Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 1
Note de synthèse
Transformation digitale de
l’industrie et maintenance
prédictive Les entreprises européennes sont-elles prêtes
à rationaliser leurs opérations pour gagner
en efficacité ?
Dr Mi los Mi lojevic
Analyste Industr ie
Franck Nassah
Vice-président Innovations digitales
Mai 2018
Commanditaire principal
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 2
Préface
À l’heure de s’engager sur le chemin de la transformation digitale, de
plus en plus d’entreprises se demandent comment passer à l’étape
suivante. Cette étude démontre que, dans de nombreux cas, la réponse
à cette question tient en deux mots : maintenance prédictive. Celle-ci
permet à la fois de faire baisser les coûts et d’améliorer la productivi té
et la compétitivi té. L’étude met également en lumière le nombre
croissant d’ini tiatives de maintenance prédictive au sein des entreprises
européennes. Ces conclusions répondent non seulement aux
préoccupations des fabricants et des opérateurs de transport
européens, mais elles s’appliquent potentiellement à tous les secteurs
qui s’appuient sur des équipements industriels .
Pour relever le défi du viei l l issement des équipements et de la pression
sur les marges, de nombreuses entreprises industrielles se tournent vers
la maintenance prédictive et la gestion des acti fs industr iels pour
prolonger la durée de v ie de leurs équipements et optimiser leur
efficacité opérationnelle.
Les conclusions de cette étude sont cohérentes avec nos recherches et
avec les résultats de nos clients. E lles peuvent être résumées ainsi : les
investissements en maintenance prédictive génèrent des retours sur
investissement tangibles. Nos c lients font notamment état d’une
augmentation de 2 à 6 % de la disponibi li té, d’une réduction de 10 à
40 % de la maintenance réactive et d’une réduction de 5 à 10 % des
coûts d’inventaire. En plus d’une importante réduction des coûts, cette
approche peut également permettre de mettre en place de nouveaux
modèles d’entreprise.
P lus de la moitié des entreprises de cette étude ont lancé des
programmes pi lotes ; c’est un constat encourageant, mais pour tirer
réellement parti de la maintenance prédictive, les entreprises devront
accélérer et ampli fier le déploiement de ces solutions -tests. L’évolutivi té
est un aspect clé de cette approche. Les entreprises industrielles doivent
travai ller avec des partenaires capables de créer des produits minimums
viables ; ces produits doivent d’abord faire la preuve de leur valeur
commerciale avant de pouvoir être développés à grande échelle et
ainsi créer de la valeur ajoutée.
Plusieurs fabricants d’équipements reconnaissent également le
potentiel compétiti f de la maintenance prédictive, notamment dans le
cadre de la satisfaction client et de mod èles d’entreprise « As-a-
service ».
Les entreprises porte-étendard de la transformation digitale sont celles
qui favorisent la collaboration, en interne comme en externe. Que ce
soit pour bénéficier d’une expertise en analyse des données ou pour
repenser leurs processus de manière transversale, ces clients se tournent
vers tout un écosystème de fournisseurs de technologies, d’intégrateurs
de systèmes et de spécialistes en progiciels pour les assister dans leur
transformation digitale.
Deborah Sherry,
Vice-présidente principale,
Di rectr ice commerciale,
Europe, Russie et CEI
GE Digital
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 3
Nous sommes entrés dans l’ère de la révolution industr ielle digitale.
Cette étude démontre qu’investir dans des solutions de maintenance
prédictive permet souvent d’avoir une longueur d’avance dans la
course pour la productivi té. Nous espérons que ce rapport vous fera
comprendre ce que votre entreprise a à gagner grâce à la
maintenance prédictive et aux stratégies de gestion d’acti fs industr iels .
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 4
TABLE DES MATIÈRES
Introduction ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Résultats clés .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Tendances clés .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
Transformer les processus de maintenance grâce à l’analyse prédictive ... . . . . . . . . . . . . . . . . . . . . . . . . 9
Conclusions .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Méthodologie ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 À propos de GE Digital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 À propos de PAC .... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 Avis de non-responsabi li té, droits d’uti l isation, indépendance et protection des
données ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
TABLE DES FIGURES
Fig. 1: Comment décri riez-vous les processus de maintenance des véhicules et des
équipements industriels actuellement mis en place dans le cadre de vos
opérations internes ? ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 Fig. 2: Dans le cadre des processus actuels de maintenance et d’entretien de vos acti fs
industriels , les propositions suivantes : sont un défi majeur ; sont un défi mineur ; ne
consti tuent pas un défi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 Fig. 3: Parmi les options suivantes, laquelle décri t le mieux l’état actuel de vos ini tiatives
de maintenance prédictive ? ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 Fig. 4: Dans les deux prochaines années, lesquels des aspects suivants : sont un objecti f
majeur ; sont un objecti f mineur ; ne représentent pas un objecti f ? .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 5
Transformation digitale de
l’industrie et maintenance
prédictive
INTRODUCTION
Figurant parmi les industr ies européennes les plus dépendantes de leurs
équipements, les secteurs de la fabrication et du transport sont
confrontés à des coûts d’exploitation en hausse et à de plus en plus de
compétition au niveau européen et mondial. Le v iei l lissement des
systèmes héri tés et des technologies opérationnelles vient s’ajouter à
cette press ion : les entreprises peinent parfois à intégrer des solutions
digitales innovantes à leurs systèmes actuels, ce qui ralenti t leur
innovation et l imite leur croissance. Sur ces marchés, l’optimisation de
l’efficacité opérationnelle et la réduction des coûts sont des enjeux
vitaux.
