L'avenir de la maintenance prédictive

La stratégie de Durst consistant à utiliser l'IA pour résoudre les problèmes d'imprimante avant qu'ils ne surviennent devrait éliminer les temps d'arrêt de production et ouvrir la voie à «l'usine intelligente» du futur

La stratégie de maintenance prédictive récemment annoncée par Durst, parallèlement au projet PREMISE financé par l'UE, utilisera l'intelligence artificielle et des algorithmes d'apprentissage informatique pour rendre les prévisions et les interventions plus efficaces. Nous avons discuté avec Christian Casazza, directeur Service Durst Group, et Michael Deflorian, Business Unit Manager Software & Solutions, de ce que cela signifie pour l'avenir de l'impression.

En quoi la maintenance prédictive offre-t-elle un sérieux avantage concurrentiel?

CC: Nous n'avons jamais vraiment envisagé un avantage concurrentiel sérieux sur nos concurrents - nous nous sommes concentrés sur nos clients et leurs besoins. Nous essayons d'améliorer la productivité de nos clients en augmentant la disponibilité d'une part, et d'autre part, nous essayons de réduire le coût de possession pour nos clients. Notre objectif est donc de créer un avantage concurrentiel pour nos clients.

Une partie de la stratégie de service de Durst consiste à essayer d'éliminer les services imprévus à partir de 2025. Et ici, je suis vraiment reconnaissant à Michael, qui a travaillé sur le projet PREMISE financé par l'UE et a réussi à le mettre en service.

La maintenance prédictive, plutôt que réactive, est la voie à suivre, selon Durst

MD: Dans le cas de la maintenance prédictive, mon département est le fournisseur des outils nécessaires à nos départements de service. Nous fournissons également les outils d'analyse qui collectent les données des machines Durst: les données de productivité, les données des capteurs et les signaux circulant dans les canaux de communication entre les composants de nos machines.

Nous avons pris toutes ces données et les avons analysées avec l'Université libre de Bozen-Bolzano (unibz) de deux manières. La première est que nos experts ont une connaissance approfondie de la machine et connaissent certaines causes profondes des différentes pannes. Avec cette connaissance, nous pouvons utiliser les données pour prédire une panne. La deuxième chose importante est d'analyser l'ensemble complet de données, une approche classique du big data, et de trouver de nouveaux modèles ou une corrélation avec des causes profondes dont nous ne sommes pas conscients. C'est une partie importante de ce projet.

Combien de temps à l'avance les problèmes peuvent-ils être prévus et la maintenance organisée?

CC: C'est une question à laquelle il est difficile de répondre. Un système d'impression se compose de plusieurs milliers de pièces différentes, y compris des consommables. Si vous connaissez le cycle de vie, il est plus facile de planifier et de résoudre les problèmes avec une maintenance régulière.

À titre d'exemple, regardons une lampe UV. Avec une lampe UV que nous connaissons, selon le type de lampe, nous avons environ 1000 heures de fonctionnement avant qu'elle ne doive être remplacée. Maintenant, nous utilisons nos analyses, ainsi que notre connaissance des heures de fonctionnement et de certaines valeurs des capteurs, pour intégrer les tolérances. Nous disons que si nous utilisons la lampe UV jusqu'à 800 heures de fonctionnement, nous avons de bonnes performances et l'indicateur visuel affiche une barre verte. De 800 à 1000 heures de fonctionnement, nous avons des conditions de fonctionnement moyennes où nous disons, dans ces 200 heures, nous devons penser à changer la lampe UV. On sait alors qu'il peut encore fonctionner pendant plus de 1 000 heures de fonctionnement, mais le risque de panne est assez élevé.

Christian Casazza

Voilà comment fonctionne le système. Nous définissons chaque paramètre et chaque valeur de capteur que nous suivons sous les tolérances, et nous essayons d'anticiper dans le temps. Avec les consommables, où nous connaissons le cycle de vie, c'est facile, mais nous avons aussi des pannes irrégulières et c'est plus difficile. Le but du projet PREMISE est de comprendre comment nous pouvons détecter cela avant que cela ne se produise.

