PrimaVera construit un banc d'essai pour la génération de données

Le projet quinquennal se concentre sur le secteur maritime, l'infrastructure et la production high-tech

PrimaVera est un partenariat entre un grand nombre d'entreprises, d'instituts de recherche et d'établissements d'enseignement. Pendant cinq ans, ce groupe de projet s'efforcera de rendre la maintenance prévisible accessible (de préférence) à l'ensemble de l'industrie. L'une des initiatives prises à cette fin concerne le développement et la construction d'un banc d'essai. Les roulements y sont décomposés de différentes manières et dans différentes conditions. On obtient ainsi d'importantes données sur les défaillances, qui peuvent être utilisées afin d'écrire les algorithmes nécessaires pour prévoir l'entretien des roulements de la manière la plus fiable possible.

PrimaVera est l'abréviation de Predictive Maintenance for Very effective Asset management (maintenance prédictive pour une gestion des actifs hautement efficace). Ce projet, financé par l'Organisation néerlandaise pour la recherche scientifique (NWO), est donc utile à la quasi-totalité de l'industrie. En effet, prévoir la maintenance signifie réduire les coûts et maximiser la fiabilité, la disponibilité, la sécurité et la rentabilité des systèmes (hig-htech).

Triptyque

Afin d'apporter une contribution concrète à l'industrie, le projet national PrimaVera (voir également l'encadré) se concentre sur plusieurs thèmes. Tout d'abord, il s'agit de développer des modèles et des algorithmes qui donnent des indications sur le cycle de vie d'un actif.

En outre, et c'est peut-être le plus important, PrimaVera veut rendre ces modèles accessibles à tous. La maintenance prédictive devrait sortir du domaine scientifique et être accessible à toutes les entreprises. Même pour celles qui disposent d'un budget plus modeste et de moins de connaissances en interne. "Elle peut sauver les Pays-Bas en tant qu'entreprise", peut-on lire sur le site web. Enfin, une composante pratique consiste à mettre l'accent sur les capteurs. En effet, ce sont les composants techniques qui sont responsables au final de la collecte des 'big data' nécessaires.

Beaucoup d'entreprises ont des problèmes mais pas de données

Eric van Genuchten est fondateur et propriétaire de Sensing360 et a été étroitement impliqué dans PrimaVera au cours de l'année écoulée. Il commente: "En fait, c'est très simple: la maintenance coûte cher, mais les pannes et les défaillances des machines et des installations coûtent encore plus cher. C'est pourquoi il est important que la maintenance occupe une place prépondérante dans toutes les organisations travaillant avec des actifs techniques. Qu'il s'agisse d'un pont ou d'une écluse de la Gestion des eaux d'Etat, d'une frégate de la force aérienne, d'une pompe centrifuge dans l'industrie de transformation ou d'une machine dans l'industrie manufacturière fabriquant des produits ultraprécis pour les semi-conducteurs."

Organisations et personnes participantes
Le projet de recherche PrimaVera fait partie de la recherche sur routes par consortium (ORC). Ce projet de cinq ans est dirigé par le professeur Mariëlle Stoelinga de la faculté Electrical Engineering, Mathematics & Computer Science de l'université de Twente. Il est structuré en six modules techniques et deux modules relatifs à la diffusion et à la gestion. La communication et la commande à l'échelle de la chaîne sont considérées comme des éléments cruciaux de ce projet.

Le consortium se compose de 13 partenaires: six partenaires universitaires et dix partenaires industriels ou sociaux. Ces partenaires sont les suivants TU Eindhoven (Human Performance Management, Operations Planning Accounting & Control, Stochastics), Radboud Universiteit (Data Science, Software Science), Saxion, Haagse Hogeschool et le Centre aérospatial royal néerlandais (NLR). Les entreprises impliquées sont Rijkswaterstaat, Damen Naval, Technobis, Marine, NS, ASML, Royal IHC, Rolsch Asset management, Waterschap De Dommel, ORTEC Consulting Group et Alfa Laval. Dix doctorants et deux postdocs sont associés à PrimaVera.

Données

Selon le groupe de projet, le manque de données pertinentes constitue un obstacle majeur à l'application à grande échelle de la maintenance prédictive basée sur le big data, les algorithmes et éventuellement l'intelligence artificielle. Les données sont nécessaires pour développer et valider les algorithmes et sont donc cruciales pour prendre des mesures à l'échelle de l'industrie en matière de maintenance prédictive.

Mais le manque de données n'est-il pas en contradiction avec les nombreux articles écrits l'année dernière indiquant que les entreprises génèrent beaucoup de données et n'ont aucune idée de ce qu'il faut en faire?