Le renouvellement des machines industr ielles et des flottes de véhicules
demande des investissements conséquents : i l est donc essentiel de
vei ller à leur maintenance, afin de permettre une uti l isation accrue, une
durée de v ie plus longue, et ainsi , un retour sur investissement optimal.
La plupart des processus de maintenance actuels sont toutefois loin
d’être efficaces. Les entrepr i ses se tournent donc vers les technologies
digitales, comme l’ Internet des objets (IoT, pour Internet of Things) et
vers l’analyse prédictive pour ti rer parti des flux de données provenant
des véhicules et des machines industrielles. En analysant ces donn ées
grâce à des algori thmes prédicti fs, les entreprises peuvent savoir à quel
moment leurs acti fs industriels sont susceptibles de tomber en panne.
Ces données permettent d’optimiser les processus de maintenance pour
réduire le temps d’ immobi li sation des équipements, et donc des chaînes
de production ou services associés. Cette approche permet d’optimiser
le niveau d’uti li sation et la productivi té, mais aussi d’améliorer
l’expérience client.
Les fabricants et les opérateurs de transport sont-i ls toutefois conscients
de ces possibi li tés ? Disposent-i ls des capacités opérationnelles
nécessaires ? Seraient- i ls prêts à baser tous leurs processus de
maintenance sur les données prédictives ? Cette étude vise à faire un
état des lieux de la maintenance prédictive chez les fabricants et
opérateurs de transport européens, au niveau de l’investissement, des
infrastructures, et des perspectives stratégiques. Ce rapport se base sur
plus de 230 entretiens avec des décisionnaires commerciaux et
technologiques pour approfondir l’ impact de la transformation digitale
sur les processus de maintenance et la réduction des coûts. Seront
abordés dans cette étude plusieurs cas pratiques et récents
d’intégration de la maintenance prédictive dans les processus
d’entreprises industriel les. Ces exemples intéresseront particulièrement
les décisionnaires des entreprises de fabrication et de transport
européennes qui cherchent à mieux comprendre l’attrait des solutions
de maintenance prédictive, et qui veulent avoir une idée des progrès
de leurs confrères dans ce domaine.
Plus de 90 % des
entreprises
interrogées
considèrent que
leurs processus
actuels de
maintenance ne
sont pas très
efficaces, mais sont-
elles prêtes à les
rationaliser ?
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 6
RESULTATS CLÉS
• 93 % des entreprises considèrent que leurs processus de
maintenance ne sont pas très efficaces : cet aspect peut donc
être largement amélioré.
Les défis auxquels sont confrontées les entreprises sont
nombreux : pannes soudaines, arrêts non planifiés,
infrastructures viei l l issantes freinant l’ innovation...
• 55 % des entreprises interrogées ont au minimum mis en œuvre
un programme pilote de maintenance prédictive. 23 % d’entre
elles témoignent d’un impac t commercial tangible.
Ces chiffres tendent à démontrer une certaine maturi té
d’adoption dans ces secteurs. Presque un quart des entreprises
sont conscientes de l’ importance de la maintenance prédictive
à long terme et bénéficient déjà de retombées économi ques.
• 49 % des entreprises interrogées ont déjà investi dans des
initiatives de maintenance prédictive et prévoient d’investir à
nouveau dans les deux prochaines années.
En outre, 34 % d’entre elles n’ont pas encore investi dans ce
domaine, mais prévoient de le fai re dans les deux prochaines
années. 83 % des entreprises interrogées prévoient donc
d’investi r dans cette période.
Dans la plupart des entreprises interrogées, les services les plus
impliqués dans la pr ise de décis ions en matière de maintenance
prédictive sont les acteurs du cycle de vie du produit.
Le serv ice après-vente est impliqué dans 83 % des entreprises ;
le service technologie opérationnelle, dans 71 % ; le service
production, dans 67 % ; le serv ice développement produit, dans
63 %.
Sans surprise, les inquiétudes des entreprises sur la sécurité et
la confidentiali té des données sont les premiers freins au
développement de la maintenance prédictive (89 % des cas),
auxquels s’ajoute un sérieux manque de capacités internes.