Si nous utilisons l'exemple d'un filtre à encre, nous regardons la capacité de la pompe de circulation. En utilisant Durst Analytics, nous pouvons suivre cela, et nous pouvons travailler sur différentes conditions en mesurant la puissance à travers la pompe de circulation. S'il y a une augmentation continue, une fois la tolérance atteinte, nous devons remplacer le filtre. D'un autre côté, s'il y avait quelque chose qui n'allait pas avec l'encre, alors nous aurions un filtre obstrué immédiatement. Ces situations peuvent être plus difficiles à comprendre en premier lieu, mais grâce à Durst Analytics, nous pouvons dire que quelque chose ne va pas et nous pouvons réagir immédiatement.

Ainsi, les données que vous utilisez pour informer le système prédictif sont basées sur les données passées et sur ce qui vous est transmis via Durst Analytics. Y a-t-il de la place ou du potentiel pour l'IA pour combler les lacunes là où vous ne disposez pas des données?

MD: C'est exactement la motivation du projet PREMISE avec unibz. Nous voulions appliquer des algorithmes d'IA de pointe ainsi que des algorithmes d'apprentissage automatique aux données que nous collectons.

Il existe plusieurs façons d'enseigner les algorithmes. La première consiste à faire appel à toute l'expérience de nos experts internes pour valider les données des causes profondes et des effets que nous connaissons déjà. Vous pouvez ensuite apprendre au système à se désengager si la consommation d'énergie de la pompe augmente - une forte indication que le filtre est obstrué car vous avez besoin de plus d'énergie dans la pompe pour faire circuler l'encre. C'est un exemple simple de la façon dont vous pouvez enseigner l'intelligence à partir d'algorithmes.

Une autre façon consiste à utiliser les algorithmes pour parcourir une énorme masse de données afin de trouver des modèles inconnus qui ont conduit à des erreurs. Ensuite, lorsque le système identifie ces modèles dans une machine, il peut donner à l'opérateur un message lui indiquant qu'il s'attend à un problème dans un proche avenir.

Individuellement, toutes ces étapes semblent évidentes et ont du sens, mais la vraie beauté semble être dans le pouvoir de les rassembler?

MD: Absolument, c'est la chose importante. Nous ne le voyons pas seulement comme des avancées technologiques individuelles - c'est une stratégie entière où tous ces composants se rejoignent.

Comment la maintenance prédictive de Durst s'inscrit-elle dans l'idée de «l'usine intelligente» du futur?

MD: C'est une partie vraiment importante de la stratégie. Nous voulons des infrastructures en réseau, des systèmes de production intelligents et des logiciels intuitifs pour permettre un processus métier automatisé - tout cela fait partie de notre nouvelle gamme d'outils, du pixel à la sortie. Bien sûr, l'automatisation est un aspect important, mais un autre est la stabilité: vous voulez avoir un processus automatisé stable. L'objectif principal de PREMISE est d'amener la robustesse de nos systèmes à un niveau encore plus élevé afin que nous n'ayons pas de pannes imprévues, afin que le client dispose d'un moteur de production hautement fiable dans le processus automatisé.

Michael Deflorian

Le service non planifié fait partie de la stratégie Durst «Du pixel à la sortie» pour 2025 et au-delà. L'élément central est notre transformation de fabricant d'imprimantes - qui fait la renommée de Durst - en fournisseur de solutions pour l'impression numérique. «Du pixel à la sortie» définit un périmètre, de la création de contenu au produit.

Cela comprend également une extension de notre portefeuille de produits. Auparavant, il s'agissait d'imprimantes et d'encre, mais maintenant c'est tout un écosystème d'imprimantes, d'encre, de logiciels, de services de conseil et de formation. Essentiellement, il s'agit de s'assurer que les clients ont tout ce dont ils ont besoin à portée de main pour réussir non seulement dans l'impression, mais aussi pour l'ensemble de la transformation numérique.

