Une maintenance prédictive intelligente pour les équipements de production
Les systèmes actuels présentent des limitations dans le cadre des stratégies de maintenance prédictive, notamment pour surveiller l'état des presses et des machines à former. Les entreprises et les opérateurs ont besoin de solutions industrielles fiables et souples, disposant de fonctions d'auto-surveillance, afin de mieux déterminer le moment où il faut effectuer une maintenance ou remplacer un composant. Ceci réduira les périodes d'arrêt, les coûts et la consommation d'énergie. Le projet IMAIN («A novel decision support system for intelligent maintenance»), financé par l'UE, développe une solution cloud pour la surveillance et la maintenance prédictive des machines à former. Elle utilisera des systèmes informatiques embarqués, des méthodes d'intelligence artificielle et un système cloud d'eMaintenance (entretien en ligne), pour collecter les données via de nouvelles pratiques de fiabilité et de maintenance. Les travaux ont commencé par l'analyse des équipements de production et des principaux composants du système, et ont continué par la création d'un plan de surveillance de l'état et de l'énergie. Les chercheurs ont conçu des modèles pour simuler les nouveaux capteurs virtuels. Ces derniers devraient permettre une toute nouvelle approche globale de la maintenance prédictive. Ils soutiendront les capteurs déjà installés dans les machines à former, en apportant une méthode exacte et optimale pour surveiller virtuellement les contraintes. Les partenaires du projet ont défini l'architecture matérielle et logicielle du système embarqué de surveillance de l'état et de l'énergie (ECEM). Ils ont aussi réalisé des prototypes et choisi les paramètres d'évaluation de l'état et de l'énergie pour les composants. L'ECEM autonome fera partie du système de maintenance prédictive prévu. L'équipe travaille à l'infrastructure et à l'interface informatiques nécessaires pour l'ECEM. Ces travaux seront aussi utiles pour le système IMAIN. Le travail continue sur une solution cloud pour stocker et partager les données de surveillance comme le stress mécanique, les températures d'indication, les vibrations des paliers, l'huile, ou la consommation d'air et d'énergie, et des paramètres techniques comme l'inclinaison du poinçon et les forces de mise en forme. Dans le cloud eMaintenance, ces données seront évaluées sur le long terme pour déterminer les tendances ainsi que la vie utile restante. Un avantage majeur de l'approche cloud est la possibilité d'acquérir des connaissances provenant de machines situées à des endroits différents, ce qui améliore l'estimation de la vie utile restante. Les chercheurs ont conçu l'architecture du système, et spécifié le logiciel et le matériel. Le projet IMAIN augmentera la durée de vie des équipements de production, réduira les coûts de maintenance, et renforcera la fiabilité de tous les processus de fonctionnement, de production et de maintenance.
Mots‑clés
Équipement de production, maintenance prédictive, presses, machines à former, maintenance intelligente, Industry 4.0