L’incapacité à tra i ter et à analyser les quanti tés croissantes de
données disponibles pour ensuite repenser les processus de
maintenance en fonction de ces données figure parmi les
principaux obstacles à une adoption réussie. Autre obstacle : le
manque de technologies et d’ infrastructures adaptées, qui
conditionnent la mise en œuvre de la maintenance prédictive.
• Pour surmonter ces difficultés, les entreprises se tournent vers
des fournisseurs pour les aider à optimiser leur efficacité
opérationnelle.
Par conséquent, entreprises et fournisseurs collaborent
principalement au niveau de l’infrastructure : déploiement de
nouveaux réseaux, intégration cloud et offre de services
d’analyse.
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 7
TENDANCES CLÉS
Résumé des tendances clés de l’industrie
Secteur automobile et
production
manufacturière
91 % des entreprises considèrent la réduction de la durée de réparation et
des arrêts non planifiés comme l’objecti f pr incipal de leurs ini tiatives de
maintenance prédictive. Cette approche dégage déjà un impact
commercial pour 27 % des entreprises, ce qui fait des secteurs de
l’automobi le et de la production manufacturière des secteurs précurseurs.
Les serv ices informatiques de seulement 43 % des entreprises interrogées
participent aux processus de décision relati fs à la maintenance prédictive,
un chiffre infér ieur à celui d’autres secteurs.
Industr ie de process
93 % des entreprises de ce secteur considèrent le renouvellement de leurs
infrastructures viei l li ssantes comme l’objecti f principal de leurs ini tiatives
de maintenance. P lus de la moitié de ces entreprises n’en sont qu’à
l’étape de planification et d’évaluatio n de ces ini tiatives. 74 % de ces
entreprises considèrent le remaniement des processus de maintenance
après intégration de la maintenance prédictive comme étant leur défi
principal.
Transport
Les opérateurs de transport comptent parmi les pionniers de la
maintenance prédictive : 72 % d’entre eux ont déjà lancé des projets
pi lotes, et 25 % font état d’un impact commercial tangible. I ls sont aussi en
tête en matière d’investissement : 63 % de ces entreprises ont déjà investi
et comptent à nouveau investir dans la maintenance prédictive.
Résumé des tendances clés par région
France
Dans 93 % des entreprises, la prise de décision en matière de maintenance
prédictive implique les services après-vente. 52 % des entreprises ont
dépassé la phase de planification et d’évaluation de leur ini tiative de
maintenance prédictive.
Allemagne
80 % des entreprises interrogées vont investi r dans la maintenance
prédictive dans les deux prochaines années. 54 % d’entre elles ont déjà
réalisé des investissements. 30 % des entreprises seulement déclarent avoir
besoin d’aide pour gérer ces solutions, ce qui laisse r supposer de fortes
capacités internes.
Pays nordiques
85 % des entreprises ont prévu d’investir dans des ini tiatives de
maintenance prédictive. 44 % ont déjà réalisé des investissements dans ce
domaine. 52 % des entreprises considèrent les coûts d’achats comme un
frein à l’adoption de la maintenance prédictive.
Royaume-Uni et Ir lande
85 % des entreprises considèrent que le remaniement des processus de
maintenance après intégration de la maintenance prédictiv e est leur
principal défi à relever. 28 % en reti rent déjà un impact commercial.
Benelux
92 % des entreprises considèrent que leurs capacités d’analyse internes
sont l’obstacle principal à l’adoption de solutions de maintenance
prédictive.
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 8
Ital ie
52 % des entreprises disposent de processus de maintenance basés sur des
règles préétablies ou sur des niveaux cri tiques, qui s’appuient sur un suivi
en temps réel — un chiffre supérieur à celui des autres pays.
Espagne
60 % des entreprises interrogées ont déjà investi et ont l’intention de
réinvesti r dans la maintenance prédictive, ce qui les démarque par rapport
aux entreprises d’autres pays.
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 9
TRANSFORMER LES PROCESSUS
DE MAINTENANCE GRÂCE À
L’ANALYSE PRÉDICTIVE
Les entreprises opérant dans des secteurs qui dépendent fortement de
leurs équipements, tels que les fabricants et les opérateurs de transport,
s’appuient sur de nombreux acti fs industr iels comme les machines, les
équipements, et les véhicules (trains, avions, véhicules routiers). L’achat
de ces acti fs représente un investissement majeur, auquel v iennent
s’ajouter les coûts de maintenance, qui influent di rectement sur le taux
d’uti l isation et la durée de vie. Par conséquent, les entreprises doivent
vei ller à ce que tous les processus se déroulent sans accroc, afin de
bénéficier d’une disponibi li té maximale des flottes, des lignes de
production et des produits. Les processus de maintenance actuels se
basent généralement sur un calendrier d’entretien régulier, qui
comprend des contrôles et le remplacement de certaines pièces.
