Il est vital de choisir la bonne stratégie de maintenance pour garantir l’efficacité, la sûreté et la longévité des systèmes d’inspection non intrusive (INI).

Aujourd’hui, les fabricants de ce type d’appareils et leurs prestataires de services après-vente offrent généralement aux clients les modèles de maintenance suivants :

• La maintenance préventive qui consiste à effectuer des activités de maintenance planifiées à des intervalles prédéterminés, qui peuvent se situer avant ou après une panne.
• La maintenance corrective qui corrige les défaillances lorsqu’elles se produisent et qui est principalement une stratégie réactive consistant à laisser un appareil « fonctionner jusqu’à ce qu’il tombe en panne ».
• L’inventaire qui exige de maintenir en permanence d’importants stocks de pièces détachées afin d’effectuer des opérations de maintenance corrective non planifiées.

Ces modèles réactifs et préventifs sont problématiques. Les clients dépensent généralement 100 % du coût d’achat de leurs appareils en frais de maintenance au cours des dix premières années, que ce soit en effectuant des tâches d’entretien inutiles ou encore des réparations d’urgence. De surcroît, la durée d’immobilisation des appareils due à une défaillance peut être longue. Le cabinet de conseil Roland Berger estime qu’environ 30 % des efforts de maintenance préventive sont inutiles. Selon Emerson Process Management[1], une autre société de conseil, dans 30 % des cas, ils sont contre-productifs, 70 % des pannes se produisant peu de temps après d’importantes interventions de maintenance. En outre, plus de 90 % des pannes sont généralement le résultat de conditions pouvant survenir à tout moment et de manière tout à fait inattendue.

Emerson Process Management[1], une autre société de conseil, dans 30 % des cas, ils sont contre-productifs, 70 % des pannes se produisant peu de temps après d’importantes interventions de maintenance. En outre, plus de 90 % des pannes sont généralement le résultat de conditions pouvant survenir à tout moment et de manière tout à fait inattendue.

Aujourd’hui, une autre stratégie de maintenance est utilisée pour remplacer la maintenance préventive pour les composants d’équipements critiques : la maintenance conditionnelle. Les activités de maintenance sont planifiées en fonction de l’état de santé technique de l’équipement plutôt que d’un intervalle prédéfini. Le bilan de santé technique est établi par un technicien du service après-vente qui évalue à distance l’état de l’équipement à l’aide de données fournies par des capteurs et outils de surveillance en temps réel.

Cette stratégie peut être renforcée en appliquant des algorithmes d’apprentissage automatique et d’intelligence artificielle ; on parle alors de maintenance prédictive. La maintenance prédictive fournit des informations supplémentaires précieuses qui peuvent être utilisées non seulement pour améliorer la planification des activités de maintenance mais aussi pour estimer la durée de vie utile restante des équipements. Cette approche a permis à de nombreux secteurs d’activité de réduire jusqu’à 40 %[2] leurs frais de maintenance, tout en augmentant la disponibilité des équipements, en prolongeant la durée de vie des actifs, en réduisant la production de déchets et en améliorant les protocoles de sécurité.

La maintenance prédictive combine la connaissance du domaine, l’apprentissage automatique et les algorithmes d’IA pour traiter les données techniques en temps quasi réel et fournir des informations utiles sur la santé technique des composants les plus critiques.

L’application de la maintenance prédictive aux systèmes d’INI exige de recourir à des données fournies soit par les journaux du système et les capteurs intégrés existants, soit par l’installation de capteurs supplémentaires d’Internet industriel des objets (IIdO). Ces capteurs IIdO recueillent en continu des données en temps réel sur les principaux paramètres techniques des composants les plus critiques, tels que les générateurs, les tubes et les accélérateurs de rayons X. Ces données sont ensuite analysées à l’aide de différents algorithmes afin de relever les tendances, de détecter les anomalies et de prédire les défaillances.

En fonction de l’équipement et des besoins du client, différents types de modèles prédictifs peuvent être développés pour traiter et analyser les données relatives aux performances techniques des appareils :

