A l'heure où la smart industrie commence à émerger avec pour objectif d'introduire les technologies de l'information et de l'Internet dans les process industriels afin de produire mieux et plus efficacement, les besoins en outils de maintenance prédictive performants vont se faire de plus en plus pressants afin de prévenir au plus tôt les défaillances potentielles des machines et équipements.
Prévoir des pannes des semaines à l'avance
General Electric Intelligent Platforms, fournisseur de logiciels d'automatisation, a dévoilé il y a quelques mois une nouvelle version de la suite Proficy Monitoring & Analysis Suite (PMAS) qui rassemble des outils performants d'analyse et de suivi des applications de bout en bout. Ce logiciel exploite les possibilités offertes par l'Internet industriel qui permet, à travers un nombre toujours croissant de machines connectées, de collecter massivement des données et de les analyser pour optimiser le fonctionnement des équipements en temps réel et même, point majeur de cette nouvelle version, de prévoir les défaillances des semaines à l'avance.
Pour assurer ces fonctions, la suite PMAS s'appuie principalement sur les logiciels Proficy Historian et Proficy Smart Signal. Le Proficy Historian constitue le Big Data avec les données des machines connectées, qu'il organise, stocke ou visualise de façon performante selon les besoins de l'application. On retiendra par exemple le coût réduit du stockage dans le cloud, autorisé par des algorithmes de compression intégrés, ainsi qu'un niveau élevé de disponibilité des données, obtenu par des mécanismes de redondance et de mise en cache, particulièrement intéressants pour des traitements en parallèle des mêmes informations.
Le logiciel breveté Proficy Smart Signal effectue des analyses pointues des informations du Big Data, pour détecter au plus tôt les signes de défaillance d'un équipement ou d'un processus.
Second pilier de la suite PMAS mais pas le moindre, le logiciel breveté Proficy Smart Signal effectue des analyses pointues des informations du Big Data, pour détecter au plus tôt les signes de défaillance d'un équipement ou d'un processus. Intervenir des semaines, voire des mois avant l'apparition d'une panne, permet d'en limiter la gravité, de simplifier la maintenance et de garantir un niveau de disponibilité optimal des outils de production, autant de sources d'économie pour l'industriel.
