Emerson étend la gestion de la performance des actifs basée sur l’IA

Les sites industriels cherchent à réduire les arrêts imprévus tout en prolongeant la durée de vie des équipements et en maîtrisant les coûts de maintenance. Les plateformes de gestion de la performance des actifs (APM) répondent à cet objectif en combinant surveillance d’état, analyses et flux de maintenance. Dans ce contexte, Emerson a publié une version mise à jour d’Aspen Mtell^® afin d’étendre la prédiction des défaillances basée sur l’IA à des parcs d’actifs plus larges.

De la surveillance d’état à la maintenance prédictive à grande échelle
La mise à jour vise à aider les organisations à passer d’une surveillance de base de la santé des actifs à des programmes de maintenance prédictive fonctionnant de manière cohérente sur plusieurs sites et types d’équipements. Des modèles spécifiques aux secteurs et aux actifs sont utilisés pour standardiser les déploiements, ce qui permet de configurer plus rapidement les modèles de surveillance et de les répliquer sur des classes d’équipements similaires.

Cette approche permet une montée en charge progressive : une phase initiale de surveillance établit des données de performance de référence, après quoi des analyses basées sur l’IA sont appliquées pour identifier des schémas précoces de défaillance. Ce déploiement par étapes réduit les besoins en ingénierie lourde en amont et favorise un retour mesurable à mesure que la couverture s’étend.

Les modèles d’IA priorisent les risques et les actions de maintenance
Une fonctionnalité clé de la nouvelle version d’Aspen Mtell concerne le traitement automatisé des alertes. Les analyses basées sur l’IA évaluent les données de condition entrantes et regroupent les alertes selon leur gravité, le risque opérationnel et les comportements historiques. Cela réduit le volume de notifications non filtrées généralement associé aux systèmes de surveillance d’état.

La plateforme intègre également une logique d’analyse des modes de défaillance et de leurs effets (FMEA) dans ses diagnostics. Lorsqu’un défaut émergent est détecté, le système associe les tendances des données capteurs et process à des modes de défaillance probables et suggère des actions correctives. Cela réduit le délai entre la détection et l’intervention de maintenance et contribue à harmoniser la prise de décision entre les équipes.

Intégration avec la surveillance vibratoire et les équipements de terrain
Le système mis à jour se connecte directement aux plateformes AMS Machine Works et AMS Device Manager d’Emerson, qui fournissent des données de vibration et de santé des équipements. Cette intégration regroupe les diagnostics des machines tournantes, les données d’état des instruments de terrain et les analyses de niveau supérieur dans un environnement de fiabilité partagé.

La combinaison de ces sources de données permet d’établir des corrélations entre conditions de procédé, signatures vibratoires mécaniques et performances de l’instrumentation. Cette analyse croisée favorise une détection plus précoce de problèmes tels que l’usure des roulements, les déséquilibres ou la dégradation des vannes, qui peuvent ne pas être visibles avec une seule méthode de surveillance.

Relier les informations de fiabilité aux flux de travail d’entreprise
Au-delà de la détection, la plateforme est conçue pour transmettre des informations exploitables vers les systèmes de gestion des actifs d’entreprise et de planification des ressources (ERP). Les recommandations de maintenance issues des analyses peuvent être intégrées dans les flux de travail existants de gestion des ordres de travail et de planification, soutenant ainsi une exécution de maintenance en boucle fermée.

Cette intégration relie les analyses prédictives à la planification, à la gestion des pièces de rechange et à l’historique de maintenance, en alignant les outils numériques de fiabilité sur les processus opérationnels établis. Dans le cadre d’une stratégie plus large d’IA industrielle et de maintenance prédictive, ce lien vise à garantir que les risques identifiés se traduisent par des actions de maintenance documentées et réalisées dans les délais, plutôt que de rester isolés dans des tableaux de bord de surveillance.

Amélioration continue grâce à la fiabilité pilotée par les données
En combinant des modèles de déploiement standardisés, des diagnostics basés sur l’IA et une intégration avec les systèmes d’entreprise, la plateforme Aspen Mtell mise à jour se positionne comme un outil d’amélioration continue de la fiabilité. À mesure que davantage de données opérationnelles et de défaillances sont accumulées, les modèles peuvent être affinés, permettant une détection de plus en plus précoce et précise des défauts sur un large éventail d’actifs industriels.

www.emerson.com