Conséquence de cette approche : certaines de ces tâches sont
susceptibles d’être effectuées alors qu’elles n’étaient pas nécessaires.
Par exemple, une pièce en bon état de marche peut être remplacée
alors qu’elle disposait encore d’une durée de vie confortable, et
inversement : des pièces peuvent tomber en panne entre deux contrôles
et provoquer une panne soudaine. Les entreprises peuvent ainsi subir
des arrêts non planifiés, avec pour cons équences des retards de
production ou de transport et des ruptures de stock, qui entraînent à
leur tour une expérience client négative voire des pénali tés de la part
des autori tés publiques, notamment dans le secteur des transports.
S’ajoute à ces défis le caractère très compétiti f de ces deux secteurs en
Europe. Les fabricants doivent compter avec leurs rivaux à l’étranger ;
les opérateurs de transport, quant à eux, comptent sur les bi l lets à bas
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 10
prix pour garder la faveur de passagers peu loyaux. Ces compagnies
bénéficient ainsi de marges très étroites, qui obligent les équipes de
direction à accorder une importance primordiale à l’expérience client.
Pour donner le ton au reste de cette étude, l ’un des premiers enjeux a
été de comprendre le ressenti des entreprises européennes sur leurs
processus et leurs pratiques de maintenance.
Fig. 1: Comment décririez-vous les processus de maintenance des véhicules et des
équipements industriels actuellement mis en place dans le cadre de vos
opérations internes ?
Les réponses à cette question tendent à démontrer que les entreprises
ne sont pas pleinement satisfaites de leurs processus de maintenance
actuels : p lus de 90 % d’entre elles ne les trouvent pas très efficaces. I l
existe donc d’importantes possibi li tés d’amélioration, en particulier pour
le tiers d’entreprises qui considèrent leurs processus comme étant
relativement inefficaces. On retrouve cette tendance dans toute
l’Europe : le pays d’origine, la tai lle et même le secteur d’activ i té des
entreprises interrogées n’ont aucune incidence sur la perception des
processus de maintenance. Selon l’analyse de PAC, les entreprises
devraient investi r dans des technologies digitales pour rationaliser leurs
processus et, dans quelques années, pouvoir les décrire comme étant
très efficaces. Quelques entreprises montrent déjà la voie et peuvent
servi r d’exemple pour mieux comprendre les modali tés et les résultats de
la maintenance prédictive.
Les dernières innovations de cette technologie permette nt aux
entreprises d’optimiser leur efficacité opérationnelle, ce qui permet à la
fois de réduire les coûts et d’améliorer l’expérience client. L’IoT est
particulièrement adapté pour répondre à ces problématiques, tout
comme de nombreux outi ls et technique s d’analyse prédictive. Uti l isées
ensemble, ces ressources peuvent permettre aux entreprises de prédire
les pannes d’équipements, de véhicules et de produits, et ainsi
d’optimiser leur efficacité. Les données provenant des acti fs et des
produits industriels sont intégrées dans les plateformes IoT, puis traitées
grâce à des algori thmes prédicti fs afin de disposer d’une analyse qui
permette aux entreprises d’anticiper les pannes et de minimiser leur
impact. Cette approche donne aux entreprises la possibi l i té de
complètement redéfinir leur processus et leurs pratiques de
maintenance, et ainsi d’optimiser leur efficacité opérationnelle.
La maintenance
prédictive à
l’œuvre : Vestas
Vestas, fabricant
d’éoliennes danois,
veut proposer à ses
clients la possibil ité
d’accéder à des
analyses prédictives
relatives aux
données
opérationnelles de
leurs éoliennes, afin
qu’ils puissent
optimiser leurs
services de
maintenance.
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 11
L’entretien planifié et normalisé des acti fs industr iels tend vers
l’obsolescence, cédant la place à la maintenance prédictive. Enfin,
l’amélioration des processus de maintenance permet également aux
entreprises orientées produit d’améliorer l’entretien de leurs produits et
de concevoir de nouveaux modèles d’entreprise. Au lieu de vendre un
produit, les entreprises peuvent le proposer à leurs clients en tant que
service et exploiter les données d’uti l isation en temps réel pour que les
clients ne payent que pour ce qu’i ls uti l isent.
Cette étude explore en profondeur les pratiques des entreprises
européennes en matière de maintenance, les principales lacunes de ces
pratiques et les motivations des entreprises pour les réactualiser grâce
aux technologies digitales.
Les conclusions de cette étude s’appuient sur les réponses de plus de
230 décisionnaires commerciaux et technologiques issus de grandes
entreprises des secteurs de la fabrication et du transport. Une analyse
plus détai llée de l’échanti l lon est disponible à la fin de ce document.
