Trois façons d’entretenir une machine

Avant de parler de prédiction, il faut situer les trois grandes stratégies de maintenance :

• la corrective : on répare après la panne. Simple, mais l’arrêt est subi, souvent au pire moment.
• la préventive systématique : on remplace à intervalle fixe (calendrier, heures de marche), qu’il y ait usure ou non. On évite la panne, mais on change parfois des pièces encore bonnes.
• la prédictive (ou conditionnelle) : on surveille l’état réel et on n’intervient qu’au moment où la dégradation l’exige.

La prédictive vise le point optimal : ni trop tôt (gaspillage), ni trop tard (panne).

Le principe de la prédictive

L’idée est simple : une machine annonce sa panne avant de tomber. Un roulement qui s’use vibre différemment ; un moteur qui force chauffe ; un palier mal lubrifié émet des ultrasons. En mesurant ces signaux en continu et en suivant leur évolution, on détecte la dérive et on estime le temps restant avant la défaillance. On planifie alors l’intervention au bon moment, pièces et équipe prêtes.

Les signaux qui annoncent la panne

Les grandeurs surveillées dépendent de la machine : vibrations (le grand classique des machines tournantes), température, courant électrique, analyse d’huile, émissions acoustiques. La donnée brute remonte du terrain (voir « la donnée industrielle ») ; on la compare à une signature saine, et tout écart durable devient une alerte. C’est ici que le machine learning apporte de la valeur : il apprend la « normalité » d’une machine et repère des combinaisons de signaux qu’un seuil simple manquerait.

La disponibilité, l’objectif chiffré

Tout cela vise un seul indicateur : la disponibilité, qui relie le temps moyen entre pannes (MTBF) et le temps moyen de réparation (MTTR) :

$A = \frac{\mathrm{MTBF}}{\mathrm{MTBF} + \mathrm{MTTR}}$

Une machine au MTBF de 2 000 h et au MTTR de 8 h affiche $A = 2000/2008 \approx 99{,}6\,\%$. La prédictive agit sur les deux leviers : elle allonge le MTBF (on intervient avant la casse) et réduit le MTTR (on prépare l’intervention, pièces et équipe prêtes).

Ce qu’il faut pour la mettre en place

La prédictive n’est pas qu’un algorithme. Elle suppose : des capteurs fiables et bien posés, un historique de données propre, une connaissance des modes de défaillance — souvent issue d’une analyse FMECA (l’AMDEC en français) — et un outil pour déclencher et tracer les interventions, le GMAO / CMMS. Sans ce socle, le modèle prédit dans le vide. C’est l’esprit de la norme de gestion d’actifs ISO 55000 : décider en fonction du risque et de la valeur, pas de l’habitude.

Quand elle vaut le coup — et quand non

Instrumenter et analyser coûte cher. On réserve donc la prédictive aux équipements critiques : ceux dont la panne arrête la production, met en jeu la sécurité, ou dont la réparation est longue. Pour une machine redondée, bon marché ou sans conséquence à l’arrêt, la corrective ou la préventive suffisent. Le bon réflexe : raisonner par la criticité, en s’appuyant sur des indicateurs comme le MTBF (temps moyen entre pannes) et le MTTR (temps moyen de réparation), pour ne prédire que là où ça rapporte.