Monixo apporte une solution complète, performante et fiable pour anticiper efficacement les pannes. Grâce à l’acquisition continue de données et leur analyse, Monixo, au-delà d’alerter les équipes en cas de détection de défaillances, assure l’anticipation de celles-ci. Monixo permet donc d’agir suffisamment tôt pour éviter les pannes lourdes et coûteuses, mais jamais trop tôt pour éviter les dépenses et arrêts inutiles.
Monixo offre la possibilité d’intégrer les systèmes d’acquisitions et dispositifs d’instrumentation déjà existants (capteurs existants) chez l’utilisateur.
Il en est de même pour la mise à disposition des données et résultats d'analyse : en plus de ses applications web et mobile, Monixo s’intègre aisément aux systèmes de gestion de maintenance existants (GMAO ou ERP).
Cela permet d’apporter une valeur ajoutée prouvée et déterminante pour la proactivité de la maintenance, mais surtout de ne pas alourdir ou bouleverser les process et habitudes des utilisateurs finaux en capitalisant sur l'existant.
Des PME manufacturières aux groupes industriels avec des actifs nombreux et parfois géographiquement distribués, Monixo apporte une réponse à l'échelle du besoin et des exigences techniques requises (types de connectivité, capteurs/ données pertinentes à recueillir, sécurité, ... ). L'analyse des données en flux temps réel par le processeur d'apprentissage permet leur traitement immédiat, ce qui confère au processeur la capacité d'analyser des données de masse avec un haut niveau de performance, alliant vitesse de traitement et fiabilité des prévisions.
L'architecture modulaire (composants autonomes les uns vis-à-vis des autres) assure à la solution une rapidité de déploiement (en quelques minutes) et une simplicité d'utilisation (plug-and-play). Optimisation de batterie, algorithmes d'analyses et collecte de données, types et topologies de réseaux, .... Toute cette complexité est totalement intégrée à la solution afin d'offrir un interfaçage simple et transparent entre le technicien de maintenance et les actifs supervisés. De plus de par l'ergonomie et l'intuitivité de ces applications Monixo permet à ses utilisateurs d'accéder le plus directement possible aux données.
Monixo est un écosystème dédié à maintenance connectée et proactive, celle de l'usine 4.0. Son architecture répond aux exigences de sécurité et de confidentialité auxquelles sont soumis les systèmes de maintenance 4.0, mais aussi aux exigences d’interopérabilité. En effet, la conception modulaire et standardisée de ses composants offre à ceux-ci une grande autonomie les uns vis-à-vis des autres et leur permet de s'interfacer simplement à d'autres systèmes existants (capteurs, GMAO). Ses API apportent aussi à la solution une flexibilité d'intégration supplémentaire.
Systèmes d'acquisition sans fil, haute précision et bidirectionnelles, communiquant sur un réseau haut débit, moyenne portée, basse consommation, mais aussi sur les réseaux longues portées (LoRaWAN) pour les actifs géographiquement distribués
En charge de la mise à disposition et du stockage des données, il s’interface à des systèmes tierces grâce à ses API
Garant de l’analyse automatique des données et de la prédiction grâce à l’extraction de patterns
Les données acquises et l’analyse sont mises à disposition sur la plateforme Monixo via les applications web et mobiles
La pertinence des données collectées est la clé d'une maintenance proactive
Demander votre kitMonixo a été conçu en partant du principe que tout actif industriel manifeste des signes, visibles ou non, de dégradation qui en annonce la défaillance. Des capteurs connectés permettent de mesurer cette dégradation. Les données mesurées sont mises à disposition et stockées dans le Cloud, où le processeur d’apprentissage se charge de leur analyse. Le résultat de cette analyse est mis à disposition sur la plateforme avec deux finalités : suivi continu des seuils optimaux de fonctionnement, plus communément appelé maintenance conditionnelle et l’anticipation des pannes grâce à l’analyse continue de l’état des actifs, la maintenance prévisionnelle (maintenance prédictive). À cette approche complète de la maintenance prédictive, nous avons donné le nom d'approche CAP. L'exemple ci-dessous est une illustration de cette approche appliquée sur une presse à granules d'un de nos clients de l'industrie agroalimentaire.
En quelques secondes, les moniteurs sont installés sur la machine à superviser sur la base d'un plan d'instrumentation détaillé préalablement défini. Dans le cas de cette presse, l’instrumentation concerne les paliers et les tambours (moteur à 1500 tr/min). Le moniteur est fixé par sa base magnétique dans ce cas d'usage.
Dès la mise en marche du moniteur, les mesures sont collectées et instantanément disponibles sur la plateforme. Sur chacun des sous-composants instrumentés, des mesures pertinentes sont acquises afin d'avoir un suivi continu de la dégradation de la presse : vibration (niveau global et spectre), température infrarouge, ultrason, intensité du courant (grâce à un capteur ampèremétrique dans l'armoire électrique)…
Une fois acquises, les données sont analysées en intégrant les seuils définis par le technicien de maintenance depuis la plateforme ou celles définis par les normes existantes sur la machine concernée (maintenance conditionnelle). Les alertes sont ensuite envoyées en fonction de la cadence choisie.
La bidirectionnalité des moniteurs permet sur des mesures telles que la vibration d'acquérir des spectres qui sont analysés et interprétés automatiquement avec un suivi détaillé de l'évolution des anomalies détectées. Ces analyses ainsi que l’historique des données sont disponibles et peuvent être exportées sous plusieurs formats (XML, CSV ou PDF).
Monixo, grâce à son processeur d’apprentissage automatique suit plusieurs signatures de défaillance sur les machines afin d’en extraire automatiquement des scénarios fiables de pannes. L’analyse de ces marqueurs permet de détecter et de suivre la panne dès les premiers signes avérés d'anomalie.