La tendance actuelle dans les marchés européens est à l’investissement
dans les solutions IoT : de nombreuses entreprises se tournent vers la
maintenance prédictive pour optimiser leur efficacité opérationnelle.
94 % des entreprises prévoient d’investir dans ce domaine dans les deux
prochaines années. 52 % ont déjà réalisé des investissements. Par
exemple, Trenitalia, première compagnie ferroviai re d’I talie, uti lise des
solutions IoT pour analyser ses données opérationnelles et vise ainsi à
réduire les coûts de maintenance de son matériel roulant d e 8 à 10 %.
Autre adepte de la maintenance prédictive, Vestas, un fabricant
d’éoliennes danois, travai lle avec plusieurs partenaires technologiques
pour permettre à ses clients d’optimiser la maintenance de leurs
éoliennes grâce à des analyses prédictives basées sur des données
opérationnelles.
Transport for London (TfL) compte parmi les entreprises qui cherchent à
exploiter l’analyse des données pour prédire les besoins en maintenance
de leurs trains, de sorte à offri r aux Londoniens un serv ice fiable. Au cours
d’un projet récent, l’opérateur de transport a analysé les données
opérationnelles de ses trains pour prédire le moment où leur moteur
tomberait en panne. L’entreprise pourrait ainsi économiser 3 mi llions de
liv res par an.
Presque 90 % des
entreprises
considèrent que les
arrêts non planifiés,
la maintenance
d’urgence et le
vieill issement des
infrastructures
informatiques et
technologiques sont
les principaux défis
à relever.
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 12
Quelles sont les pr incipales lacunes des processus de maintenance des
entreprises européennes ?
Fig. 2: Dans le cadre des processus actuels de maintenance et d’entretien de vos
actifs industriels, les propositions suivantes : sont un défi majeur ; sont un défi
mineur ; ne constituent pas un défi.
Les entreprises européennes doivent faire face à de nombreux défis en
matière de pratiques de maintenance. Certains de ces défis sont s i
importants qu’i ls agissent même comme des catalyseurs d’innovation.
Les arrêts non planifiés et la maintenance d’urgence en cas de panne
des équipements figurent parmi les di fficultés principales pour les
entreprises. Dans l’industrie de la fabrication, ces arrêts peuvent causer
l’ interruption de toute la chaîne de production, avec pour conséquence
des retards de production et de capacité ains i que des ruptures de stock
pour les clients. Les pannes qui surviennent sur des produits, quant à
elles, peuvent avoir un impact négati f sur la fidéli té des clients. Dans le
secteur des transports, les pannes soudaines peuvent provoquer des
retards et des perturbations qui sont susceptibles d’avoir ont un impact
f inancier sur les opérateurs de transport : ceux-ci peuvent avoir à
rembourser des clients lésés, voi re être pénalisés par les autori tés
publiques.
De nombreuses entreprises de ces secteurs s’appuient sur des systèmes
informatiques v iei l li ssants. I l n’est donc pas surprenant que ces systèmes
informatiques héri tés représentent un autre défi en matière d’ intégration
de nouveaux équipements et de rapidité de développement, de
déploiement et de passage à l’échelle de nouveaux services.
La maintenance
prédictive à
l’œuvre : Nestlé
Nestlé a intégré une
solution IoT à son
offre de machines à
café à destination
des entreprises : plus
de 2 500 clients
bénéficient
maintenant d’une
configuration à
distance et d’une
maintenance
prédictive et plus
efficace. Les
machines plus
anciennes ont
également été
dotées de
capacités IoT.
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 13
Étant donné le potentiel d’amélioration des processus de maintenance,
où en est le déploiement de la maintenance prédictive au sein des
entreprises européennes ?
Fig. 3: Parmi les options suivantes, laquelle décrit le mieux l’état actuel de vos
initiatives de maintenance prédictive ?
D’après les résultats, le marché européen est très dynamique : 55 % des
entreprises ont au minimum lancé un projet pi lote de maintenance
prédictive. Le secteur des transports est en tête de fi le avec 62 % de
projets lancés.
À noter que les fabricants et les constructeurs automobi les sont les plus
nombreux à fai re état d’un impact commercial sui te à ce changement,
à savoir 29 %. Cela s’explique par les investissements réalisés en continu
pour automatiser ces secteurs et pour pouvoir s’appuyer sur des
processus de maintenance prédictive. En effet, la majori té de la
production est déjà robotisée, et les robots disposent souvent de leur
propre plateforme d’analyse.
Quels sont les principaux objectifs des initiatives de maintenance
prédictive ?
Fig. 4: Dans les deux prochaines années, lesquels des aspects suivants : sont un
objectif majeur ; sont un objectif mineur ; ne représentent pas un objectif ?
55 % des entreprises
ont dépassé le
stade de la
planification et de
l’évaluation de leurs
initiatives de
maintenance
prédictive.