Les machines hautes performances avec une disponibilité élevée et sans surprises de production et pannes soudaines qui affectent la productivité de l'ensemble du système sont vitales pour cette stratégie et pour atteindre cet objectif. Cette maintenance prédictive ou pas de stratégie de service non planifiée est donc au cœur de la stratégie globale de Durst.

FESPA: Envisagez-vous la réalité augmentée (RA) pour permettre aux utilisateurs de changer de pièce à l'avenir? Par exemple, au lieu d'envoyer des ingénieurs, les clients peuvent changer leurs propres pièces avec des conseils AR?

CC: Nous avons démarré en 2015 avec des projets AR et testé plusieurs technologies, dont la première étape impliquait nos ingénieurs de service. Nous sommes une entreprise mondiale et pour maintenir les compétences de nos ingénieurs à un certain niveau, nous avons pensé qu'il serait bon de leur apporter un soutien en RA. De cette façon, nous savons qu'ils travaillent selon les mêmes normes en Asie qu'en Europe, et en particulier pour les nouveaux ingénieurs. Nous avons fait plusieurs tests, et certains étaient bons tandis qu'à d'autres occasions nous avons eu des problèmes avec l'écran vidéo.

Toutes les machines Durst, comme la P5 ci-dessus, quittent l'usine avec des fonctionnalités d'analyse déjà incluses

Nous travaillons toujours là-dessus. Mais ce que nous avons découvert, c'est pour le moment que cela ne fonctionne pas - en particulier pour nos clients finaux. Notre expérience nous a montré que nous serons plus acceptés par nos clients si nous formons correctement nos opérateurs pour qu'ils s'aident eux-mêmes à changer les pièces, plutôt que d'offrir la RA. La bonne chose est que grâce à cette formation, les opérateurs ont une meilleure idée de l'entretien quotidien de la machine et de son importance, donc la fiabilité augmente. Avec les seules instructions AR, cela n'a pas le même effet.

Cependant, nous sommes loin d'abandonner la RA. Nous sommes constamment à la recherche des dernières technologies AR, ce n'est tout simplement pas adapté à l'heure actuelle. Cela dit, nous avons vu au cours des 12 ou 14 derniers mois avec les restrictions de voyage mondiales que c'est un must absolu pour l'avenir. Cela fait également partie de la stratégie de service Durst qui stipule que nos machines doivent être conçues pour le service ou le libre-service.

FESPA: Dans quelle mesure est-il important d'être proactivement innovant dans le secteur de l'impression?

CC: Nous avons notre département de formation technologique, et ils sont constamment à la recherche des dernières technologies du marché. Une autre chose importante pour nous est de trouver le bon équipement pour vraiment aider nos clients.

Par exemple, nous avons testé avec Microsoft HoloLens, qui sont des lunettes intelligentes associées à des applications. Oui, ils peuvent être utilisés lors du remplacement d'un composant électronique, mais si vous souhaitez effectuer des réglages sur les têtes d'impression, par exemple, les lunettes n'aident pas. Dès que nous avons commencé à chercher la qualité, cela ne peut plus se faire à distance - nous avons besoin de personnes formées et qui comprennent la qualité attendue. Il y a des limites, mais nous n'abandonnons pas et nous sommes toujours à la recherche des dernières technologies.

Enfin, que voudriez-vous que les membres de la FESPA sachent?

CC: Chaque imprimante qui quitte l'usine Durst inclut déjà des fonctionnalités d'analyse. Avec chaque nouvelle imprimante, nous investissons vraiment dans la maintenance prédictive, et ces données en sont le fondement. Si un client ne veut pas que sa machine soit en ligne, c'est bien aussi, mais ceux qui envoient des données nous donnent la possibilité d'être vraiment prédictifs.

MD: Et j'aimerais souligner que la stratégie «pas de service non planifié» n'est pas une stratégie après-vente. Cela commence par le développement et le concept de la machine et du logiciel qui l'accompagne, puis il entre dans l'après-vente. C'est une approche totalement holistique.