Capteurs et IA à l’écoute de la santé des moteurs industriels
Il existe plus de 300 millions de moteurs électriques industriels fonctionnant 24 heures sur 24 et 7 jours sur 7 pour faire fonctionner les lignes de production dans le monde entier. Ils consomment environ 70 % de l’électricité fournie aux installations industrielles. Malheureusement, les pannes sont très fréquentes: un moteur industriel sur huit tombe en panne chaque année. Une panne moteur entraîne des réparations inutiles, coûtant des centaines de milliers d’euros par heure d’immobilisation imprévue. Cela peut également se traduire par une main-d’œuvre non productive, des matières premières gâchées et des clients insatisfaits. Par ailleurs, les moteurs défectueux consomment plus d’énergie car leur efficacité électrique diminue avec le temps, au fur et à mesure qu’ils s’usent. Des capteurs non invasifs et des algorithmes d’apprentissage automatique pour un meilleur suivi de l’état des moteurs industriels Le projet Motorlisten, financé par l’UE, a résolu ce problème en utilisant un capteur de reconnaissance acoustique intégré, une analyse de fréquence et en faisant appel à l’intelligence artificielle (IA). «À l’aide de ces solutions, nous avons mis au point une solution permettant de détecter les défaillances et de prévoir les pannes des moteurs», explique Paolo Samontanez, directeur technique du projet OneWatt. «Cela aide les installations industrielles à planifier efficacement les opérations de maintenance, prolonger la durée de vie des actifs, améliorer l’efficacité opérationnelle et réduire les temps d’arrêt imprévus.» Ce système de maintenance préventive, non invasif et sans contact, détecte et prévoit les défaillances physiques des machines. Lorsqu’une défaillance est en train de se développer, il en informe le personnel chargé de l’entretien, et indique également comment, où et quand celle-ci se produira. Le système émule le travail d’un mécanicien expert capable d’identifier les défauts en comprenant simplement les signes avant-coureurs tels que les sons et les vrombissements provenant des moteurs. Grâce au recours à l’IA et à un ensemble de données infiniment plus grand que ce qu’un être humain peut traiter, cette innovation s’avère beaucoup plus fiable qu’un technicien ou qu’un ouvrier qualifié. Cela permettra d’optimiser les travaux de maintenance et de minimiser les temps d’arrêt, deux priorités majeures pour les entreprises industrielles et les services publics. En outre, le système garantit un fonctionnement optimal des moteurs, réduisant ainsi la consommation d’énergie. Les partenaires du projet ont identifié et fixé les paramètres nécessaires pour atteindre une précision de 99,99 %. Ils ont quantifié des objectifs et élaboré des méthodologies permettant de prolonger la durée de vie des actifs, de réduire la consommation d’énergie et d’améliorer la fiabilité des prévisions. D’après les données collectées, «notre système est capable de détecter les huit types principaux (du point de vue statistique) de pannes de moteur», indique M. Samontanez. L’équipe de Motorlisten a évalué la faisabilité commerciale et le potentiel de cette technologie pour les fabricants industriels et les services publics – les deux principaux clients cibles. Elle a modifié l’IA et le matériel du système afin de répondre aux besoins de ces segments de marché. «Notre système peut s’adapter à la plupart des moteurs, quels que soient le modèle, la taille, l’âge, la marque ou le fabricant», explique M. Samontanez. «Nous l’adaptons à votre système, et non l’inverse.» La phase de commercialisation est en bonne voie, plusieurs contrats ayant déjà été conclus avec des services publics, pour des biens de consommation en rapide évolution et pour de la maintenance industrielle. Les membres de l’équipe continuent de travailler pour améliorer le système. «Grâce au système Motorlisten, les installations industrielles seront en mesure de planifier plus efficacement les travaux de maintenance, de réduire les dépenses d’électricité grâce à des moteurs plus efficaces, de prolonger la durée de vie des moteurs et, en fin de compte, de maximiser les revenus potentiels en réduisant les temps d’arrêt imprévus», conclut M. Samontanez.
Mots‑clés
Motorlisten, moteurs, défaillances, temps d’arrêt, installations industrielles, moteur industriel, moteur électrique, système de maintenance préventive
