La Défense et l'Université de Twente collectent des données pour une 'maintenance intelligente'

sur les navires de la marine royale, entre autres

La 'maintenance intelligente' est un thème abordé par un nombre croissant d'entreprises afin de réduire les coûts de maintenance et d'augmenter la disponibilité et la fiabilité des actifs. La science est également sur le coup et collabore régulièrement avec les entreprises et même les utilisateurs finaux. Cela fait un certain temps que l'université de Twente, entre autres, mène des recherches en collaboration avec l'Académie de défense néerlandaise (NLDA) pour divers projets de la Marine royale néerlandaise. Cette année, il a été décidé d'étendre considérablement cette collaboration.

Depuis des années, la Marine royale néerlandaise met en place une maintenance intelligente pour les différents navires et autres équipements que cette partie des forces armées néerlandaises utilise lors d'exercices et d'expéditions. Elle est très avancée dans ce domaine. Surtout parce qu'elle collabore délibérément avec les entreprises et les instituts de recherche. À cet égard, les différentes parties ont la chance de travailler avec le professeur Tiedo Tinga, qui enseigne à la fois à l'université de Twente et à l'Académie de défense néerlandaise. 

Il indique: "À Twente, nous étudions depuis un certain temps déjà les différents aspects de la maintenance intelligente, en nous concentrant dans un premier temps sur des objets civils. La collaboration avec la Marine royale néerlandaise, en particulier, a permis d'étendre la recherche aux possibilités de maintenance intelligente dans le domaine de la navigation. Les connaissances acquises seront, bien entendu, également utilisées pour la navigation civile."

La maintenance dans la marine royale

La maintenance intelligente au sein de la Marine royale a plusieurs objectifs. Il s'agit notamment de l'entretien des différentes frégates, mais aussi de tous les autres navires plus petits qui sont déployés. L'entretien programmé le plus important a lieu environ à la moitié de la durée de vie du navire (après 12–13 ans). En outre, tous les 3 ou 4 ans, un 'entretien désigné' est effectué. Pour ce faire, tout ce qui doit être traité ultérieurement à terre est répertorié de manière structurelle dans les mois qui précèdent.

Une utilisation variable dans des conditions variables

Tiedo Tinga: "Quand on voit le nombre de systèmes à bord et leur fonction, on peut imaginer que beaucoup d'entre eux sont vraiment critiques. Leur panne ou leur défaillance n'est pas seulement indésirable mais, dans de nombreux cas, inacceptable. Cela dit, il ne faut pas oublier que les navires ne peuvent pas être entretenus partout. Certaines activités de maintenance peuvent être effectuées en mer, mais d'autres ne peuvent l'être qu'au port, et ce n'est pas forcément  possible au moment où on le souhaite. Surtout quand on ne peut pas se rendre dans son propre port."

Les entreprises qui s'engagent activement peuvent jouer un rôle important dans la recherche scientifique

Il poursuit: "En outre, les navires sont des systèmes complexes composés d'un grand nombre de pièces et de sous-systèmes différents, si bien qu'il est difficile de faire de bonnes prévisions. Auparavant, les choix en matière d'entretien étaient donc principalement fondés sur l'expérience ou sur les intervalles fixes conseillés par le fournisseur. Cependant, l'utilisation des systèmes est variable et se fait dans des conditions changeantes, ce qui est très différent d'une machine dans un hall d'usine qui fonctionne un nombre d'heures prévisible dans des conditions à peu près égales. Les mécanismes de dégradation fonctionnent donc aussi différemment et sont donc plus difficiles à saisir dans un modèle mathématique permettant de prévoir la maintenance."

Autant de raisons pour la Marine de mettre l'accent sur la maintenance intelligente, surtout ici. Tiedo Tinga: "Nous le faisons notamment en développant de nouvelles méthodes et en convertissant les données en informations utilisables qui devraient permettre de prédire les futures défaillances des navires. Pour ce faire, nous mettons actuellement l'accent sur la collecte automatisée de données, car sans données de qualité, l'analyse n'a pas de sens."

