Maintenance prédictive : ce que c'est et comment elle réduit la consommation énergétique et les arrêts des machines

Une installation tombe rarement en panne soudainement. Presque toujours, elle envoie des signaux pendant des semaines : elle vibre un peu plus, consomme quelques ampères supplémentaires, chauffe à des endroits qui restaient auparavant froids ou fonctionne plus longtemps pour obtenir le même résultat.

La maintenance prédictive regroupe les techniques qui détectent ces signaux et les transforment en interventions planifiées, au lieu d'attendre une panne ou de remplacer, selon un calendrier, des composants encore en bon état.
Un aspect est pourtant rarement évoqué, alors qu'il intéresse particulièrement les gestionnaires de bâtiments : bien avant de s'arrêter, une machine qui se dégrade commence à consommer davantage d'énergie. Cette surconsommation est payée chaque jour et passe inaperçue puisqu'elle ne provoque aucune interruption de service.

En bref :

• La maintenance prédictive intervient selon l'état réel de la machine, et non selon un calendrier ou uniquement après une panne.
• Elle nécessite la mesure continue de quelques grandeurs pertinentes, un historique et un système qui transforme les anomalies en ordres de travail.
• L'intelligence artificielle est utile lorsqu'il existe suffisamment de données historiques. Dans de nombreux cas, un seuil bien réglé permet déjà d'obtenir une grande partie des résultats.
• L'avantage le moins pris en compte concerne l'énergie : une installation dégradée consomme davantage pendant des mois avant de tomber en panne.

Ce que c'est et quelle est sa place

La terminologie de la maintenance est normalisée : la norme UNI EN 13306:2018 définit les termes généraux du secteur. En pratique, trois catégories sont distinguées.
La maintenance corrective intervient après une panne. La maintenance préventive intervient auparavant, à intervalles définis, indépendamment de l'état réel du composant. La maintenance prédictive intervient également en amont, mais sur la base de paramètres mesurés qui indiquent une dégradation en cours.
La différence pratique entre les deux premières, avec des exemples et les avantages de chacune, est expliquée sur la page consacrée à la différence entre maintenance préventive et corrective. Ici, l'accent est mis sur la maintenance prédictive.
Une précision s'impose, car elle est souvent oubliée dans le discours commercial. Prédictif ne signifie pas qu'un logiciel devine la date d'une panne. Cela signifie qu'une grandeur physique liée à l'état de santé du composant est surveillée et qu'une intervention est déclenchée lorsque cette grandeur s'écarte du comportement normal.

Comment cela fonctionne, du capteur à l'ordre de travail

Le cycle comporte quatre étapes, et la quatrième est celle qui est le plus souvent négligée.
Mesurer. Vibrations, température, consommation électrique, pression différentielle, heures de fonctionnement et débit. Le choix des grandeurs dépend de la machine : pour un ventilateur, les vibrations et la consommation électrique sont importantes ; pour un échangeur thermique, ce sont les températures et la perte de charge.
Définir ce qui est normal. Sans référence établie sur plusieurs semaines de fonctionnement, tout seuil est arbitraire. Cette phase demande le plus de patience et est souvent écourtée.
Détecter les écarts. Une valeur hors seuil, une dérive progressive ou un comportement qui ne correspond pas aux conditions extérieures ou à la charge.
Déclencher l'intervention. L'anomalie devient un ordre de travail attribué à une personne, avec une échéance et un historique. Une alerte reçue par e-mail et laissée sans suite n'est pas de la maintenance prédictive : c'est simplement une alarme supplémentaire à ignorer.

