs dysfonctionnements.

o Ces approches reposent sur différents types de raisonnement selon la nature


des modèles. Ici, c’est l’élaboration des modèles qui est central.

o Ces modèles sont élaborés à partir des lois physiques et des méthodes
d’analyse des défaillances : AMDEC évolué, HAZOP, Arbre de recherche de
causes premières…

ENSAM - GE
Diagnostic, Pronostic et IA

©R. MAJDOUL
Diagnostic, Pronostic et IA

Organigramme des Approches basées sur des modèles physiques des dispositifs
et qui décrivent leur fonctionnement correct ou leurs dysfonctionnements.

ENSAM - GE
Diagnostic, Pronostic et IA

©R. MAJDOUL
Diagnostic, Pronostic et IA

o Dans la deuxième classe, nous trouvons les approches basées sur

les données et les connaissances de nature heuristique, issues de

l’expérience ou de l’exploitation des dispositifs.

o Ces approches orientées données sont basées sur des modèles

mathématiques, probalistes, sur modèles autorégressifs, techniques

bayésiennes, logiques floue…

ENSAM - GE
Diagnostic, Pronostic et IA

©R. MAJDOUL
Diagnostic, Pronostic et IA

o Ces approches ou systèmes se perfectionnent lors de l’exploitation

avec l’abondance des données recueillies des capteurs.

o Les systèmes experts ou les systèmes dits à apprentissage entrent

dans cette catégorie. Dans ces approches, l’acquisition des

connaissances reste le problème central.

ENSAM - GE
Diagnostic, Pronostic et IA

©R. MAJDOUL
Diagnostic, Pronostic et IA : Systèmes experts

o Un système expert est un programme capable d’explorer une expertise

dans un domaine particulier. Cette expertise rassemble non

seulement des connaissances directement liées à ce domaine mais

également des capacités de raisonnement acquises par les spécialistes

au cours de leur activité (les stratégies).

ENSAM - GE
Diagnostic, Pronostic et IA

©R. MAJDOUL
Diagnostic, Pronostic et IA : Systèmes experts
Organigramme des approches auto-regressives pour la prédiction du RUL.

Approches d’apprentissage automatique

ENSAM - GE
Diagnostic, Pronostic et IA

©R. MAJDOUL
Diagnostic, Pronostic et IA : Systèmes experts

o Dans la troisième classe, nous trouvons les approches dites hybrides


qui sont à la fois basées sur les données, les connaissances et sur le
modèle physique avec des paramètres définis hors ligne.

o Les méthodes guidées par les données récursives permettent d’estimer


et d’actualiser les paramètres.

o A ce stade, on peut distinguer les estimateurs Bayésiens : Filtre de


Kalman et le filtre particulaire.

ENSAM - GE
Diagnostic, Pronostic et IA

©R. MAJDOUL
Exemples de prédiction d’un phénomène physique sur 30 jours

1
1. Pour l’élaboration du modèle on considère les
données antérieures historisées et archivées

2. La courbe de prédiction ne coïncide pas 2


parfaitement avec celle réelle mais le modèle
est en train de se corriger

3 3. Avec la prolifération des données, la


prédiction devient bonne mais le modèle est en
train de se réajuster.

4
4. Le modèle de prédiction devient précis et les
données des 30 prochains jours pronostiquent
sur l’état futur du système surveillé

ENSAM - GE
Compléments sur les méthodes d’analyse de risques

©R. MAJDOUL
Méthode HAZOP (HAZard and Operability studies) :

• C’est une méthode d’analyse de risque recommandée pour tout projet


d’implantation d’unité industrielle ou extension d’installations
existantes ;

• Cette méthode est applicable à tous les processus dont le


fonctionnement peut être décrit de manière exhaustive, précise et
rigoureuse

• Elle a été conçue et introduite pour l’analyse de risques dans les


processus de l’industrie chimique réputée par l’aspect très dangereux
des ses accidents.

ENSAM - GE
Compléments sur les méthodes d’analyse de risques

©R. MAJDOUL
Objectifs principaux de la Méthode HAZOP

• Analyse de l’intégrité opérationnelle d’un système par


l’identification systématique et la détermination des causes et des
conséquences des déviations susceptibles de survenir au cours de
l’exploitation des installations pendant :

o Le fonctionnement normal,

o Les phases transitoires de démarrage et d’arrêt

o Les opérations de maintenance

ENSAM - GE
Compléments sur les méthodes d’analyse de risques

©R. MAJDOUL
Objectifs principaux de la Méthode HAZOP

• Identification des causes des déviations des paramètres et l’examen


de leurs conséquences et propose les actions requises ou les
modifications techniques nécessaires pour assurer le bon
fonctionnement et fiabiliser le système.

