Maintenance prédictive sur électrobroche
Client
Le client est un constructeur automobile.
- > 74,7 Md€ de chiffre d’affaires en 2019
- > 3,5 millions de véhicules vendus dans le monde en 2019
- > 209 000 collaborateurs dans le monde en 2019
Projet
Son souhait est d’améliorer la disponibilité de ses centres d'usinage par la détection précoce des défaillances d'axes et usure des outils. En effet, la majorité des temps d'arrêt sont dus à des pannes de machines et à la maintenance programmée.
- > L'électrobroche représente un organe critique de part son prix et sa fonction. Il est important de pouvoir prédire son usure avec précision.
Le client collecte des données et les analyse en interne, mais ne parvient pas à corréler les données aux pannes. A la suite d’une panne entraînant un arrêt de production de plusieurs jours, le client décide d’équiper les centres d’usinage de la solution.
Solutions
Pour détecter les anomalies nous avions besoin de :
- 1- faire évoluer la nature des données collectées: passer d'une simple mesure du niveau global de vibration à la fourniture d'un spectre FFT (fréquentielle). Les capteurs de pression sont utilisés différemment : capteur de mesure en lieu et place de capteur Tout Ou Rien.
- 2- collecter un volume de données suffisant : les capteurs existants étaient capables de nous fournir ce volume. En interne, le client collecte environ 5 Giga Octets de données par jour, sur chaque centre d’usinage. Cela nous fournit assez de matière pour appliquer nos modèles d’apprentissage.
- 3- stocker et traiter les données en temps-réel. Le client les stockait tous les 3 jours afin de permettre aux équipes de maintenance de les analyser au besoin. Vu le caractère imprévisible de certaines anomalies (chocs et/ou collision), il était nécessaire d’avoir un suivi en temps réel.
Résultats
En quelques semaines, les équipes de maintenance ont pu s’appuyer sur les prédictions de pannes pour affiner leur plan d’action de maintenance curative.
A partir du 4ème mois de fonctionnement, sur les centres d’usinage, la grande majorité des défauts survenus ont pu être détectés au moins 72 heures à l’avance. La panne des broches : 13 semaines avant (voir ci-dessus) !
- Prédictions entre 72h et 3 mois
- 87% des pannes détectées et prédites (hors collision)