Maintenance & Entreprise n° 656 bis

OPTIMISATION ÉNERGÉTIQUE INDUSTRIELLE ET
MAINTENANCE PRÉDICTIVE
SOLUTIONS
© DR
types de machines différentes dont des
robots, des convoyeurs, des transporteurs,
des pompes, des machines électriques
et des compresseurs. Plus de 400
utilisateurs dans les équipes de maintenance
chez Nissan utilisent la solution
Senseye pour optimiser leurs activités et
faires des réparations bien en amont des
pannes machines. Les résultats ? Depuis
2016, le groupe Nissan a économisé
plusieurs millions de dollars en réduisant
les arrêts machines non planifiés
et en identifiant les pannes éventuelles
entre deux semaines et six mois avant
qu’elles se produisent. Les économies
d’énergie du groupe, bien que plus difficile
à quantifier, découlent indéniablement
de la réduction du nombre de
redémarrages annuels de la ligne de
production.
les problèmes émergents et déterminer
si une panne machine est sur le point de
se produire et à quel moment. Les ingénieurs
qui travaillent avec notre solution
sont de cette façon en mesure d’effectuer
des sessions de maintenance préventive
pendant les temps d’arrêt-machine
planifiés. Ils corrigent ainsi les
problèmes avant qu’ils ne surviennent
en évitant ainsi les coûteux temps d’arrêt
machines non programmés. Une révolution
silencieuse qui n’en reste pas moins
une véritable révolution pour l’industrie
et pour notre métier.
DE L’OPTIMISATION DES COÛTS À
L’OPTIMISATION DE L’UTILISATION
DES ÉQUIPEMENTS : LE CAS
NISSAN
Production d’une voiture Nissan
Les temps d’arrêt-machine non planifiés
constituent l’un des postes de coût
les plus importants dans l’environnement
industriel. Dans le secteur automobile,
par exemple, une seule minute
d’arrêt d’une machine essentielle peut
coûter des dizaines de milliers d’euros
sans parler des dépenses énergétiques
que représentent les redémarrages de la
ligne de production après ces interruptions
non planifiées.
Le groupe Nissan produit plus de 5
millions et demi de voitures dans plus
de vingt sites dans le monde entier
(Japon, Etats-Unis, Russie, Royaume-
Uni). En décidant d’entreprendre un
programme de maintenance prédictive,
l’objectif de ce géant de l’automobile était
clair : réduire les arrêts de production de
50% sur l’ensemble de ses sites comprenant
des milliers d’actifs diverses. Grâce
à notre solution et à ses algorithmes
auto-apprenants, Nissan a pu mettre
en place la surveillance à distance de
9 000 actifs connectés et de plus de 30
Au-delà de la réduction des coûts des
arrêts machines, la maintenance prévisionnelle
permet d’améliorer l’utilisation
et donc la durée de vie des équipements.
Un processus de production optimisé
est forcément plus efficient en terme
de consommation énergétique avec
moins d’arrêts et donc moins de remise
en marche de la chaîne de production.
Optimiser la durée de vie des équipements
permet de créer un cercle
vertueux d’une optimisation de l’inventaire
des pièces de rechange et de la
planification du temps de production
des machines.
Aujourd’hui si les nouvelles technologies
rendent des milliers de données disponibles,
il essentiel que les acteurs industriels
adoptent les outils adéquats pour
les exploiter à leur juste valeur et en faire
les piliers d’une industrie 4.0 plus efficiente.
●
Peter Livaudais
MAINTENANCE & ENTREPRISE • N°656 bis • Janvier 2020 I 19