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 14
La réduction de la durée de réparation et des arrêts non planifiés
viennent en tête des objecti fs majeurs. Ce constat est cohérent avec la
perception qu’ont les entreprises de leurs processus de maintenance
actuels, que 90 % d’entre elles ne trouvent pas très efficaces.
L’importance accordée à cet objecti f n’est guère surprenante. Les
arrêts non planifiés peuvent avoir de nombreuses conséquences
néfastes : mauvaises expériences client, retards, pénali tés, voi re
accidents pouvant mener à des procès. Le prolongement de la durée
de v ie des équipements v iei l li ssants figure également parmi les objecti fs
majeurs. Cela s’explique par les coûts élevés auxquels doivent fai re face
les entreprises, en particulier dans certaines régions européennes. I l est
essentiel pour elles d’optimiser le taux d’uti l isation de leurs acti fs et par
conséquent le retour sur investissement. L’aspect suivant, par ordre
d’importance, est l’amélioration de l’expérience client. Dans des
secteurs aussi âprement compétiti fs q ue ceux de la fabrication et du
transport, l’expérience client est un facteur de choix des plus
déterminants. I l est également intéressant de remarquer que presque la
moitié des entreprises interrogées cherchent à s’appuyer sur la
maintenance prédictive pour développer de nouveaux produits et
modèles d’entreprise.
Plusieurs freins au déploiement d’ini tiatives de maintenance prédictive
sont à signaler. L’Europe est un marché particulièrement réglementé en
matière de sécuri té et de protection des données personnelles. La
plupart des entreprises font donc preuve de prudence en citant cet
aspect comme étant l’un des p rincipaux freins. Cela s’explique aussi par
le nombre croissant de cyberattaques, qui sont susceptibles de
provoquer des accidents dans les centres de production. De plus, grâce
à l’adoption croissante de l’IoT, de plus en plus d’apparei ls et de
machines sont connectés, qui sont autant de points d’entrée pour une
cyberattaque. I l faut donc être extrêmement v igi lant avant de relier des
apparei ls ou des machines au réseau, d’autant plus que certains d’entre
eux peuvent rassembler des données client.
Parmi les facteurs qui compliquent les investissements en maintenance
prédictive, i l faut aussi compter un manque de confiance envers les
capacités d’analyse internes des entreprises. C’est une problématique
très importante ; en effet, le déploiement de l’IoT et de la maintenance
prédictive génèrera de nouveaux flux de données qui pourront devenir
diffici les à gérer et à analyser. Les entreprises doivent donc s’assurer
qu’elles disposent de personnel compétent pour gérer ces quanti tés de
données en expansion constante — des collaborateurs qui puissent ti rer
parti de leur portefeui lle de compétences pour dégager des analyses
précieuses. Vient s’ajouter à ce défi la nécessi té de repenser les
pratiques et les processus de maintenance à partir de ces analyses
prédictives, puis d’optimiser la nouvelle chaîne de maintenance. Cela
représente un défi majeur pour presque 70 % des entreprises. Enfin, i l
convient également de mentionner le prix d’achat de solutions
technologiques adaptées, qui est un défi majeur pour deux tiers des
entreprises interrogées, ce qui s’explique par la press ion des coûts qui
s’exerce sur ces entreprises.
PAC recommande une approche structurée pour la mise en œuvre
d’ini tiatives liées à la maintenance prédictive. Avant tout investissement
important en technologie, i l est préférable que les entreprises exploitent
leurs données existantes : données opérationnelles relatives aux
machines et aux produits, calendrier et rapports de maintenance,
historique de maintenance, données sur la condition et l’environnement
La réduction du
temps de
réparation, des
arrêts non planifiés
et le prolongement
de la durée de vie
des équipements
industriels sont des
objectifs majeurs
pour la majorité des
entreprises
interrogées.
83 % des entreprises
vont investir dans la
maintenance
prédictive, et 49 %
d’entre elles ont
déjà réalisé des
investissements dans
ce domaine.
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 15
des acti fs industr iels. La première étape serait de rep érer des moti fs
récurrents et d’essayer d’en prédire les conséquences. L’étape suivante
pourrait être le déploiement de solutions IoT plus avancées, visant à
connecter davantage d’acti fs industriels pour disposer de nouveaux flux
de données qui seront ensuite traités sur une plateforme, afin de pouvoir
bénéficier de prédictions plus fiables. Enfin, la dernière étape pourrait
être de suivre ces données en temps réel et de les traiter en périphérie
du réseau (edge computing) pour disposer d’analyses et de prédictions
le plus rapidement possible. Bien sûr, l’objecti f est de passer d’une
maintenance à intervalles réguliers à une maintenance basée sur des
analyses en temps réel : i l faudra donc repenser les processus en
fonction de ces analyses. Pour révolutionn er leurs processus de
maintenance, les entreprises auront besoin d’être guidées, notamment
à cause de leurs capacités d’analyse internes qui , comme exposé
précédemment, sont insuffi santes pour exploiter correctement les
données nécessaires à la maintenance prédictive. Les entreprises auront
également besoin de fournisseurs pour les aider à repenser leurs
processus de maintenance en fonction d’une analyse prédictive : i l
s’agit en effet du troisième défi majeur selon les entreprises interrogées.