Eric van Genuchten: "Il y a en effet suffisamment d'entreprises qui ont commencé à collecter des données, mais la pratique montre que ce n'est finalement pas suffisant. En effet, la plupart des données proviennent de machines qui fonctionnent bien et ne permettent donc pas de tirer des enseignements sur le comportement en cas de défaillance. Et lorsque les choses tournent mal, les données ne sont pas partagées ou classées comme telles, ce qui les rend indisponibles pour l'analyse ou le développement d'algorithmes et de modèles."

Pour progresser dans le domaine de la maintenance prédictive, il est donc nécessaire de disposer de données sur les défaillances. Par exemple, l'évolution du spectre vibratoire d'un roulement depuis le tout premier signal d'usure jusqu'au moment de la défaillance effective. Ces spectres devraient être disponibles pour les roulements les plus courants dans toutes les conditions possibles et sous l'influence des facteurs les plus courants.

Eric van Genuchten: "Si l'on pouvait constituer une telle base de données, on disposerait d'un formidable matériel de référence pour tous les roulements de l'industrie. Ensuite, on devrait 'juste' comparer les spectres vibratoires que l'on mesure dans son application via un algorithme avec les spectres disponibles dans la base de données. Le résultat serait une indication fiable de la durée de vie restante d'un roulement à ce moment-là."

Banc d'essai

Raison de plus pour axer l'un des sous-projets de PrimaVera sur la production de ces données indispensables. Pour ce faire, PrimaVera travaille en étroite collaboration avec le lectorat Smart Sensor Systems de la Haute Ecole de La Haye. Les étudiants ont ainsi été chargés de générer des données de défaillance qui peuvent être utilisées pour établir des modèles fiables dans le contexte de la maintenance prédictive.

Le chef de projet de la Haute Ecole de La Haye est Sam Aerts (associate lector Smart Sensor Systems); il déclare: "À cette fin, les étudiants de MBO et de HBO ont déjà commencé à construire un premier banc d'essai. Il s'agit d'une sorte d'entraînement avec lequel nous détruisons littéralement des roulements à un rythme accéléré en choisissant d'une part les bons roulements et d'autre part les roulements présentant un défaut. Des roulements usés, par exemple, mal montés ou mal alignés, etc."

"Ensuite, nous faisons tourner ces roulements et recueillons les spectres vibratoires correspondants ainsi que d'autres données. Nous recueillons ainsi les données souhaitées qui indiquent avec précision à quoi ressemble le spectre d'un roulement présentant l'un des défauts susmentionnés. Ce n'est pas une mince affaire, car il s'agit non seulement de différents roulements, mais aussi de différents défauts et de différentes conditions. Ces dernières peuvent varier, par exemple, en fonction de la température, de la vitesse du moteur, du déséquilibre et, éventuellement, des vibrations externes."

Sur ce premier banc d'essai, on a installé des capteurs de vibrations à trois axes. En outre, des capteurs acoustiques seront bientôt placés autour de l'installation. Des cellules de charge ont été installées pour mesurer les forces. Sam Aerts: "En fin de compte, ce premier banc d'essai s'est avéré être principalement un prototype avec lequel nous avons certes généré des données, mais où nous avons également dû conclure que certains choix de conception ne produisaient pas tout à fait les résultats escomptés."

Le premier banc d'essai était un prototype; le second va permettre d'effectuer des essais plus longs avec des données de défaillance 'propres'

"Cela signifie que nous ne pouvons pas effectuer de longues séries et que nous devons constamment corriger ou ajuster des petites choses entre les tests. C'est un processus qui demande beaucoup de travail. Nous avons donc décidé de concevoir et de construire un deuxième banc d'essai pour créer plus rapidement de plus grandes quantités de données de défaillance 'propres' et annotées. Ce processus est actuellement en cours et je prévois que les premiers ensembles de données seront générés sur le nouveau banc d'essai dès cette année scolaire."

Eric van Genuchten ajoute: "Le projet dure officiellement jusqu'au 1er septembre 2025, mais je ne pense pas que le banc d'essai sera mis hors service à cette date-là. Ce dispositif est trop beau pour ne pas être repris par de nouveaux stagiaires ou diplômés, chacun apportant une nouvelle pièce du puzzle. Au final, cela nous permettra de mettre à la disposition du public le plus grand nombre possible de données."

"En fin de compte, nous devons également rédiger une sorte de 'manuel' qui pourra être utilisé par toutes les parties qui souhaitent s'engager dans la maintenance prédictive. Et de préférence par les parties qui choisissent la maintenance prédictive parce qu'elles savent qu'elle contribue à la disponibilité, à la sécurité et à l'efficacité d'un actif. Et non pas parce que les assurances ou les législateurs l'exigent, ou parce qu'un accident récent les oblige à aborder la maintenance différemment."

Pour plus d'informations: primavera-project.com.