Maintenance & Entreprise n°664

LES GRANDS ARRÊTS DE MAINTENANCE
PRATIQUE
COÛT DES ARRÊTS-MACHINES
AUTOMOBILE
PGC
(produits de grande
INDUSTRIE LOURDE PÉTROLE ET GAZ
consommation)
Durée moyenne en heures des arrêtsmachines
non planifiés, par site et par mois
29 25 23 32
Coût horaire moyen des arrêts-machines 1 127 700 € 19 800 € 157 410 € 184 700 €
Coût annuel moyen par site 393 millions € 6 millions € 59 millions € 70 millions €
Coût moyen annuel estimé pour les
entreprises du Fortune Global 500
Coût moyen annuel estimé des arrêtsmachines
en pourcentage du CA
pétrolières et gazières en tête, de
l’automobile et ensuite les industries
dites lourdes comme la métallurgie
sont les secteurs pour lesquels les arrêts
machines non programmés ont un impact
économique le plus important. Puis elles
sont suivies par le secteur des industries
des produits de grande consommation
dont les effets des arrêts machines
longtemps sous-estimés représentent
une perte d’efficacité de production non
négligeable dans un contexte de marge
serrée, d’efficacité énergétique et de
contrainte environnementale.
L’enquête
‘‘The True
Cost of
Downtime”
467 milliards € 29 milliards € 189 milliards € 39 milliards €
20 % 4 % 18 % 1 %*
Néanmoins, certaines solutions
permettent d’éviter ou de réduire ces
coûts des arrêts-machines. Plusieurs
initiatives peuvent être pris en considération
dans la maintenance prédictive.
Fabien Treillaud présente quelques pistes :
« Certains OEMs (fabricants de machines)
intègrent dès le design de leur machine une
solution de maintenance conditionnelle en
collectant les données propres aux indicateurs
de condition des différents équipements
composant la machine. C’est une
très bonne démarche qui permet à l’industriel
de ne pas se soucier de la manière
dont la donnée doit être collectée sur sa
machine. Et pour le fabricant de machine
de pouvoir offrir un service de maintenance
prédictive à moindre coût, car dupliqué
sur un grand nombre de machines de
même type et à terme d’offrir à son client
industriel une garantie sur la disponibilité
de sa machine. »
L’autre stratégie pour l’industriel consiste
à sélectionner et déployer une solution de
maintenance prédictive à l’échelle, c’està-dire
pouvant traiter n’importe quelle
donnée de la température, au courant
moteur, en passant par la vibration… Cette
technologie peut alors être utilisée sur
n’importe quelle machine sans recours à
un développement spécifique. Très peu de
solutions peuvent effectuer cette tâche. De
plus, le passage à l’échelle est souvent une
étape décisive afin d’éviter le piège d’une
solution développée pour une machine
* Concerne les raffineries uniquement
critique mais difficilement transférable sur
le reste du parc machine. Selon le Sales
Director, un autre facteur à prendre en
compte et non des moindres est l’aspect
humain. Une solution de maintenance
prédictive ne fonctionnera pas sans
l’adhésion des équipes de maintenance et
la prise en compte de leur expérience ●
Valérie Brenugat
© DR
La solution SenseyePdM permet de créer
un modèle de maintenance prédictive.
Source : Senseye 2021
© DR
Du modèle de maintenance prédictive au ROI
« Senseye a pris une longueur d’avance en intégrant dès le départ le facteur scalabilité dans
le design de sa solution SenseyePdM » affirme Fabien Treillaud. SenseyePdM construit de
manière totalement automatique un modèle de maintenance prédictive qui sera propre à
chaque équipement indépendamment de la nature de ce dernier et en prenant en compte
toutes les données disponibles. Le Sales Director note également : « Ainsi, nous avons
pu démontrer notre capacité à passer à l’échelle très rapidement, en passant chez nos utilisateurs
de quelques dizaines d’équipements à des milliers d’équipements en l’espace de
quelques mois seulement, avec des retours sur investissement pour nos clients industriels
inférieurs à trois mois. Pour vous donner une idée, ce sont des dizaines de milliers d’équipements
qui sont monitorés quotidiennement par SenseyePdM et cela sur des centaines de
machines différentes. »
Cependant, la technologie seule ne peut pas tout et l’une des clés du succès de Senseye
est d’avoir développé en parallèle une méthodologie unique pour mener à bien le déploiement
d’un projet de maintenance prédictive. Cette méthodologie appelée Omniverse
a été mis gratuitement à disposition des utilisateurs de SenseyePdM qui peuvent ainsi
prendre en mains de A à Z leur projet, du POC jusqu’au passage à l’échelle sans recours
à des compétences particulières.
Enfin, fort de ces résultats, SenseyePdM ROI Lock a été lancé afin de garantir le retour
sur investissement à tout industriel utilisant SenseyePdM. « C’est une initiative pionnière
dont je ne connais pas d’équivalent » conclut Fabien Treillaud.
MAINTENANCE & ENTREPRISE • N°664 • Novembre - Décembre - Janvier 2021- 2022 I 33