L'importance des données dans la maintenance des pompes ne cesse de croître
De l'inspection visuelle à la surveillance intelligente
En tant que machines tournantes, les pompes nécessitent une maintenance régulière. Alors que celle-ci était autrefois principalement dictée par la mécanique et basée sur le nombre d'heures de fonctionnement, elle est aujourd'hui de plus en plus réalisée sur la base de données. Il s'agit donc d'une maintenance conditionnelle, axée sur les risques ou, mieux encore, prédictive. Les données peuvent provenir de capteurs installés sur la pompe elle-même, mais elles sont aussi de plus en plus souvent issues, par exemple, du moteur électrique ou du variateur de vitesse associé. L'un des pièges consiste à réagir aveuglément aux 'données de défaillance', sans réfléchir à la cause sous-jacente.
Les pompes se déclinent en une grande variété de modèles, qui nécessitent tous leur propre maintenance. Dans cet article, nous nous limiterons aux pompes centrifuges, très largement utilisées, notamment dans le traitement de l'eau, l'industrie de procédés et l'industrie agroalimentaire.
Évolutions dans la maintenance des pompes
Les pompes centrifuges faisant partie des machines tournantes, certains composants spécifiques s'usent avec le temps. La maintenance traditionnelle se concentre donc en premier lieu sur l'inspection visuelle des pièces rotatives et des autres composants sujets à l'usure, tels que les garnitures et les roulements. Les fuites, la corrosion, les dommages ainsi que les bruits anormaux constituent autant de motifs pour réviser ou réparer la pompe.
De plus, des capteurs sont également déployés depuis longtemps déjà pour effectuer des mesures sur la pompe. Les capteurs de vibrations, entre autres, peuvent fournir des informations précieuses concernant par exemple un balourd, de l'usure, des défauts d'alignement, de la cavitation ou des problèmes de roulements. En interprétant correctement les spectres vibratoires – ce qui requiert les connaissances et l'expérience nécessaires –, il est possible de détecter les problèmes en question dès un stade précoce. Cela permet de planifier la maintenance à temps et de prévenir les pannes réelles, telles que l'arrêt d'une pompe et les coûts associés.
Spécifiquement pour les pompes, le déploiement de capteurs offre des avantages majeurs dès lors que ceux-ci sont lisibles à distance. D'une part, un spécialiste de la maintenance peut ainsi surveiller simultanément un grand nombre de pompes depuis un site central – que ce soit sur sa propre usine ou éventuellement ailleurs dans le monde. Par conséquent, moins de spécialistes sont requis pour maintenir ces pompes, en particulier lorsque ce site central permet également de modifier les paramètres et de résoudre les pannes. D'autre part, les pompes se trouvent de toute façon fréquemment dans des endroits difficilement accessibles pour les techniciens. C'est le cas des nombreuses pompes utilisées dans le génie des procédés ou sur les plateformes offshore. Lorsque les capteurs n'indiquent aucun motif d'intervention sur une telle pompe, cela représente également une optimisation des coûts de maintenance.
De même, des mesures effectuées sur des équipements couplés peuvent fournir des informations sur le fonctionnement ou l'état de la pomp. C'est le cas, par exemple, du moteur électrique qui entraîne la pompe et de l'éventuel variateur de vitesse associé. Ces deux équipements génèrent des données qui peuvent être lues, analysées et exploitées pour aider à déterminer l'état de la pompe. L'encadré présente un exemple de méthode de surveillance sans capteur des pompes, basée sur des mesures de courant et de tension.
Surveiller les pompes depuis l’armoire électrique
De nombreuses pompes sont difficiles à inspecter. Elles sont immergées dans une fosse humide, situées au fond d'un forage ou installées dans une zone dont l'accès est réglementé. Pourtant, il est possible de surveiller leur état sans s'approcher de la pompe elle-même, en mesurant l'alimentation du moteur dans l'armoire électrique. En effet, le moteur d'une pompe réagit à ce qui se passe au sein de celle-ci. Si la charge varie, qu’un problème mécanique ou électrique survient ou que l'aspiration s'obstrue, cela produit généralement un spectre reconnaissable dans le signal électrique. Un logiciel spécialisé analyse ce spectre par analyse de la signature électrique (ESA).
Au Royaume-Uni, un tel système (SAM4) surveille actuellement plus de 5.300 moteurs qui entraînent principalement des pompes chez des distributeurs d'eau. Au cours de l'année écoulée, le système a détecté plus de mille anomalies.
Comme toute méthode, l’ESA a ses limites, ce qui signifie que les défaillances ne sont pas toutes visibles dans le signal électrique. À cet égard, le spectre dépend également de la pompe elle-même, du moteur utilisé, de l'ensemble de la transmission, des conditions de fonctionnement et, bien entendu, du type de panne. C'est pourquoi l'association de l'ESA avec d'autres technologies, telles que les mesures de vibrations, de température, de débit ou de pression, constitue une alliance parfaite.
Possibilités et pièges de l’IA
Les prochaines innovations majeures résident dans l'utilisation de l'IA (intelligence artificielle). Dans ce cadre, des modèles d'IA tirent des conclusions sur la base d'un ensemble de données (de mesure), ce qui permet notamment de prédire les besoins de maintenance. Bien qu'il s'agisse de développements prometteurs, les entreprises mettent en garde contre la tendance à considérer l'IA comme le 'Saint Graal'. En effet, un modèle d'IA performant repose sur un volume massif de données, qui doivent en outre être de bonne qualité. Cette dernière condition préalable revêt d'ailleurs plusieurs facettes.