Ce que fait réellement l'intelligence artificielle

Ce sujet suscite beaucoup de confusion ; il convient donc d'être précis.
Les algorithmes d'apprentissage automatique permettent de reconnaître des schémas qu'un seuil fixe ne détecte pas : la combinaison de plusieurs paramètres, un comportement qui varie selon la charge ou la saison, ou une dérive qui n'apparaît que dans certaines conditions de fonctionnement.
Pour fonctionner, ils ont besoin de données historiques, en particulier des historiques de pannes. Un modèle entraîné sur une installation qui n'est jamais tombée en panne a peu de choses à apprendre. C'est la limitation pratique la plus fréquente dans les bâtiments, où les données recueillies sont peu nombreuses et souvent discontinues.
La conséquence opérationnelle est claire. Dans la plupart des cas, il vaut mieux commencer par des règles et des seuils bien définis pour quelques grandeurs, accumuler des données pendant un ou deux ans, puis introduire des modèles lorsqu'il existe suffisamment de données pour les entraîner. Faire l'inverse, c'est-à-dire acheter l'algorithme avant de disposer des données, est l'erreur la plus fréquente et la plus coûteuse.
L'étape suivante est la maintenance prescriptive, dans laquelle le système ne se contente pas de signaler l'anomalie : il propose également une action corrective et en estime l'effet. C'est une évolution réelle, mais elle suppose que toutes les étapes précédentes aient été réalisées.

Le lien avec la consommation énergétique

C'est la partie qui concerne directement les gestionnaires de bâtiments et que les analyses industrielles de la maintenance prédictive négligent souvent.
Un filtre à air encrassé augmente la perte de charge, ce qui oblige le ventilateur à consommer davantage de puissance pour déplacer la même quantité d'air. Une batterie d'échange thermique encrassée transfère moins de chaleur et l'installation compense en prolongeant ses heures de fonctionnement.
Un circuit frigorifique dont la charge de fluide frigorigène a diminué fournit moins de performance pour un même travail. Une sonde mal étalonnée fait fonctionner l'installation pendant des mois sur la base d'une valeur erronée.
Aucun de ces cas ne provoque un arrêt. Ils entraînent progressivement une facture énergétique plus élevée et restent invisibles jusqu'à ce que quelqu'un compare la consommation avec celle de la période équivalente de l'année précédente.
Le constat opérationnel le plus utile est donc le suivant : la consommation électrique est à la fois un indicateur de consommation et un indicateur de l'état de l'équipement. La même mesure utilisée pour le suivi de la consommation énergétique permet de détecter la dégradation d'un composant sans installer de capteurs spécifiquement dédiés au diagnostic.
C'est pourquoi la gestion de l'énergie et la maintenance ont intérêt à fonctionner sur une même plateforme, plutôt que sur deux systèmes qui ne communiquent qu'une fois par mois.

Ce que disent réellement les chiffres

C'est pourquoi la gestion de l'énergie et la maintenance ont intérêt à fonctionner sur une même plateforme, plutôt que sur deux systèmes qui ne communiquent qu'une fois par mois.
Le document de position de Deloitte de 2017 indique une réduction des coûts totaux de maintenance de 5 à 10 %, une augmentation de la disponibilité des équipements de 10 à 20 % et une réduction du temps consacré à la planification de 20 à 50 %.
Le même document mentionne également des moyennes beaucoup plus élevées, comme 70 % de pannes en moins, sans toutefois en préciser la base de calcul.
L'étude PwC-Mainnovation de 2018, menée auprès de 268 entreprises aux Pays-Bas, en Allemagne et en Belgique, est plus prudente : 60 % des entreprises ayant adopté des approches prédictives ont obtenu une augmentation moyenne de la disponibilité de 9 %.
Deux enseignements pratiques en découlent. Premièrement, les chiffres les plus élevés proviennent presque toujours de contextes industriels où des machines critiques fonctionnent en continu, des conditions qui ne caractérisent pas les bâtiments du secteur tertiaire.
Deuxièmement, la seule donnée pertinente pour une décision d'investissement est celle issue de votre propre historique des arrêts et des interventions, et non d'un indicateur sectoriel.

Ce qu'il faut pour commencer et quand cela n'est pas rentable

Quatre éléments sont nécessaires : des capteurs mesurant les grandeurs pertinentes, une collecte continue des données, un système de gestion de la maintenance capable de recevoir les anomalies et de les transformer en tâches, et une personne qui examine régulièrement les données.
Il n'est pas nécessaire de commencer par toute l'installation. L'approche raisonnable consiste à se concentrer sur les composants dont la panne coûte le plus cher, en raison de l'interruption du service ou du coût d'une intervention d'urgence : groupes frigorifiques, chaufferies, ascenseurs, pompes et tableaux électriques principaux.
La maintenance prédictive n'est pas rentable pour les composants de faible valeur et faciles à remplacer. Une ampoule ou une vanne peu coûteuse se gère mieux selon un calendrier ou en cas de panne, et le reconnaître ouvertement fait partie d'un projet honnête.

