La maintenance prédictive des infrastructures hydrauliques : un nouveau créneau prometteur au Maroc

Achraf Tounsi

Achraf Tounsi, Ingénieur des Arts et Métiers de Paris et Directeur Général de MACOBATE

 

 

 

À travers son programme prioritaire d’approvisionnement en eau 2020-2027, récemment lancé par Sa Majesté le Roi Mohammed VI, le Maroc ambitionne de renforcer et de diversifier les ressources d’approvisionnement, d’accompagner la hausse de la demande, de garantir la sécurité hydrique du Royaume et de lutter contre les effets des changements climatiques.

Ainsi, plusieurs chantiers de grands barrages et leurs équipements sont lancés par le Royaume du Maroc, dont le Ministère de l’Équipement du Transport, de la Logistique et de l’Eau assure l’exécution.

Une question se pose alors : qu’en est-il du challenge de la maintenance de ces ouvrages une fois achevés ? Quels rôles peuvent jouer les nouvelles technologies telles que la maintenance prédictive et surtout qu’en est-il de cette nouvelle opportunité qui s’offre aux entreprises marocaines et étrangères ?

Qu’est-ce que la maintenance prédictive ?

Si vous utilisez une voiture moderne, la notion de maintenance prédictive ne vous sera certainement pas étrangère. Aujourd’hui, tous les véhicules sont équipés d’une centaine de capteurs qui analysent en permanence leurs performances et anticipent les pannes avant qu’elles ne surviennent.

Ces nouveaux dispositifs sont applicables à d’autres équipements pour des domaines variés, tels que les grandes installations industrielles, énergétiques ou encore les équipements des barrages. L’anticipation d’une panne permet une meilleure planification des opérations d’entretien ou des réparations afin d’éviter des dégâts en chaîne, une suspension de production ou encore un coincement d’une vanne dans le cas d’un barrage, par exemple. C’est ainsi un bon moyen de réduire les frais liés aux opérations de maintenance, mais aussi de diminuer l’impact sur la productivité. Enfin, il ne sera plus nécessaire de planifier à l’avance des créneaux d’interruption de l’activité dans l’éventualité d’une inspection d’entretien, ce qui se traduit également par des gains de rendement.

La maintenance prédictive, un cran plus loin que la maintenance préventive

La maintenance préventive est la planification d’actes d’entretien des équipements, en se basant sur le délai moyen prévu avant l’arrivée d’une panne. C’est l’équivalent des révisions récurrentes réalisées sur nos véhicules à un kilométrage donné. Sachant que l’on ne surveille pas en permanence le matériel, l’entretien est le seul moyen d’éviter une défaillance, à condition qu’il soit correctement effectué.

La maintenance prédictive est une forme d’entretien du matériel nettement plus sophistiquée. Elle consiste à surveiller en continu les performances d’un système ou équipement, afin de détecter tout signe de défaillance éventuelle. Cette stratégie permet d’avoir une plus grande maîtrise du fonctionnement général.

Comment ça marche ?

Quels que soient l’infrastructure, les équipements de barrages ou autres, la maintenance prédictive nécessite de collecter régulièrement les données obtenues par les capteurs du matériel afin de définir ce qui sera considéré comme des « comportements normaux ». Les données sont ensuite analysées et modélisées pour rechercher les comportements qui sont des signes avant-coureurs d’une panne.

L’approche de la maintenance prédictive peut se résumer en trois points :

1. Collecter les données à l’aide de capteurs
Il existe de nombreux types de capteurs industriels sur le marché, adaptés aux différents matériels. La plupart des équipements modernes en sont équipés en usine. Pour commencer, il est nécessaire de récupérer la totalité des données obtenues par ces capteurs et les centraliser en un lieu propice à leur analyse. Dans le cadre de ce processus de collecte, il est essentiel d’avoir testé au préalable la connectivité de bout en bout entre le capteur et le serveur backend. Il s’agit là d’une étape très importante puisque la fiabilité de cette connexion déterminera le niveau de confiance à accorder aux prédictions du système concernant l’état du matériel.

2. Modéliser les schémas de panne
Il s’agit précisément du cerveau du système de maintenance prédictive, là où chaque événement entrant est analysé afin de repérer les marqueurs d’une défaillance. En se basant sur l’historique des pannes, il est possible d’utiliser des algorithmes pour créer des schémas de panne.

Un grand nombre d’entre eux sont liés à plusieurs événements indépendants qui annoncent des défaillances imminentes. Un schéma de panne résulte souvent de la combinaison de plusieurs facteurs difficiles à visualiser et à repérer seulement avec une inspection humaine. Mais, parfois, un seul événement peut signaler l’imminence d’une panne, ce qui nécessite aussi de mettre en place des modèles de détection des anomalies afin d’émettre une alerte dès qu’un tel événement survient.

3. Apprentissage automatique

Des technologies d’apprentissage automatique (ou machine learning) sont particulièrement pertinentes pour que les algorithmes « apprennent » à reconnaître les nouveaux événements et défaillances lorsqu’ils surviennent. Cette étape permet de ne pas se limiter aux seuls schémas d’anomalies et de défaillances connus, mais d’en ajouter de nouveaux aux systèmes de détection, au fur et à mesure de la collecte d’informations sur le matériel.

Un marché prometteur

Le Maroc dispose actuellement de 140 barrages et 58 autres sont en phase finale de construction. De plus, le Maroc mobilise environ 115,4 milliards de dirhams pour le programme 2020 -2027 d’approvisionnement en eau potable et d’irrigation, dont 61 milliards seront alloués à la construction à l’équipement des barrages. Il s’agit là d’un secteur porteur en pleine évolution où l’exploitation et la maintenance prendront une part importante.

« Quelle que soit l’infrastructure, la maintenance prédictive nécessite de collecter régulièrement les données obtenues par des capteurs. »

Si les acteurs de la maintenance traditionnelle ne portent pas de façon convaincante cette offre de maintenance prédictive, les donneurs d’ordres se tourneront vers les nouveaux acteurs du marché. La compétition devrait donc certainement s’intensifier et les nouveaux entrants porteurs de solutions de maintenance prédictive viendront d’horizons variés.

À l’international, en plus des opérateurs télécoms ayant parié sur l’Internet des objets, s’ajoutent les acteurs de l’industrie, tels que Dassault Systèmes, General Electric, PTC, Siemens, EDF, Alstom… qui détiennent une ou plusieurs briques logicielles de l’informatique du secteur industriel. Ils voient en l’intelligence par la donnée le marché de demain et sont bien décidés à ne pas se laisser distancer sur créneau prometteur.

Les startups sont également extrêmement actives dans ce domaine et nombre de jeunes pousses exploitent ce nouveau marché de la maintenance prédictive. Enfin, la formation jouera assurément un rôle déterminant d’abord pour acquérir de nouvelles compétences, ensuite pour les développer et, finalement, pour les maintenir à un niveau adéquat face aux évolutions technologiques, aux exigences légales et réglementaires.

 

Articles à la une