Les fournisseurs sont toutefois nombreux à se partager le marché. Les
marchés liés à l’IoT comptent de nombreux acteurs, notamment les
entreprises de matériel industr iel et informatique, les entreprises de
services informatiques, les éditeurs de logiciels et les four nisseurs de
réseaux et d’infrastructures. Le succès des ini tiatives de maintenance
prédictive dépendra beaucoup des partenaires technologiques choisis
par les entreprises.
Les entreprises ont
principalement
besoin d’aide pour
l’analyse des
données dont elles
disposent, pour
l’installation
d’infrastructures
appropriées et pour
la mise en œuvre de
la solution.
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 16
CONCLUSIONS
Pour les fabricants et les opérateurs de transport européens, les
problèmes principaux en matière de maintenance sont les arrêts
non planifiés et le viei l l issement des infrastructures
informatiques. Les arrêts non planifiés peuvent interrompre les
opérations quotidiennes et avoir des conséquences négatives
sur l’expérience client. Le viei l l issement des infrastructures limite
la croissance et l’adoption de technologies digitales.
La majori té des entreprises considèrent que les processus de
maintenance de leurs équipements, véhicules et produits
industriels ne sont pas très efficaces : cet aspect peut donc être
largement amélioré. Le concept de la maintenance prédictive
peut être uti l isé pour optimiser l’efficacité opérationnelle et la
structure de coûts des processus de maintenance.
En plus de rationaliser les opérations et de réduire les coûts
internes, la maintenance prédictive est un outi l puissant qui
permet d’améliorer l’expérience client et de développer de
nouveaux modèles d’entreprise. Cette approche peut être la
clé de la fidéli sation des clients ai nsi qu’un facteur de
croissance.
P lus de la moitié des entreprises interrogées ont lancé des
programmes pi lotes de maintenance prédictive ; près d’un
quart d’entre elles en reti rent déjà un impact commercial
tangible. I l n’existe aucune différence signif icative entre les
différents pays d’Europe en matière de maturi té d’adoption de
la maintenance prédictive. Au total, p lus de 80 % des entreprises
interrogées prévoient d’investi r dans ce domaine dans les deux
prochaines années.
Cette étude prouve que les investissements en maintenance
prédictive se font principalement à l’ini tiative des acteurs du
cycle de vie du produit : production, services après-vente et
services de développement de produits. Toutefois, afin de
pouvoir tirer parti de ces investissements, les entreprises devront
définir une stratégie claire, qui prenne en compte la
technologie sous-jacente et les collaborations nécessaires.
La motivation principale pour l’adoption de la maintenance
prédictive chez les entreprises européennes est la réduc tion de
la durée de réparation et des arrêts non planifiés, qui ont un
impact direct sur le taux d’uti li sation des acti fs industriels . Parmi
les autres motivations importantes, on compte l’amélioration de
la durée de vie des équipements industriels viei l li ssants, dont le
remplacement nécessi te des investissements en capital
considérables.
L’un des principaux freins à l’adoption de cette technologie, mis
à part les inquiétudes relatives à la sécuri té des données, est le
manque de confiance envers les capa cités d’analyse internes
et les infrastructures sur lesquelles doit s’appuyer la
maintenance prédictive. Les entreprises se tournent donc vers
des fournisseurs, le plus souvent des fournisseurs d’infrastructures
ou des entreprises industr ielles qui proposent des technologies
spécifiques au secteur d’activi té.
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 17
MÉTHODOLOGIE
Cette étude a été consti tuée à parti r d’entretiens avec les responsables
commerciaux et informatiques chargés de la maintenance prédictive
dans 232 entreprises européennes de plus de 1000 collaborateurs
(entreprises de fabrication et opérateurs de transport) au Royaume -Uni ,
en Ir lande, en France, en Allemagne, en I talie, en Espagne, dans les pays
nordiques (Suède, Danemark, Norvège, Finlande) et au Benelux
(Belgique et Pays-Bas). E lle a été réalisée durant la première moitié de
l’année 2018. Voici une analyse détai llée des participants par région, par
secteur et par tai l le (nombre de collaborateurs) :
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 18
COMMANDITAIRE
PRINCIPAL
À PROPOS DE GE DIGITAL
GE Digital est l’entreprise leader de l’Internet Industr iel. Nous réinventons
la construction, l’exploitation et l’entretien des acti fs industriels , en ti rant
parti des données machines pour obtenir des analyses précieuses et les
transformer en résultats opérationnels.
