Des capteurs aux ordres de travail
Sur une ligne de production, un capteur de vibration fixé sur un moteur transmet une mesure en continu. Quelques minutes plus tard, une demande d'intervention apparaît dans la gestion de maintenance assistée par ordinateur (GMAO) du site, avec la machine concernée et l'historique des relevés. Ce enchaînement, longtemps décrit comme un objectif théorique, s'est banalisé dans une partie du tissu industriel.
La GMAO reste le système d'enregistrement des équipements, des plans de maintenance et des interventions. L'Internet des objets (IoT) lui apporte une source de données terrain qui ne dépend plus de la seule saisie humaine. Le lien entre les deux repose sur une passerelle logicielle : les objets connectés publient leurs mesures, une plateforme les normalise, puis les transmet à la GMAO sous forme d'événements exploitables.
Ce que l'IoT change dans le déclenchement de la maintenance
La maintenance dite conditionnelle consiste à intervenir selon l'état réel d'une machine plutôt que selon un calendrier fixe. Un relevé de température, de courant ou de vibration dépassant un seuil paramétré peut générer automatiquement une demande de travail. L'ordonnancement, la pièce détachée et la compétence requise sont alors préparés dans le même outil.
Cette automatisation a une conséquence directe sur la qualité des historiques. Les relevés horodatés s'ajoutent aux comptes rendus d'intervention, ce qui permet de relier une défaillance à des conditions de fonctionnement observées. Les équipes de fiabilité disposent ainsi d'une matière plus régulière que les seules observations ponctuelles. Voir aussi Team building à vélo sur l'île de Ré.
Le bénéfice reste conditionné à la pertinence des seuils. Un paramétrage trop sensible produit des alertes sans suite et finit par être ignoré par les techniciens. Un paramétrage trop large laisse passer des dérives. L'ajustement demande du temps et une connaissance des équipements que les données seules ne fournissent pas.
Limites et conditions de réussite
La plupart des parcs industriels sont hétérogènes. Des machines anciennes côtoient des équipements récents, et toutes ne se prêtent pas à l'instrumentation. L'ajout de capteurs sur un matériel peu critique n'apporte souvent rien au regard de son coût. Le tri préalable des équipements à surveiller reste donc une étape déterminante.
La question des données se pose également. Une mesure isolée n'a guère d'utilité ; sa valeur vient de la durée de conservation et de la possibilité de la recouper avec les interventions passées. Les modalités de stockage, de propriété et d'accès à ces données doivent être établies avant le déploiement, et non après.
Les compétences constituent un autre point de friction. Le technicien de maintenance doit interpréter un tableau de bord en plus de connaître la machine ; l'informaticien doit comprendre les contraintes d'atelier. Cette double culture est rare et s'acquiert par la formation et par le compagnonnage sur site.
Enfin, l'IoT ne remplace pas la GMAO : il l'alimente. Un outil de gestion mal renseigné, avec des équipements incomplets ou des gammes obsolètes, ne gagne pas en fiabilité parce qu'on y branche des capteurs. L'intégration suppose d'abord un référentiel d'équipements propre et des procédures de maintenance à jour. Les sites qui ont engagé cette mise à niveau avant l'instrumentation décrivent des déploiements plus courts et des alertes mieux acceptées par les équipes.
