La maintenance prédictive, une technologie de plus en plus répandue, mais savez-vous pourquoi ? Pour le découvrir, prenons un produit : L’ascenseur. Il constitue un exemple parfait des opportunités et des enjeux qui découlent de l’exploitation de l’intelligence artificielle dans le but de mettre en place une maintenance prédictive.
En effet, depuis quelques années, les ascenseurs ont la possibilité d’être connectés via une passerelle GSM, il est donc devenu un objet connecté. Aujourd’hui, grâce à cette passerelle, il communique en temps réel avec une interface d’Intelligence Artificielle à l’aide des réseaux 3G et 4G, il fait donc son entrée dans l’univers de l’IA.
Cette passerelle GSM permet de communiquer de nombreuses données récoltées par des capteurs stratégiquement placés sur l’ensemble des équipements de l’ascenseur (cabine, moteur, câbles…).
Ainsi, il est possible de détecter les signes annonciateurs de pannes à l’aide de cette technologie évolutive et d’intervenir avant qu’elle ne survienne. L’ascenseur devient donc plus sûr, plus fiable, et sa maintenance moins onéreuse et plus responsable.
Un enjeu : le smart building, une solution : l’Intelligence Artificielle
Si l’on regarde le rôle actuel d’un ascensoriste, il est en partie constitué d’une activité de maintenance qu’il effectue en collaboration avec les syndicats de copropriétés et les gestionnaires d’immeubles.
Cependant nous entrons pas à pas dans le monde du Smart building qui est voué à redistribuer le rôle de chaque partie prenante dans la gestion des bâtiments.
Dans ce contexte, afin de s’imposer comme un acteur prépondérant dans l’univers du Smart building, les principaux ascensoristes se sont donnés pour objectif de développer une maintenance 2.0 leur donnant la capacité d’agir avant que la panne ne survienne et de rendre l’utilisation des ascenseurs plus sûr.
Ainsi, la maintenance traditionnelle fait place à la maintenance prédictive grâce à la mise en place d’une intelligence artificielle. En effet, l’ensemble des données collectées sur chaque ascenseur connecté permet de créer une IA qui analyse les données afin d’être capable de détecter les signes annonciateurs de pannes et les anomalies avant que la panne ne survienne.
Ainsi, chez Schindler France, un centre de maintenance prédictive a été mis en place au sein du siège social à Vélizy Villacoublay, il permet de superviser en temps réel l’ensemble du parc ascenseur sous maintenance prédictive. Les signes annonciateurs de pannes sont ainsi classifiés, les plus urgents génèrent une demande d’intervention automatique au réseau de technicien sur le terrain, qui connaît en amont de l’intervention l’origine du problème. Les moins urgents eux, seront réglés lors de la prochaine visite de maintenance ou directement par les opérateurs du centre de maintenance prédictive capable d’intervenir à distance sur un appareil. Par exemple, si le capteur qui analyse les vibrations du moteur détecte une anomalie, celui-ci déclenche automatiquement l’intervention d’un technicien qui aura connaissance du problème directement.
Un recours à l’Intelligence Artificielle plus que pertinent
La mise en place de la maintenance prédictive des ascenseurs est possible grâce aux performances d’analyses de l’IA qui est capable d’analyser un nombre de données très importants de manière quasi instantanée.
De plus, cette technologie a la capacité de réapprendre chaque jour le fonctionnement d’un ascenseur en fonction des diagnostics que certains facteurs peuvent produire sur la santé de l’appareil. Ainsi le système aiguise son expertise avec la quantité de données collectées qui augmentent avec le temps et le nombre d’appareils connectés.
Pour venir à bout de ce projet, KONE a choisi de nouer un partenariat avec la plateforme IBM Watson, leader de l’Internet des Objets et de l’analyse de données. Les performances d’IBM Watson ayant d’ores et déjà été reconnues dans d’autres secteurs tels que l’avionique par exemple.
Pour aller plus loin…
Les signes annonciateurs de pannes sont détectés à l’aide d’outils analytiques qui utilisent l’ensemble des données collectées à l’aide des capteurs. Dans ces outils on compte notamment le Machine Learning, qui constitue la technologie d’Intelligence Artificielle qui permet l’analyse des données grâce à la création d’algorithmes d’apprentissage automatique.
De manière plus générale, le Machine Learning est utilisé dans l’ensemble des projets de maintenance prédictive. In fine, cette maintenance intelligente et personnalisée permettra aux entreprises de rendre leurs machines plus fiables, d’augmenter leur disponibilité et de réduire de manière significative les coûts de maintenance, et l’empreinte carbone.
La data science est vouée à s’imposer dans l’ensemble des domaines d’expertise, c’est pourquoi il est primordial de développer ses compétences en Data Science afin d’être en mesure de comprendre les enjeux et problématiques à venir.