Innovation + Expertise du domaine + Technologies éprouvées
La gamme Predix de GE Digital, qui inclut les applications Predix Asset
Performance Management (APM) et Field Service Management (Predix
ServiceMax) offre aux clients une assistance tout au long du cycle de
vie de leurs acti fs.
Grâce à Predix, la première plateforme de développement
d’applications pour l’Internet Industriel, GE Digital propose aux
entreprises industrielles de fonctionner de manière plus rapide, plus
intell igente et plus efficace, pour entrer dans l’ère de l’industr ie digitale.
Pour plus d’ informations, rendez-vous sur https://www.ge.com/digital
Suivez-nous sur Twitter : @GE_Digital
Contact :
Eli za Ward
Di rectrice M arketing Europe
GE Digi tal Europe
Téléphone : +44 7766 473 983
E-mai l : eli [email protected]
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 19
À PROPOS DE PAC
Pierre Audoin Consultants (PAC), fondé en 1976, fait partie de
CXP Group, une société indépendante de consei l et de recherche,
numéro un en Europe dans les secteurs du logiciel, des services
informatiques et de la transformation digitale.
CXP Group accompagne ses clients pour évaluer, choisi r et optimiser
leurs solutions logicielles, évaluer et chois ir leurs fournisseurs de services
informatiques, et optimiser leurs stratégies d’investissement et
d’approvisionnement. CXP Group aide ainsi les responsables des TIC à
accompli r leur transformation digitale.
CXP Group aide également les fournisseurs de services informatiques et
logiciels à optimiser leurs stratégies et leurs approches de mise sur le
marché, grâce à des analyses quali tatives et q uantitatives ainsi qu’à
des services de consei l. Les organismes et insti tutions publics s’appuient
eux auss i sur nos rapports pour le développement de leurs poli tiques
informatiques.
Fort de ses 40 ans d’expérience et de ses 155 collaborateurs, implanté
dans 8 pays (17 bureaux en tout), CXP Group partage son expertise
chaque année avec plus de 1 500 responsables de TIC et div isions
opérationnelles de grandes entreprises et PME, ainsi qu’à leurs
fournisseurs. CXP Group est divisé en trois enti tés : Le CXP, BARC (Business
Application Research Center) et Pierre Audoin Consultants (PAC).
Pour plus d’ informations, rendez-vous sur : www.pac-online.com
Les actuali tés de PAC : www.pac-online.com/blog
Suivez-nous sur Twitter : @CXPgroup
PAC — CXP Group
15 Bowling Green Lane
EC1R 0BD London
Royaume-Uni
Té léphone : +44 207 251 2810
Fax : +44 207 490 7335
www.pac-online.com
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 20
AVIS DE NON-RESPONSABILITÉ, DROITS
D’UTILISATION, INDÉPENDANCE ET
PROTECTION DES DONNÉES
Cette étude a notamment bénéficié, pour sa création et sa distribution,
du soutien de GE Digital, son commanditai re principal.
Pour plus d’ informations, rendez-vous sur www.pac-online.com.
Avis de non-responsabil ité
La présente étude a été réalisée avec le plus grand soin. Toutefois, nous
déclinons toute responsabi li té en cas d’inexacti tude du contenu. Les
analyses et les évaluations de cette étude reflètent l’état de nos
connaissances en novembre 2017, et sont susceptibles de changer à
tout moment. Cela s’applique en particulier, mais pas exclusivement,
aux prévis ions avancées dans le présent document. Les noms et
désignations uti li sés dans la présente étude peuvent être des marques
déposées.
Cette traduction de l’étude originale en Anglais a été réalisée par GE
Digital sous sa responsabi li té.
Droits d’util isation
La présente étude est protégée par le droit d’auteur. Toute reproduction
ou diffusion à des tiers, même partielle, requiert l’autorisation expresse
préalable de ses commanditaires principaux. La publication ou la
diffusion de tableaux, graphiques, etc. dans d’autres publications
requiert également une autorisation préalable.
Indépendance et protection des données
La présente étude a été réalisée par Pierre Audoin Consultants (PAC).
Ses commanditai res n’ont eu aucune influence sur l’analyse des
données ou la réalisation de l’étude.
Les participants à la présente étude ont reçu l’assurance que les
informations qu’i ls fourni raient seraient traitées en toute confidentiali té.
Aucune des déclarations de la présente ne permet de ti rer quelque
conclusion que ce soit à propos des entreprises individuelles, et aucune
donnée individuelle n’a été transmise aux commanditai res ou à tout
autre tiers. Tous les participants à l’étude ont été choisis au hasard. I l
n’existe aucun lien entre la réalisation de cette étude et le s relations
commerciales entre les participants et les commanditai res de l’étude.
Transformati on digi tal e de l ’ indus tr i e et m aintenance prédictive — CXP Group, 2018 . Tous droi ts déposés . 21