Actualités

Actu Energie du

Maintenance prédictive : faire entrer l’industrie dans l’ère 4.0 en réduisant les consommations énergétiques

En anticipant les défaillances des chaînes de production, la maintenance prédictive donne une nouvelle opportunité à l’industrie de réduire sa consommation énergétique et d’entrer dans l’ère 4.0. Démonstration avec Elodie Bondi, directrice administratif et financier chez Qualisteo.

Le moment est venu pour l’industrie d’entrer dans l’ère 4.0 : la quatrième révolution industrielle est celle des objets connectés, de l’Internet des objets (IoT) et du Big Data. L’industrie du futur n’en est qu’à ses prémices, la prochaine décennie verra émerger des nouvelles technologies innovantes. Il peut apparaître compliqué voire impossible de transformer son industrie en usine connectée sans investir dans de nouvelles chaînes de production elles aussi connectées, pourtant d’autres solutions existent. La maintenance prédictive permet de transformer les usines existantes en usines connectées tout en optimisant le fonctionnement des process industriels afin d’accroître la compétitivité, et sans investissements dans de nouveaux équipements de production, en gérant des données de masse.

Le renouveau de la maintenance : la maintenance prédictive

La maintenance prédictive est la maintenance industrielle de demain : nouvelle forme d’entretien du matériel, sophistiquée et connectée, qui rend l’usine intelligente. La maintenance prédictive consiste à monitorer en continu les performances des équipements, afin de détecter tout signe de défaillance éventuelle, tout en réduisant les coûts et en améliorant la productivité. Les données de masse venant de multiples sources au sein de l’usine sont suivies en temps réels afin de prévoir les défaillances des appareils : le Big Data trouve alors toute sa place au sein de l’usine de demain. Les données sont collectées en temps réel à partir de capteurs placés à différents endroits des chaînes de production afin de définir les comportements “normaux” des équipements. Les données sont ensuite modélisées afin de mettre en place des scénarii de défauts et d’identifier les signes avant-coureurs de pannes … lire la suite en cliquant ici.

Source : http://www.actu-environnement.com/


Publié le : 19 janvier 2017