Académie de défense néerlandaise (NLDA)
L'Académie de défense néerlandaise forme le personnel militaire néerlandais à devenir des officiers qui, grâce à leur formation et à leur entraînement, sont capables de diriger dans des zones de mission à l'étranger. Un officier moderne est à la fois un leader, un gestionnaire et un diplomate. Il doit en outre posséder des compétences sociales et de communication et être capable de bien analyser afin de se forger rapidement une opinion et de prendre une décision.
Les formations accréditées (reconnues par les autorités civiles) de la NLDA diffèrent donc de l'enseignement académique normal car elles se concentrent entièrement sur la Défense et la pratique militaire (maritime). Pour garantir un enseignement de niveau académique, la NLDA mène également un bon nombre de programmes de recherche scientifique, notamment dans le domaine de la maintenance intelligente (Smart Maintenance). L'institut de formation est réparti entre les antennes de Den Helder (Marine) et de Breda (Armée de terre, Armée de l'air et police militaire).

Financement

Afin de mettre en place une maintenance prédictive et intelligente directement à la base, la Marine royale néerlandaise a entamé une collaboration avec l'Université de Twente il y a trois ans. Grâce au financement de la NWO, les résultats de la recherche scientifique peuvent être traduits en applications pratiques. Des fonds ont également été débloqués par l'European Defense Fund (qui fait partie de la politique de sécurité et de défense commune de l'Union européenne).

Tiedo Tinga: "Cet argent a été utilisé pour mettre en place différents projets axés sur la collecte de données et le développement de modèles qui, combinés à l'intelligence artificielle, sont capables de prédire de manière fiable le comportement de défaillance de systèmes et d'objets. Lorsqu'on en est là, on évite les pannes parce qu'on les 'voit' venir à l'avance. Il est ainsi possible d'éliminer en grande partie le travail lié à la détection, au suivi et à la résolution des défaillances. Cela permet de gagner beaucoup de temps et (donc) d'économiser des coûts et d'accroître la fiabilité et l'employabilité de l'équipement. Nous pouvons ainsi baser la planification de la maintenance de la flotte sur des données plutôt que sur l'expérience ou le ressenti."

Collaboration  

La collaboration avec l'Université de Twente et les entreprises (allant de grands constructeurs navals à des fournisseurs de capteurs) a donné de si bons résultats ces dernières années qu'il y avait toutes les raisons de poursuivre et surtout d'étendre la collaboration. L'accord a été officiellement conclu au début de cette année et pose les bases de nouvelles recherches, notamment sur la collecte de données utiles.

Collaborer parce que la maintenance concerne l'ensemble de la chaîne

Tiedo Tinga: "Nous sommes déjà très avancés sur le plan scientifique, mais aussi sur le plan pratique, avec les connaissances nécessaires pour convertir les données en modèles et en algorithmes. Le principal défi consiste maintenant à collecter les données nécessaires pour affiner et appliquer ces algorithmes. Et ce n'est pas une mince affaire. En effet, les données dont on a besoin sont celles que l'on appelle les 'données de défaillance'. Toutefois, en raison de l'entretien 'excessif' dont elles font l'objet, les usines et les machines fonctionnent généralement comme elles le devraient et ne fournissent pas de données sur les défaillances. Nous répondons à ce besoin avec des projets tels que Prima Vera et la collaboration avec Techport, entre autres, où nous pouvons encore générer des données de défaillance avec des expériences de dégradation ciblées."

Projets

La collaboration confirmée et étendue implique désormais cinq projets de recherche différents:

• European Digital Naval Foundation (EDINAF)
• Digital ship sTructural Health mOnitoRing (dTHOR)
• AmmoniaDrive
• Ship Life Cycle Management (SILICA)
• DTP Data-Driven Smart Maintenance

EDINAF

Le projet EDINAF (European Digital Naval Foundation), financé par EDF2021, vise spécifiquement à créer un nuage opérationnel collaboratif pour la marine. Il travaille donc sur une infrastructure informatique et des normes d'interface de données associées (edge et cloud computing), l'un de ses objectifs étant de soutenir les futurs systèmes de maintenance intelligente des navires. En outre, il devrait rassembler la chaîne d'approvisionnement européenne pour développer une norme commune applicable à la fabrication d'équipements et aux futures opérations navales.

