Longtemps subie comme une charge par les gestionnaires d'actifs industriels, la maintenance se hisse aujourd'hui au rang de levier de compétitivité, sous l'effet conjugué des capteurs intelligents, de l'IoT et des algorithmes de machine learning. De tout temps, la maintenance industrielle apparaît dans les bilans des opérateurs comme un poste de charge consenti de facto. Mais depuis l'avènement de l'industrie 4.0, portée par la généralisation des capteurs connectés et l'essor de l'analyse de données, cette ligne budgétaire se voit revaloriser en un levier de performance. C'est le constat dégagé jeudi dernier, lors de la conférence organisée par OCP Maintenance solutions, filiale de l'Université Mohammed VI Polytechnique, qui réunissait industriels, équipementiers et experts, avec pour finalité de rompre avec la logique réactive du dépannage classique. L'alternative propose, en substance, d'instrumenter les équipements, en captant en continu leurs signaux faibles, (vibration, température, acoustique, thermographie...), puis d'exploiter ces données par des modèles capables d'anticiper toute éventuelle dérive susceptible de se transformer en panne. «La maintenance prédictive a quitté le stade de recherche, et s'impose aujourd'hui comme une réalité déployée sur le terrain», souligne Karim Elbaz, Growth and Product chez OCP Maintenance solutions. Adossé à l'automatisation, elle a permis au fil des années, entre autres, de réduire le risque de défaillance et d'accroître la disponibilité des installations, avec pour corollaire direct de booster la performance industrielle. Un modèle incrémental Derrière l'étiquette maintenance prédictive se cachent en réalité plusieurs stratifications. Il s'agit, en l'occurrence, d'un modèle incrémental qui distingue plusieurs niveaux de maturité. Contrairement à la logique curative qui traite la panne une fois survenue, au moment où la machine est déjà à l'arrêt, agir en amont permet de juguler une partie du risque en programmant des opérations à intervalles réguliers. Ceci évite de remplacer des pièces encore en état de fonctionnement. Avec l'intelligence artificielle, la démarche franchit un cap supplémentaire : les modèles détectent les premiers signes d'usure, qualifient la nature de la dégradation, voire estiment la probabilité qu'un défaut survienne. Dernier étage, la maintenance prescriptive va plus loin encore en indiquant à l'opérateur l'action précise à mener sur la machine. Un saut technique considérable, dont la portée se mesure par le retour sur investissement qu'il génère. Monter en gamme suppose, à chaque palier, un surcroît d'investissement, une organisation adaptée et une maîtrise plus fine de la donnée, un pari qui se juge aux gains récoltés, observe l'un des intervenants. «Le retour sur investissement ne repose ni sur le capteur, ni sur l'algorithme, mais sur la chaîne complète qui relie la détection du signal au diagnostic, puis à la décision et, surtout, à l'intervention sur la machine», précise Karim Elbaz. Défi humain Cela dit, le défi dans tout projet de maintenance prédictive n'est pas technique mais humain. «Une alerte dans un tableau de bord ne vaut rien tant qu'elle ne déclenche pas de décision, puis d'action sur le terrain», rappelle un intervenant. Conduite du changement, formation des équipes, intégration dans les processus internes… Sans ces préalables, le dispositif ne débouche sur aucun résultat et compromet, à terme, sa capacité à générer de la valeur. Selon ReliabilityWeb, plus de 70% des programmes de maintenance prédictive n'atteignent pas les économies ou les gains de productivité escomptés. Un échec moins imputable aux outils qu'à la manière dont les organisations se les approprient. «Une seule défaillance écartée sur un équipement critique suffit à justifier des années d'investissement dans le dispositif de surveillance», fait valoir un expert. En effet, quelques heures d'immobilisation sur une ligne stratégique peuvent se chiffrer en millions de dirhams et affecter les marges de l'entreprise. Le bénéfice passe aussi par une meilleure lisibilité de l'état du parc ainsi que par la possibilité de planifier les interventions plutôt que de les subir. Des gains que les tableaux de bord financiers peinent à traduire mais qui pèsent sur la performance industrielle. Pour Karim Elbaz, «le retour sur investissement ne vient ni du capteur seul, ni des algorithmes, ni même de l'intelligence artificielle, mais de l'intégration complète entre la détection, le diagnostic, la décision et, surtout, l'exécution sur le terrain». Effet catalyseur C'est à ce stade de maturité qu'intervient l'intelligence artificielle. Alimentés en continu par les données issues du terrain, les algorithmes repèrent les signatures caractéristiques d'un défaut, classent les risques selon leur gravité et remontent à la source une anomalie là où un opérateur même chevronné ne verrait qu'une accumulation de données brutes. Encore faut-il que la matière première soit au rendez-vous. Les métiers de l'inspection, longtemps relégués au second plan, reprennent une place centrale que la maintenance prédictive, paradoxalement, leur avait presque ravie. De la qualité des relevés dépend celle du diagnostic, une mauvaise information nourrissant fatalement un mauvais verdict, quelle que soit la sophistication du modèle. L'industrie dispose désormais d'un écosystème capable de porter la maintenance prédictive, du capteur à la plateforme d'analyse. L'enjeu se joue à présent dans les ateliers, où l'adoption de ces outils suppose d'accompagner les équipes et de faire évoluer les réflexes d'intervention. Isense, le capteur «made in Morocco» qui s'exporte ! Filiale du groupe OCP adossée à UM6P Ventures, OCP Maintenance solutions consacre depuis plus de dix ans ses travaux de recherche à l'entretien prédictif des équipements industriels, un effort couronné par cinq brevets et par un algorithme développé en partenariat avec le MIT au terme de cinq années de collaboration. Le dispositif s'appuie sur des capteurs embarqués qui enregistrent en continu les signaux émis par la machine – vibrations, variations de température, régime de rotation – avant de les transmettre à la plateforme iSense pour analyse en temps réel. Le système repère les premiers signes de défaillance sur les machines tournantes industrielles jusqu'à six mois avant la panne et en identifie l'origine, permettant de cibler l'intervention plutôt que d'engager une remise à plat complète. «C'est le doctor house des machines», résume Abdenour Jbili, CEO d'OCP Maintenance solutions. Le modèle trouve preneur bien au-delà du groupe OCP puisque la société revendique plus de soixante clients au Maroc et à l'international, quelque trois mille capteurs vendus l'an dernier et une filiale ouverte récemment en Arabie Saoudite afin d'adresser la demande croissante au Moyen-Orient. Une prouesse sur un segment verrouillé par les équipementiers européens et américains. Ayoub Ibnoulfassih / Les Inspirations ECO