• Définition des limites et des frontières du système étudié et de ses


sous-systèmes, ainsi que des intersections d’unités interconnectées.
Ce qui permettra d’identifier les interactions potentielles des
pannes entre les différents sous-systèmes.

ENSAM - GE
Compléments sur les méthodes d’analyse de risques

©R. MAJDOUL
Etapes de la Méthode HAZOP :

• Choisir une ligne du procédé

o Choisir un paramètre de fonctionnement dans cette ligne

o Générer une dérive de ce paramètre à l’aide d’une liste de mots-clés

o Vérifier que la dérive est crédible

o Rechercher les causes possibles et les conséquences éventuelles


associées à la dérive étudiée

o Examiner les moyens visant à détecter cette dérive ainsi que ceux
prévus pour en prévenir l'occurrence ou en limiter les effets

o Proposer, le cas échéant, des recommandations et des améliorations

ENSAM - GE
Compléments sur les méthodes d’analyse de risques

©R. MAJDOUL
Etapes de la Méthode HAZOP :

o Retenir un nouveau mot-clé pour le même paramètre et reprendre


l'analyse
o Lorsque tous les mots-clés ont été considérés, retenir un nouveau
paramètre et reprendre l'analyse
o Lorsque tous les paramètres sont analysés alors on considère une
nouvelle ligne ou un nouveau équipement.

ENSAM - GE
Compléments sur les méthodes d’analyse de risques

©R. MAJDOUL
Etapes de la Méthode HAZOP :

ENSAM - GE
Compléments sur les méthodes d’analyse de risques

©R. MAJDOUL
Exemples de paramètres :

Débit, pression, température, niveau, intensité du courant,

vitesse, tension, facteur de puissance, concentration, viscosité,

vitesse de réaction, contamination, temps, mélange, addition,

séparation, information capteurs, pH, …

Exemples de mots-clés à appliquer à ce paramètre

Pas de, plus, moins, plus haut, plus bas, moins, pas assez, trop de,

plus long, plus court, plus tôt que, plus tard que, inverse, au

contraire, en plus

ENSAM - GE
Compléments sur les méthodes d’analyse de risques

©R. MAJDOUL
Interprétation des principaux mots-clés

ENSAM - GE
Compléments sur les méthodes d’analyse de risques

©R. MAJDOUL
Exemple de matrice potentielle des mots-clés
et de paramètres de fonctionnement

ENSAM - GE
Compléments sur les méthodes d’analyse de risques

©R. MAJDOUL
ENSAM - GE
Compléments sur les méthodes d’analyse de risques

©R. MAJDOUL
Organisation et mise en œuvre de la Méthode HAZOP

• La qualité de la méthode dépend de la qualité de l’équipe la mettant


en œuvre et de celle de l’animateur chargé de conduire les sessions de
travail.

• L’équipe doit être multidisciplinaire et doit se composer :

o des membres dont la contribution est technique ayant une


connaissance détaillée du fonctionnement de l’installation et des
équipements – participation de spécialistes et praticiens
expérimentés

o des participants dont le rôle est logistique et/ou structurel.

ENSAM - GE
Compléments sur les méthodes d’analyse de risques

©R. MAJDOUL
Organisation et mise en œuvre de la Méthode HAZOP

• Ingénieur de projet ou chef de projet

• Spécialiste en capteurs et instrumentation

• Ingénieur ou technicien expérimenté en matière d’automatisation et


d’exploitation d’installation

• Ingénieur ou technicien expérimenté en matière du procédé étudié

• un représentant de service maintenance (expérience des défaillances


potentielles des équipements)

• Animateur, rapporteur ou secrétaire

• En cas de besoin, faire appel à des spécialistes en sécurité, incendie,


toxicologie, chimie, génie civil, ….

ENSAM - GE
Compléments sur les méthodes d’analyse de risques

©R. MAJDOUL
Exemples d’application de la Méthode HAZOP

ENSAM - GE
Compléments sur les méthodes d’analyse de risques

©R. MAJDOUL
Exemples d’application de la Méthode HAZOP

ENSAM - GE
Exemples de mise en place de capteurs connectés pour
maintenance 4.0

©R. MAJDOUL
ENSAM - GE
Exemples de mise en place de capteurs connectés pour
maintenance 4.0

©R. MAJDOUL
ENSAM - GE
Exemples de mise en place de capteurs connectés pour
maintenance 4.0

©R. MAJDOUL
ENSAM - GE
Exemples de mise en place de capteurs connectés pour
maintenance 4.0

©R. MAJDOUL
ENSAM - GE