Chap 2 - Mise en Place D'une Politique de Maintenance Prédictive PDF

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
Conclusions
ENSAM - GE
12
©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
©R. MAJDOUL
ENSAM - GE
©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
©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
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
©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
©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
©R. MAJDOUL
Les quatre fonctions qui composent la chaine cinématique d’un exemple
d’équipements industriels :
Ventilateur
Moteur
Moteur
Paliers
ENSAM - GE
©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
©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
©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
©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
©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
©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
©R. MAJDOUL
ENSAM - GE
©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
©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
Conclusions
ENSAM - GE
31
©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
©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
©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
©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
©R. MAJDOUL
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
©R. MAJDOUL
Organigramme des Approches basées sur des modèles physiques des dispositifs
et qui décrivent leur fonctionnement correct ou leurs dysfonctionnements.
ENSAM - GE
©R. MAJDOUL
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
©R. MAJDOUL
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
©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
©R. MAJDOUL
Organigramme des approches auto-regressives pour la prédiction du RUL.
Approches d’apprentissage automatique
ENSAM - GE
©R. MAJDOUL
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
©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
©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
©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
©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
©R. MAJDOUL
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
©R. MAJDOUL
ENSAM - GE
©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
©R. MAJDOUL
Interprétation des principaux mots-clés
ENSAM - GE
©R. MAJDOUL
Exemple de matrice potentielle des mots-clés
et de paramètres de fonctionnement
ENSAM - GE
©R. MAJDOUL
ENSAM - GE
©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
©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
©R. MAJDOUL
Exemples d’application de la Méthode HAZOP
ENSAM - GE
©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
maintenance 4.0
©R. MAJDOUL
ENSAM - GE
maintenance 4.0
©R. MAJDOUL
ENSAM - GE
maintenance 4.0
©R. MAJDOUL
ENSAM - GE

Chap 2 - Mise en Place D'une Politique de Maintenance Prédictive PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chap 2 - Mise en Place D'une Politique de Maintenance Prédictive PDF

Transféré par

Droits d'auteur :

Formats disponibles

Département Génie Électrique Prof. ©R.

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

 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

Impacts de la maintenance 4.0 sur les acteurs

Mise en place d’un projet de maintenance prédictif

• Malheureusement, cette maintenance a souvent été en retard et

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

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

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

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

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

• Dans ces systèmes de Maintenance 4.0, seront séparées :

o les données que les équipements produisent (data existantes

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

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

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

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

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

Impacts de la maintenance 4.0 sur les acteurs

Mise en place d’un projet de maintenance prédictif

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

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

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

• 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

Impacts de la maintenance 4.0 sur les acteurs

Mise en place d’un projet de maintenance prédictif

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

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

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

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

 Tous ces ensembles sont souvent modélisés sous forme de chaines

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

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

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

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

 Conception des diagnostics prévisionnels sur la base des défaillances

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

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

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

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

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

La maintenance prédictive est une maintenance conditionnelle exécutée en suivant les

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

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

o le modèle physique : équations mathématiques qui régissent le

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

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

Au stade de la Conception, cela concerne les Méthodes Inductives

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

Impacts de la maintenance 4.0 sur les acteurs

Mise en place d’un projet de maintenance prédictif

Diagnostiquer une panne consiste à trouver l’ensemble des symptômes

apparents et des tests pertinents qui permettent d’incriminer un

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

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