Qui n’a pas entendu parler de la prochaine révolution de l’industrie 4.0… A l’heure où l’on parle de l’Internet des Objets (IoT) et même de l’Internet de Tout (IoE), un autre bouleversement, moins visible, mais tout aussi majeur est attendu : celui de la maintenance prédictive.
La maintenance, en pratique
L’approche classique de la maintenance, c’est la réparation d’un produit après une panne. Elle peut se faire à distance ou sur site, via un opérateur de maintenance. C’est ce que l’on appelle la maintenance corrective.
Une autre approche consiste à intervenir avant que les pannes aient lieu, en s’appuyant sur des indices de l’état de dégradation d’un bien. C’est la maintenance préventive.
La troisième voie qui se développe fortement aujourd’hui est celle de la maintenance prédictive (ou maintenance analytique). Elle est exécutée par anticipation en suivant les prévisions extrapolées de l’analyse et de l’évaluation de paramètres significatifs de la dégradation d’un produit (selon la définition de la norme NF). Dans ses approches les plus avancées, elle fait appel aux dernières techniques d’intelligence artificielle et de machine learning. Elle va permettre d’éviter les réparations en éliminant les origines de la cause, en augmentant la durée de vie des produits et en nécessitant beaucoup moins d’intervention.
Augmenter la durée de vie des machines, réduire les pannes de 50% et les coûts de maintenance de 10 à 50% : tels sont les enjeux de la maintenance prédictive.
Les acteurs du domaine
La maintenance prédictive mobilise aujourd’hui les acteurs de la recherche au niveau mondial, au premier rang desquels les Universités Chinoises, mais aussi en France le CNRS (2ème acteur mondial le plus actif derrière Pékin, sur les 5 dernières années) et notamment les Universités de Lorraine, Grenoble et de Toulouse.
Concernant les industriels, plusieurs typologies d’entreprises peuvent être identifiées : les acteurs de la maintenance traditionnelle (Vinci Energies, Cofely, Eiffage…), les gros acteurs de l’IT et des Telecom (Microsoft, General Electric, IBM, Thales, ABB, Orange, Dassault Systèmes…) mais aussi de nombreuses start-up françaises (MorphoSense, Predict, DigimoBee, SparkCognition, Quantmetry…).
Des domaines d’applications très larges
En France, de nombreux grands groupes industriels du secteur de l’énergie et des Transports majoritairement, se mobilisent pour répondre à leurs propres besoins et/ou développer des offres de services dédiées. Parmi ces acteurs, on retrouve Airbus, Safran, la SNCF, Schneider Electric, Engie, ou encore Orano. Mais c’est toute la production industrielle qui est concernée : qu’elle adresse les secteurs de la chimie, de la santé, de l’automobile, de l’aéronautique, du nucléaire, du transport urbain ou bien encore du ferroviaire.
A titre d’exemple, le groupe Thales a fait l’acquisition en 2017 de la société américaine Gavus pionnière dans le BigData en temps réel : en renforçant ses compétences et ses technologies, l’objectif du groupe est d’équiper un nombre croissant de ses produits. C’est le cas notamment des radars qui vont équiper les Rafales de l’armée de l’air, intégrant depuis 2018 un dispositif de surveillance et collecte de données pour la maintenance prédictive.
Dans ce contexte d’un marché en pleine construction, les entreprises auront à répondre à de nombreux défis scientifiques, sur lesquels la recherche toulousaine est d’ores et déjà mobilisée…
Exemple de cartographie des sujets d’innovation autour de la maintenance prédictive : stratégie de maintenance, détection d’anomalies, applications offshore pour les fermes d’éoliennes…
Données issues de Tech Intelligence® – service d’intelligence économique de Toulouse Tech Transfer.