Les programmes de maintenance préventive fonctionnent selon des intervalles fixes : vidange d'huile tous les 90 jours, indépendamment de l'état réel du système. Les capteurs IoT permettent une maintenance conditionnelle : vidange d'huile déclenchée par l'analyse des vibrations, la détection d'une usure des roulements, la détection d'une surchauffe anormale par les capteurs de température ou la surveillance du courant indiquant une dégradation du moteur. La connexion des données des capteurs IoT à la GMAO (Gestion de la Maintenance Assistée par Ordinateur) automatise ce processus : lorsqu'une valeur mesurée par un capteur dépasse un seuil prédéfini, la GMAO crée immédiatement un ordre de travail, sans attendre la prochaine maintenance préventive planifiée ni une panne majeure. AWS IoT Core et Azure IoT Hub sont les deux principales plateformes IoT cloud dans le secteur manufacturier. Elles agrègent les données de milliers de capteurs et de machines au sein d'un pipeline de traitement. L'intégration de la GMAO à ces plateformes permet le déclenchement automatique des ordres de travail, transformant ainsi l'investissement IoT en actions de maintenance concrètes. Les fabricants disposant de déploiements IoT mais sans intégration GMAO collectent des données de capteurs sans les convertir en décisions de maintenance ; c'est la principale raison pour laquelle les programmes IoT dans le secteur manufacturier ne génèrent pas de retour sur investissement.
L'architecture d'intégration standard IoT-GMAO comporte quatre couches. Couche capteurs : capteurs de vibrations, sondes de température, moniteurs de courant, capteurs d'état d'huile et autres dispositifs similaires fixés aux équipements de production. Couche périphérique : une passerelle industrielle (AWS IoT Greengrass, Azure IoT Edge ou dispositifs tiers) prétraite localement les données des capteurs, réduisant ainsi la bande passante cloud et permettant un fonctionnement hors ligne en cas d'interruption de connexion. Couche cloud IoT : AWS IoT Core ou Azure IoT Hub agrège les flux de capteurs, applique des règles de seuil et déclenche des alertes. Couche d'intégration GMAO : lorsque la plateforme cloud IoT détecte une anomalie ou un dépassement de seuil, elle appelle l'API REST de la GMAO pour créer un ordre de travail de maintenance prédictive. Cet ordre de travail contient l'identifiant de l'actif, la valeur du capteur, le seuil dépassé et l'action recommandée. La plupart des plateformes cloud IoT prennent en charge les webhooks sortants ou les fonctions Lambda/Azure pouvant appeler directement les API de la GMAO. L'ordre de travail GMAO doit inclure : l'identifiant de l'actif, le type et la valeur du capteur, la plage de fonctionnement normale, le niveau de gravité et l'action de maintenance recommandée en fonction du mode de défaillance associé à ce signal de capteur.
L'erreur la plus fréquente lors de l'intégration IoT-GMAO est de surdimensionner le premier déploiement. Commencez par trois à cinq équipements critiques dont l'historique des défaillances confirme les modes de défaillance détectables par les capteurs IoT. Associez chaque type de capteur à un mode de défaillance spécifique et à un modèle d'ordre de travail GMAO spécifique. Testez la chaîne seuil-ordre de travail avant d'instrumenter d'autres équipements. Étapes pratiques d'intégration pour AWS IoT Core : configurez les règles IoT pour déclencher des fonctions Lambda en cas de dépassement de seuil, créez une fonction Lambda pour appeler l'API REST GMAO avec une charge utile d'ordre de travail structurée, configurez la GMAO pour accepter l'intégration et assignez les ordres de travail au technicien ou à l'équipe de maintenance appropriée. Pour Azure IoT Hub : utilisez Azure Stream Analytics ou Azure Functions déclenchées par des événements IoT Hub, et créez une fonction pour appeler l'API GMAO. Pour les fabricants utilisant Fabrico, l'architecture intégrée TRS et GMAO connecte les données de performance de production aux données des capteurs : une baisse de disponibilité TRS combinée à une anomalie de vibration sur le même équipement génère un ordre de travail prioritaire, améliorant ainsi le tri des interventions de maintenance et réduisant les interventions inutiles sur les équipements en dégradation mais n'affectant pas encore la production.
Connexion
Blog