• Les modèles prédictifs à court terme s’attachent à répondre aux changements opérationnels à court terme, généralement dans un délai de quelques jours à quelques semaines. Ces modèles sont particulièrement utiles pour relever les anomalies imprévues et y répondre en temps réel. Par exemple, ils peuvent détecter un comportement anormal du système de climatisation dans un système de radiographie à haute énergie, soit dans la ligne de détection, soit dans la salle technique (serveur), bien avant qu’un seuil critique prédéfini (de maintenance conditionnelle) ne soit atteint.
• Les modèles prédictifs à moyen terme étendent l’analyse prédictive aux problèmes susceptibles de se développer sur une période de quelques semaines à quelques mois. Ces modèles concernent les pièces susceptibles de tomber en panne en raison de leur usage intensif ou de leur détérioration. Par exemple, dans les systèmes de radiographie à basse énergie, ces modèles peuvent prédire la défaillance d’un générateur jusqu’à trois mois à l’avance, en surveillant ses paramètres électriques.
• Les modèles prédictifs à long terme, également connus sous le nom de modèles de survie, se concentrent sur la planification stratégique et la garantie de la fiabilité à long terme de l’appareil. Ces modèles visent à optimiser la disponibilité des pièces de rechange et des ressources tout en minimisant les coûts. L’horizon temporel de ces modèles s’étend généralement de quelques mois à un an. Par exemple, les modèles de survie peuvent prédire les taux de défaillance des magnétrons ou des thyratrons sur une longue période, ce qui permet d’optimiser les pièces de rechange afin d’éviter tant le surstockage que les ruptures de stock.

Alors que la maintenance prédictive utilise l’analyse de données pour anticiper les pannes avant qu’elles ne se produisent, la maintenance prescriptive va plus loin en proposant des recommandations au cas par cas, pour aider les spécialistes des services après-vente à résoudre les problèmes au niveau du système. La maintenance prescriptive garantit une réaction rapide et met en place des mécanismes de prise de décisions pour la gestion des pannes et leur réparation.

Toutes les données, tendances et informations exploitables générées par le système doivent être rassemblées et affichées sur un tableau de bord de veille stratégique. Ce tableau de bord doit permettre aux spécialistes des services après-vente et aux utilisateurs finaux de comprendre clairement l’état de santé de l’actif et les mesures à prendre pour maintenir des performances optimales.

Outre le tableau de bord décisionnel, il convient de mettre en place une équipe du service après-vente qualifiée opérant à partir d’un centre de contrôle de la maintenance, ainsi qu’un service d’assistance 24 heures sur 24 et 7 jours sur 7 et un service d’assistance téléphonique pour traiter rapidement et efficacement les défaillances potentielles.

Parmi les autres services à fournir, il convient de prévoir :

• la surveillance à distance en temps réel de l’état technique de l’équipement,
• le diagnostic et le dépannage à distance,
• les interventions sur site et la fourniture des pièces de rechange nécessaires,
• des mesures de radioprotection conformes à la législation applicable, en fonction du type et de la configuration du système à rayons X utilisé.

L’investissement initial pour mettre en œuvre une telle solution tourne généralement autour de 1 000 EUR par système d’INI, couvrant le matériel (dispositif d’IIdO et capteurs) et les coûts d’installation. Toutefois, selon le modèle d’abonnement privilégié, ces coûts initiaux peuvent être différés ou inclus dans les paiements en cours et, dans les faits, le capital initial exigé est nul.

Différentes modalités d’abonnement sont possibles :

• paiement à l’utilisation,
• offres groupées de produits adaptés au client,
• modèles de tarification basés sur la valeur et barèmes de prix.

Cette flexibilité permet aux administrations douanières d’adopter des solutions de maintenance prédictive sans se heurter à des obstacles financiers importants.

Il convient de mentionner que la mise en œuvre de la maintenance prédictive permet également de réduire les charges générales d’exploitation, telles que celles liées aux déplacements vers et depuis le site opérationnel à des fins de diagnostic et de réparation, ainsi que celles associées au stockage des pièces de rechange.

Pour protéger les données critiques contre les cybermenaces et les vulnérabilités, il est nécessaire d’élaborer une stratégie approfondie de défense. Seules les informations techniques relatives à l’état de santé du système d’INI, comme les journaux du système et les données des capteurs, devraient être collectées et ces informations devraient être stockées dans un centre de données de contrôle de la maintenance, leur transmission devant être chiffrée à chaque étape. En outre, des pare-feu de nouvelle génération doivent être utilisés pour traiter les flux de données et bloquer les trafics potentiellement dangereux. D’autres couches de sécurité sont à prévoir, comme des systèmes de détection des intrusions, ainsi que des mécanismes de surveillance en temps réel et de réponse aux incidents pour détecter et atténuer rapidement les menaces potentielles. Des audits de sécurité, des tests de pénétration et des analyses de vulnérabilité doivent être effectués régulièrement pour s’assurer que la solution reste solide face aux cybermenaces émergentes.

Les fournisseurs de systèmes d’INI et les administrations douanières devraient tester les solutions de maintenance prédictive en conditions réelles. Ils peuvent également demander que des projets de validation de principe soient menés gratuitement pour les types et les modèles spécifiques de systèmes à rayons X qu’ils utilisent.

En savoir +
www.danlex.bg / www.pm4x.eu
pm4x@danlex.bg

[1] White Paper: Reducing Operations & Maintenance Costs, Emerson Process Management 2003.

[2] Operations & Maintenance Best Practices, Federal Energy Management Program, août 2010.