Exemples typiques dans les bâtiments

Dans les centrales de traitement d'air, on surveille la pression différentielle des filtres, la consommation électrique des ventilateurs ainsi que les températures de soufflage et de reprise. Ces trois paramètres permettent de détecter ensemble l'encrassement des filtres, le desserrage des courroies et l'encrassement des batteries.
Pour les groupes frigorifiques, les paramètres essentiels sont les pressions, les températures de condensation et d'évaporation ainsi que la consommation électrique rapportée à la charge, car le rendement diminue bien avant l'arrêt de l'équipement.
Pour les pompes, la combinaison des vibrations et de la consommation électrique permet d'anticiper la dégradation des roulements et la cavitation des roues.
Dans les tableaux électriques, la thermographie périodique détecte les connexions desserrées, qui constituent une cause fréquente de panne et un risque d'incendie.
Pour les ascenseurs, le nombre de courses, les temps de manœuvre et les interventions de remise en service fournissent de nombreuses informations sur l'état de l'installation. Ces données sont déjà produites par l'armoire de commande.

Die Werkzeuge

Le logiciel de maintenance d'UTwin est intégré au jumeau numérique du bâtiment : chaque composant est localisé sur le plan et dispose de sa fiche, de son historique et de ses documents. Les interventions sont attribuées, suivies et restent consultables même lorsque le prestataire de maintenance change.
Ce qui distingue cette approche est son intégration au logiciel de gestion de l'énergie. Les données des compteurs intelligents et des capteurs IoT alimentent simultanément l'analyse des consommations et la surveillance de l'état des installations. Ainsi, une dérive de la consommation électrique peut générer un ordre de travail sans transfert manuel entre deux systèmes distincts.
Lorsqu'un système d'automatisation existe déjà, la plateforme fonctionne à ses côtés et en lit les données. La relation entre l'automatisation des bâtiments et le jumeau numérique est présentée sur la page dédiée.

Questions fréquentes

• Quelle est la différence entre la maintenance prédictive et la maintenance préventive ?

  La maintenance préventive intervient à intervalles prédéfinis, indépendamment de l'état du composant. Elle peut donc remplacer des pièces encore performantes ou intervenir trop tard. La maintenance prédictive repose sur des paramètres mesurés indiquant une dégradation en cours et adapte la fréquence des interventions à l'état réel de la machine.

• La maintenance prédictive nécessite-t-elle obligatoirement l'intelligence artificielle ?

  Non. Les algorithmes sont utiles lorsqu'il existe suffisamment de données historiques et que les signes de dégradation dépendent de plusieurs variables combinées. Dans de nombreuses installations de bâtiments, un seuil bien réglé sur deux ou trois grandeurs pertinentes apporte déjà l'essentiel des bénéfices et permet de collecter les données nécessaires pour la suite.

• Combien peut-on réellement économiser grâce à la maintenance prédictive ?

  Les estimations publiées varient considérablement. En 2017, Deloitte indiquait une réduction des coûts de maintenance de 5 à 10 %, tandis que l'étude PwC-Mainnovation de 2018 a constaté une augmentation moyenne de la disponibilité de 9 % chez 60 % des entreprises participantes.
  Les chiffres nettement supérieurs souvent cités concernent généralement des installations industrielles critiques. Une estimation fiable doit donc être calculée à partir de l'historique propre des arrêts et des interventions.

• Sur quelles installations est-il préférable de commencer ?

  Il est préférable de commencer par les équipements dont les pannes coûtent le plus cher, en raison de l'interruption du service ou du coût d'une intervention urgente : groupes frigorifiques, chaufferies, pompes, ascenseurs et tableaux électriques principaux. Les composants économiques et rapidement remplaçables ne permettent pas de rentabiliser cette approche.

• Quel est le lien entre la maintenance prédictive et les économies d'énergie ?

  Le lien est plus étroit qu'il n'y paraît. Les filtres encrassés, les batteries entartrées, une charge insuffisante de fluide frigorigène et les sondes mal étalonnées augmentent la consommation énergétique bien avant de provoquer un arrêt. Puisque la consommation électrique est à la fois une mesure de consommation et un indicateur de l'état de l'équipement, sa surveillance répond aux deux objectifs avec une seule installation.