Jusqu'à la fin du XXe siècle, ces arrêts de travail étaient un mal nécessaire. Les machines devaient être arrêtées. Les pièces devaient être remplacées à des intervalles prédéterminés. Sans cette maintenance, une défaillance catastrophique de l'équipement pouvait finir par coûter encore plus de temps et d'argent à votre entreprise. Ces intervalles de remplacement des pièces étaient basés sur des estimations prudentes du nombre de révolutions qu'une pale de ventilateur devait pouvoir supporter ou de la durée de vie d'un roulement.
Le plus gros problème de ce modèle de maintenance est l'estimation du temps ou de l'usure qu'une pièce peut supporter avant de devoir être remplacée. Les conditions environnementales telles que l'humidité, la température de l'air, les particules présentes dans l'air, et bien d'autres encore, peuvent modifier radicalement le degré d'usure d'une pièce donnée. D'où la nécessité d'estimations très prudentes quant au moment où les pièces doivent être remplacées.
Aujourd'hui, une approche continue ou en ligne est utilisée pour surveiller les conditions des machines. La surveillance à distance est également possible en connectant un capteur IoT à un logiciel de maintenance. La première étape de la pratique de la maintenance prédictive consiste alors à établir des lignes de base. Vous devez surveiller les bases conditionnelles des actifs et collecter des données avant d'installer des capteurs.
Ainsi, lorsque vous commencez à recueillir des données conditionnelles, vous disposez d'un "contrôle" auquel comparer toute anomalie. À partir de là, c'est simple : chaque fois qu'une pièce d'équipement fonctionne en dehors des paramètres normaux, les capteurs déclenchent votre protocole de maintenance prédictive. En général, un ordre de travail est généré dans votre outil d'analyse et attribué aux techniciens afin qu'ils puissent effectuer les réparations nécessaires pour remédier à l'anomalie.