Digital ship sTructural Health mOnitoRing (dTHOR)

Egalement financé par l'EDF, le projet dTHOR se concentre sur le développement d'un système prédictif de Ship Structural Health Monitoring. Le projet, auquel participent 35 partenaires de onze pays, a démarré au début du mois de mai de cette année et durera trois ans. Un jumeau numérique est notamment développé dans le cadre de ce projet, sur la base des données des capteurs.

Tiedo Tinga: "L'un des thèmes de cette recherche est la corrosion, un mécanisme de défaillance important dans la construction navale, qui se produit notamment lorsqu'un revêtement protecteur est endommagé. Ce mécanisme de défaillance est également dangereux car il n'est pas toujours visible lorsqu'il s'installe sous le revêtement et affecte le navire sans que l'on s'en rende compte. Les différents revêtements vieillissent dans des conditions différentes, et aussi de différentes manières, si bien qu'il est difficile de faire de bonnes prédictions à l'heure actuelle."

"Avec des capteurs et des mesures spécifiques, nous voulons être capables de détecter ce comportement de corrosion le plus tôt possible, ce qui nous permettra de l'arrêter immédiatement. D'ailleurs, cela ne concerne pas seulement la coque du navire, mais aussi, par exemple, la citerne de ballast, à l'intérieur de laquelle il faut normalement pénétrer pour effectuer une inspection de maintenance. Ce serait formidable si les mesures des capteurs pouvaient éliminer ce type de travaux de maintenance complexes et risqués."

AmmoniaDrive

Le projet AmmoniaDrive étudie l'utilisation de l'ammoniac comme alternative à l'utilisation de combustibles fossiles dans le transport maritime, tels que le diesel et le gaz naturel. Pour ce type de nouvelles installations, y compris les piles à combustible, le comportement de dégradation est encore inconnu. Ce projet permet d'acquérir des connaissances à ce sujet et de développer des modèles de prédiction.

Ship Life Cycle Management (SILICA)

SILICA étudie la gestion du cycle de vie des navires. Tiedo Tinga: "Nous travaillons avec des partenaires tels que l'université technologique de Delft et l'université de Tilburg, mais aussi avec divers constructeurs navals et fournisseurs tout au long de la chaîne du cycle de vie des navires. C'est un véritable défi pour nous, en tant qu'université, car souvent, les entreprises ne sont pas habituées à tous les aspects de la recherche scientifique. Mais si les parties adoptent une approche active, nous devrions finalement être en mesure de traduire les connaissances acquises dans le cadre de cette recherche en systèmes pratiques présentant un intérêt pour l'ensemble de l'industrie."

Data-Driven Smart Maintenance

Enfin, le thème de la maintenance pure et simple: la maintenance pilotée par les données. C'est ici que la question du manque de données suffisantes sur les défaillances se pose avec le plus d'acuité. C'est pourquoi ce projet se concentre en grande partie sur les données des capteurs. D'une part, les données qui sont collectées de toute façon à diverses fins et, d'autre part, les données générées par les capteurs et spécifiquement destinées à la maintenance prédictive.

Sans données de qualité, l'analyse n'a pas de sens

Tiedo Tinga: "Souvent, les données sont disponibles, mais leur qualité est insuffisante ou elles sont tout simplement trop peu nombreuses. L'idéal est bien sûr de disposer de données issues de la pratique, mais comme elles ne sont pas toujours disponibles, nous essayons également de générer des données sur des installations de test où nous laissons délibérément des pièces – des roulements, par exemple – tomber en panne. D'un autre côté, on peut également utiliser une grande partie du premier groupe de données. Par exemple, des données indiquant la fréquence et l'intensité de l'utilisation d'un actif. Si ce n'est le cas que 10% du temps, par exemple, on peut adapter le plan de maintenance en conséquence. C'est vraiment ce que l'on appelle les 'opportunités à portée de main'. 

L'avenir

Tiedo Tinga se projette dans les années à venir. "La maintenance intelligente gagne vraiment du terrain: plusieurs parties sont désormais convaincues de son utilité et désireuses de contribuer au développement de ce domaine. Je ne pense pas qu'il soit nécessaire d'expliquer aujourd'hui à quel point cela est judicieux pour la Défense."