L’IA oriente les techniciens vers les interventions de maintenance prioritaires

Sur les sites de production, les équipes d'exploitation et de maintenance peuvent être submergées par des milliers d'alarmes provenant d'équipements non hiérarchisés et isolés. Les systèmes de contrôle signalent lorsqu'un paramètre dépasse un certain seuil, mais ils ne peuvent évaluer l'impact opérationnel, corréler de multiples mesures de capteurs...

Pour y remédier, TwinThread a lancé le Centre d'Action sur les Anomalies, une solution s'appuyant sur l'intelligence artificielle conçue pour agréger, classer les données disponibles et à guider les exploitants dans leur processus d'intervention. 

Priorisation algorithmique et conception architecturale
Le mécanisme de fonctionnement du Centre d'Action sur les Anomalies repose sur des algorithmes de regroupement d'anomalies qui combinent des modèles de santé des actifs avec des données de performance des procédés. Lorsqu'une seule propriété industrielle, telle que la température de fonctionnement, alimente plusieurs modèles prédictifs sur un même actif, la plateforme normalise ces résultats qui se chevauchent en un score d'anomalie unifié.

Plutôt de traiter chaque avertissement de manière égale, le système classe chaque alerte générée en utilisant deux métriques principales : la persistance, c'est-à-dire la durée de la condition, et la magnitude, qui mesure la distance par rapport aux limites de fonctionnement idéales. Pour éliminer la distraction des opérateurs, des seuils de score configurables, un regroupement par sujets et des zones de tampon d'alerte filtrent les écarts de faible priorité.

De plus, le système propose des recommandations d'alerte personnalisées qui s'adaptent à l'historique d'interaction de l'utilisateur, poussant en haut de la file d'attente les alertes sur lesquelles un ingénieur ou un technicien spécifique agit habituellement, tout en déclassant les notifications historiquement ignorées.

Enquêtes structurées et flux de travail semi-autonomes
Lorsqu'une anomalie de haute priorité est décelée, le Centre d'Action sur les Anomalies fournit un résumé concis en une seule phrase à l'ingénieur, au technicien de maintenance ou à l'opérateur responsable. Le personnel de l'usine suit les enquêtes à l'aide de cas intégrés et de flux de travail de cas, garantissant une approche normalisée de l'analyse des causes profondes.

Une fois qu'une résolution est déterminée, l'équipe documente la correction sous forme de procédure opérationnelle standard dans un bloc-notes intégré. Ces procédures capturées constituent la base d'une résolution semi-autonome. Les organisations peuvent configurer des règles d'alerte avec une criticité échelonnée qui joignent automatiquement les cas historiques pertinents et les procédures opérationnelles standards dès qu'un seuil spécifique est franchi. Cette automatisation achemine les problèmes récurrents directement vers le personnel approprié avec des actions correctives pré-approuvées déjà jointes.

Cas d'utilisation industrielle et impact opérationnel
Dans le cadre d'un déploiement industriel, la plateforme a réussi à consolider 80 modèles prédictifs actifs répartis sur plusieurs départements, des modèles individuels suivant simultanément jusqu'à 1 500 capteurs opérationnels distincts.

En transformant le dépannage ponctuel en flux de travail structurés et répétables, la solution vise à réduire le temps moyen de réparation, minimiser les pannes d'équipement catastrophiques et mettre à l'échelle l'expertise humaine sur plusieurs sites. 

Contexte Supplémentaire :
Cette section détaille les spécifications techniques et l'analyse comparative concurrentielle non incluses dans l'annonce de produit originale.

Les plateformes traditionnelles de gestion des actifs d'entreprise et de gestion des performances des actifs se concentrent souvent strictement sur la détection des pannes diagnostiques, laissant le flux de travail de remédiation entièrement manuel.

Comparé aux normes héritées de gestion des alarmes régies par des directives telles que l'EEMUA 191 — qui reposent généralement sur des niveaux de priorité statiques et une rationalisation a posteriori des flux d'alarmes —, l'approche de TwinThread introduit une normalisation dynamique pilotée par des modèles qui s'adapte aux états de processus multivariés. En intégrant des méthodologies génératives et agentiques directement dans la génération de procédures opérationnelles standards, la plateforme s'aligne sur les pratiques modernes de la chaîne d'approvisionnement numérique et de l'Internet des objets industriel visant à réduire la dépendance humaine dans la prise de décision en atelier.

Publipar Sucithra Mani, rédactrice chez Induportals – adapté par IA.

www.twinthread.com