Des données de haute qualité ne sont générées que si les bons capteurs mesurent les bons paramètres au bon endroit. Le transfert de ces données vers un site central – une infrastructure cloud, par exemple – requiert ensuite une architecture de communication de données appropriée, qui doit être non seulement fiable, mais aussi cybersécurisée. Enfin, un algorithme fiable est nécessaire pour tirer les conclusions correctes. À cet égard, le système apprend dans un premier temps ce qui correspond à un fonctionnement 'normal', avant de pouvoir identifier les anomalies.
De nombreuses recherches restent nécessaires à cet égard et sont d'ailleurs menées à différents niveaux (voir également l'encadré). En parallèle, des projets de tailles diverses sont lancés sur le terrain pour tester concrètement l'IA et la maintenance prédictive. Les inspections périodiques, l'analyse vibratoire et les mesures de température sont désormais passées dans les mœurs, et l'ESA (Electrical Signature Analysis) est déjà parfaitement opérationnelle. Les étapes actuelles tendent vers une autonomie de plus en plus marquée, où des systèmes intelligents posent un diagnostic de manière autonome et – dans le cas le plus ultime – prennent des décisions de façon indépendante. Mais nous n'en sommes pas encore là.
Recherche sur la maintenance des pompes
Le secteur de l'enseignement mène également des recherches sur les opportunités offertes par le Big Data combiné à l'IA.
L'Université de Twente mène notamment des recherches visant à développer une méthode de détection précoce des défauts dans les pompes centrifuges, à l'aide d'une caméra acoustique et de connaissances basées sur la physique. La recherche est essentiellement expérimentale et recueille des données issues de deux bancs d'essai de pompes sur lesquels deux types d'anomalies sont provoqués: des dommages sur la roue et de la cavitation. Les données sont collectées au moyen d'une caméra acoustique, d'accéléromètres et d'un microphone. L'étude démontre qu'une analyse de données appropriée dans un domaine adéquat permet de distinguer les différents types de pannes.
Le programme PrimaVera ('Predictive Maintenance for Very Effective Asset management') a également clôturé récemment un projet de recherche à grande échelle dédié à la maintenance prédictive. Financée par l'NWO (Conseil néerlandais de la recherche), cette recherche associe notamment le TNO (Organisation néerlandaise pour la recherche scientifique appliquée), des universités, des hautes écoles et des partenaires industriels. L'objectif principal est de développer des modèles d'IA basés sur l'analyse de données et des capteurs, en vue d'obtenir un modèle 'parfait' de prédiction de la maintenance
Erreurs fréquentes
Une tournée auprès de diverses entreprises de maintenance offre un aperçu intéressant des erreurs commises par les utilisateurs de pompes lors de la maintenance de leurs équipements.
L’une des principales consiste à omettre de déterminer pourquoi une intervention est nécessaire, du moins lorsqu’il ne s’agit pas de pièces d’usure devant être remplacées à l’approche de leur fin de vie théorique. Cette analyse permet d’expliquer pourquoi une pompe présente une usure excessive, fuit, émet un niveau sonore anormal ou vibre. En remédiant aux causes racines, il y a de fortes chances que l’action de maintenance associée devienne superflue ou que les intervalles d’intervention s’allongent.
Ainsi, un défaut d'alignement peut entraîner une augmentation des frottements, de l’usure, des vibrations et du niveau sonore. Une lubrification incorrecte – produit inadapté, quantité insuffisante, mauvaise technique ou fréquence inappropriée – produit le même résultat. Ces deux types d’erreurs se traduisent en outre par une consommation d’énergie accrue, ce qui est proscrit dans le contexte actuel de transition durable et de coût total de possession (TCO).
La maintenance de la lubrification des machines tournantes est sans aucun doute un sujet qui mérite toute l’attention nécessaire. Lorsqu’un service technique s’investit sérieusement dans cette question, cela se traduit par une réduction de la consommation de lubrifiants, une baisse des coûts de maintenance et de logistique, ainsi qu’une fiabilité et une disponibilité accrues de la pompe. Dans de nombreux cas, la gestion technique de la lubrification peut être intégrée dans une GMAO existante, ce qui minimise le risque d’omettre des points de graissage. À cet égard, un logiciel de GMAO professionnel constitue un excellent outil pour piloter la maintenance préventive, tout en servant de source de données potentielle pour la maintenance prédictive.
Réparation, révision ou remplacement?
Lorsque la pompe atteint la fin de son cycle de vie théorique, le responsable des actifs doit déterminer s'il est encore judicieux d'effectuer des réparations ou de procéder à une révision de la pompe, ou s'il est préférable de la remplacer.
La révision s'avère avant tout un choix économiquement viable pour les systèmes qui disposent encore d'un corps mécanique solide. Il est toutefois recommandé de l'équiper à cette occasion de capteurs modernes. Le remplacement est quant à lui préconisé lorsque le matériel existant constitue un obstacle à l'intégration numérique. En effet, seuls les systèmes modernes et compatibles avec l'IA peuvent pleinement tirer parti d'une usine de données unifiée (unified data factory), un élément essentiel pour garantir la modularité future.
En résumé: l'avenir de la maintenance des pompes repose sur les données. Néanmoins, il ne faut jamais négliger de faire preuve de bon sens en continuant à observer, écouter, sentir et toucher. Non seulement la pompe elle-même, mais aussi le système et l'environnement dans lesquels elle fonctionne.
Avec la collaboration de la Haagse Hogeschool, de Samotics, de l’université de Twente et de Verder Liquids