Les fonderies intelligentes choisissent la maintenance prescriptive basée sur l'IA

Lorsque vous ne pouvez pas observer la performance des composants internes vitaux, comment faire en sorte que les machines de fonderie sophistiquées fonctionnent de manière optimale en permanence avec un temps d'arrêt minimum - et au coût le plus bas possible ?

Associer la technologie de l'IA, d'énormes volumes de données et le Cloud à l'expérience et à l'expertise humaines, apporte des réponses simples à ces défis techniques. Plutôt que de se débattre avec des analyses complexes, les directeurs de fonderie et les techniciens de service reçoivent des alertes et des conseils en temps opportun qui les aident à détecter et à corriger les comportements anormaux des machines avant qu'ils ne deviennent critiques et n'interrompent la production.

Cependant, seules les pièces d'usure critiques ou les données pertinentes pour les tâches de maintenance standard sont normalement surveillées et le processus est toujours réactif, avec des alertes indiquant généralement qu'une panne grave est en train de se produire ou s'est déjà produite. L'augmentation de la sensibilité avec des seuils d'alerte plus bas afin de détecter les pannes suffisamment tôt entraîne souvent des alarmes intempestives. La plupart des systèmes de maintenance conditionnelle nécessitent un investissement informatique important et une expertise interne pour interpréter correctement les données et éviter les faux positifs. De plus, il n'est possible d'interpréter manuellement qu'une petite fraction des données disponibles.

Par exemple, le service de surveillance à distance de DISA emploie des experts pour interpréter les données de fonctionnement et d'état de la machine et ainsi fournir des conseils opportuns. Cela fonctionne bien, mais même les ingénieurs experts de DISA ne peuvent pas analyser manuellement toutes les données disponibles. Avec les nombreux capteurs désormais installés sur les équipements DISA, des milliers de points de données sont générés pour chaque cycle de la machine.

Passer à l'analyse de nouvelle génération

L'informatique moderne permet de franchir une nouvelle étape : La maintenance prédictive. En combinant une puissance de traitement massive, un stockage peu coûteux et des analyses automatisées telles que l'intelligence artificielle (IA), les ingénieurs peuvent analyser les données d'exploitation historiques pour créer un modèle numérique qui cartographie les relations complexes entre de nombreux paramètres et conditions de fonctionnement différents, et montre comment ils affectent les résultats tels que les performances de la machine, l'usure des composants, etc.

L'ajout de données actives à ce modèle numérique le transforme en un outil en temps réel, donnant une alerte très précoce lorsqu'une pièce commence à tomber en panne ou si la machine fonctionne mal. Cela permet de minimiser les temps d'arrêt planifiés et imprévus tout en garantissant en permanence des performances stables.

Mais le processus de modélisation prédictive est complexe, nécessitant beaucoup plus d'expertise en matière de données et de dépenses informatiques que la surveillance des conditions. Même si un fournisseur externe fournit l'analyse en tant que service, l'interprétation des résultats et leur transformation en actions efficaces nécessitent toujours une expérience interne importante et rare. Avec un investissement élevé requis, seules les plus grandes entreprises peuvent réellement en profiter.

La maintenance prescriptive surmonte ce défi en indiquant simplement aux fonderies les pannes potentielles de leur machine ou un mauvais fonctionnement, ainsi que ce qu'elles peuvent faire pour les réparer. Parce que la collecte de données, l'analyse basée sur l'IA et l'expertise humaine font tous partie du service, la fonderie n'a pas besoin d'experts informatiques ou de données supplémentaires.

Avec un service prescriptif facile à utiliser, vous bénéficiez des mêmes avantages que les outils de maintenance prédictive internes à un coût et à des risques commerciaux bien inférieurs. Les actions de maintenance ne sont pas déclenchées par une usure potentiellement dommageable ou par de graves problèmes de composants (comme dans le cas de la maintenance conditionnelle), mais par une analyse automatisée des données de nombreux capteurs de la machine. Ensemble, ils fournissent une alerte très précoce de l'apparition de défauts ou d'un fonctionnement sous-optimal.

Ainsi, les fonderies ne prennent des mesures pour entretenir une machine que lorsque cela est nécessaire, pas avant, et les problèmes sont généralement résolus avant qu'ils ne se produisent réellement, ce qui évite les dommages potentiels à la machine, les temps d'arrêt ou les rebuts plus importants. Et en plus de remédier aux problèmes de manière précoce, les fonderies peuvent également utiliser les informations pour améliorer en permanence le fonctionnement des machines et leur processus.