Progressivement, la prédiction s'affine ; la caractérisation des défaillances correspondant à celle-ci devient de plus en plus formelle. Les mesures concernées ainsi que le type de pannes caractérisé en amont permettent dès lors d'agir de manière ciblée et d’optimiser les actions et les ressources : agir suffisamment tôt pour éviter les pannes lourdes et coûteuses, mais jamais trop tôt pour éviter les dépenses et arrêts inutiles.
Monixo s'adapte à plusieurs secteurs de l’industrie tout en respectant les spécificités et contraintes de chaque métier. La solution est déployée dans les secteurs de l'énergie, les transports, ou encore l'industrie manufacturière où elle apporte des réponses adéquates aux besoins de maintenance prédictive.
Dans un centre technique ferroviaire, le transbordeur est l’un des équipements les plus importants. Il collecte et transporte les wagons vers les ateliers et vice-versa. Cette étude de cas présente le résultat de l'analyse des vibrations, des données gyroscopiques couplées à des informations IPS (système de positionnement intérieur) afin d'anticiper les défaillances mécaniques sur des sections spécifiques du rail et des défaillances sur des composants spécifiques (défaut d'alignement ou direction de crabe par exemple). Détails
Le centre d'usinage est l’une des types de machines les plus adapté pour la maintenance prédictive car elle produit une quantité considérable de données et constitue en même temps un système de haute précision sensible à l’usure et aux changements de configuration. Mais le problème principal est qu’une machine à commande numérique est un mélange de différents composants qui subissent chacun une usure et des dommages pouvant affecter d’autres composants (plus critiques). Pour prédire les pannes de composants critiques d’une CNC, il est donc important de créer un modèle capable de comprendre les liens entre les composants et leur impact réciproque: par exemple, dissocier l’usure des outils avec l’usure de la broche sur le centre d’usinage lorsque nous n’avons que des données de vibrations/courant sur la broche (ce qui est le cas la plupart du temps).
Détails
L'arbre du broyeur était systématiquement changé après 500 heures d'utilisation sans que l'on sache si le composant devait être remplacé. Ce court intervalle de maintenance préventive est dû au fait que la machine écrase un matériau très abrasif. Grâce aux données de vibration, d’émission acoustique et de température, des modèles d’usure de l’arbre ont été créés et la durée de vie utile restante de l’arbre a été calculée. afin d’optimiser le temps de remplacement préventif qui est le plus souvent supérieur à 500 heures (715 heures en moyenne → + 43% du temps de production). Détails
La criticité d'une unité de traitement de l'air est évidente lorsque nous savons qu'elle prend en charge la qualité de l'air que nous respirons. Les filtres, les moteurs et le châssis sont les principales pièces critiques surveillées par IIOT afin d'éviter leurs défaillances plusieurs semaines à l'avance. Détails
Pour de nombreux chantiers, en particulier dans les industries des mines et des tunnels, les pompes jouent un rôle essentiel dans le respect des délais - lorsqu'elles commencent à tomber en panne, l'ensemble du projet peut être retardé. Cette étude de cas présente le résultat de l'analyse du courant, des vibrations et de la température afin d'anticiper les défaillances de la pompe. Détails
70 à 80% du chiffre d'affaires est réalisé en hiver, lorsque l'électricité est à son prix le plus élevé. L'objectif de ce projet est donc d'anticiper toutes les pannes au cours de cette période critique et d'assurer la fiabilité maximale de la centrale hydroélectrique. Détails
4 anciens refroidisseurs (HVAC) installés sur un transformateur de haute puissance sont surveillés par les systèmes IIOT de Monixo. Ces aéroréfrigérants ont un rôle crucial: s’ils arrêtent de refroidir, le transformateur de puissance risque de surchauffer, puis de s’arrêter et, pire encore, d’exploser. Chacune de ces pannes aura les conséquences suivantes : des milliers de maisons sans électricité et la détérioration du matériel provoquant une indisponibilité de plusieurs jours. Détails
Une autre partie importante de l'industrie est sa chaîne d'approvisionnement, qui doit être efficace et fiable. Cette étude de cas est basée sur les données collectées à partir du système OBD (Onboard Diagnostic), du GPS et de capteurs supplémentaires sur plus de 50 camions Renault appartenant à une société minière. Les modèles prédictifs conçus aident à anticiper la plupart des pannes de moteur critiques auxquelles les camions étaient confrontés dans le passé et ont ainsi considérablement optimisé leur fiabilité. Détails
Les fluides de coupe sont utilisés pour refroidir et lubrifier les machines et les outils. La plupart du temps, les mélanges sont constitués d'huile et d'eau (1% à 10% de concentration d'huile) dont les caractéristiques varient en fonction du type d'huile, des matériaux à usiner, etc. La surveillance continue et précise du bain permet d’anticiper les mauvaises qualité des pièces dans un processus d'usinage. Ce contrôle est basé sur des mesures périodiques de la concentration en huile, du pH, de la température, de la conductivité, ... afin de compenser de manière proactive les changements inévitables dus à l'évaporation de l'eau, aux attaques bactériennes, et à l'adhérence de l'huile aux pièces métalliques, etc. Détails
Les lignes d'écoulement et les marques de brûlure font partie des défauts de qualité les plus courants liés au moulage par injection. Ils peuvent être dus à des problèmes liés au processus de moulage ou à l’utilisation de matériaux et peuvent parfois être évités en modifiant certains paramètres (débit, température ou pression). Ces problèmes peuvent entraîner des retours de produits et des produits invendables. Détails