Trajet d'application: Maintenance pilotée par les données (Data-Driven Maintenance)

La maintenance 4.0 - très en vogue de nos jours - prend ici tout son sens. Il s'agit toutefois d'un concept global dont les notions vont de l'identification des besoins à l'utilisation de l'intelligence artificielle (IA) en passant par la connexion des systèmes de mesure. Au cours de cette formation de trois jours, nous passerons en revue tous ces concepts dans un ordre logique et avec une attention constante à leur applicabilité. Après cette formation, vous aurez toutes les clés en main pour réussir votre programme d'entretien 4.0.

Une approche en 7 étapes qui vous aide à mettre en œuvre avec succès un projet 4.0 en utilisant une gestion intelligente des données et mettant l'accent sur la visualisation et la prise de bonnes décisions.

• Convertir la détection d’un mode de défaillance en un capteur et un système de mesure adéquats
• Intégration des paramètres de maintenance et de processus - Importance des sources de données connectées
• Collecter et importer des données à partir d'un emplacement central
• Combiner une vision commerciale avec des aspects de science des données
• Importance de la sélection des projets
• Apport des nouvelles méthodes basées sur l'intelligence artificielle dans la maintenance

Un trajet d’application est proposé en utilisant des outils définissant les objectifs stratégiques de la société, la matrice de priorisation des projets 4.0 et la value sheet, décrivant le squelette d’un projet 4.0. Pour optimiser votre expérience, nous vous suggérons d'apporter vos propres données de GMAO, lors de votre participation. Ces données seront intégrées à l'outil d'analyse I-Mining, basé sur l'intelligence artificielle (AI - Data Driven), enrichissant la formation par une approche plus personnalisée. L'outil I-mining permet l'analyse automatique des événements et historiques des défaillances remontés dans votre GMAO.

Jour 1

Assess

• Évaluer la "maturité 4.0" de l'organisation, de ses systèmes informatiques et opérationnels (IT/OT), de sa culture…
• Illustration d'un outil d'évaluation basé sur l'IA
• Reconnaître les business cas potentiels

Identify

• Identifier les sources de données nécessaires, en utilisant la méthodologie DOFA
• Identifier les business cas appropriée par le biais de l’analyse de données assistée par l'IA.

Generate

• Générer et collecter des données grâce à une ingénierie de données appropriée
• Vue d'ensemble des capteurs de la maintenance conditionnelle

Collect

• Rassembler les différentes sources de données au sein d’une hiérarchie OT (ISA-95)
• Centraliser les différentes sources de données o Utilisation d'une étude de cas réelle pour démontrer l'importance d'une bonne architecture de données

Jour 2

Analyze

• Choix des bons algorithmes (régression, classification, clustering, ...)
• Explication des algorithmes les plus importants dans un contexte de maintenance
• Utilisation d'un cas réel pour démontrer l'importance de l'IA pour la détection précoce des pannes de machines

Jour 3

Analyze (suite)

• Cas sur la façon dont les données PDM et de processus peuvent être traitées pour une gestion efficace des alarmes.

Visualize

• Importance des tableaux de bord KPI interactifs
• Aspects à prendre en compte pour construire un tableau de bord efficace
• Aperçu des principes de visualisation les plus importants

Act

• Initier des actions de suivi dans le flux de travail de la maintenance
• Cas de l'intégration avec la GMAO pour générer automatiquement des bons de travail

Responsables et ingénieurs de maintenance, ingénieurs de fiabilité, responsables de production, ingénieurs de processus, responsables de l'informatique et des infrastructures, toute personne impliquée dans l'exploitation et la maintenance des actifs, ou responsable de l'environnement, de la sécurité et/ou de la qualité.

ATTENTION

Les employés actifs dans une entreprise ayant une activité similaire à celle du formateur sont invités à ne pas s'inscrire à ce cours.