Référence client

IoT & Data Science : Maintenance prédictive des régulateurs

Pierre ROUSSET

Experte Qualité gaz

Contexte & Enjeu

Anticiper les dérives des régulateurs de pression pour éviter interventions inutiles… ou trop tardives

Les régulateurs de pression sont des équipements critiques du réseau, soumis à des sollicitations variables. La maintenance préventive, souvent basée sur des périodicités fixes, peut conduire à des interventions inutiles ou à une détection tardive de dérives.
L’enjeu du projet est de développer une approche de maintenance prédictive fondée sur la mesure en continu (capteurs IoT) et l’analyse de données, afin de
détecter les tendances / signaux faibles et mieux planifier les actions terrain (sécurité, coûts, durabilité).

Passer d’une maintenance calendaire à une maintenance “pilotée par la donnée”, capable d’identifier des signaux faibles et de prioriser les actions terrain

Pierre Yves ROUSSET
Experte Qualité gaz

Intervention Natran R&I

Ce que nous avons fait

NaTran R&I a structuré la démarche de bout en bout : instrumentation, chaîne de traitement, algorithmes et intégration aux usages maintenance.

Data science appliquée à des systèmes physiques

Développement d’algorithmes de détection de dérive à partir de l’historique de fonctionnement

Instrumentation IoT, capteurs & métrologie

Structuration des bases de données IoT et mise en place d’une chaîne de traitement automatique

Connaissance terrain des régulateurs / conditions d’exploitation

Validation technique des capteurs en conditions représentatives

Modélisation du comportement dynamique

Approche “jumeau numérique” : modéliser le comportement attendu et comparer au réel

Instrumentation IoT, capteurs & métrologie

Essais en laboratoire : test nominal et dégradations volontaires sur banc (plateforme IoT / banc d’essais)

Cybersécurité des données et intégration “seamless” aux processus existants

Préparation à l’intégration des résultats dans les outils métiers maintenance

Résultats concrets

Moins d’interventions inutiles, plus d’anticipation, et une meilleure priorisation des actions terrain

Le projet a démontré la capacité à détecter des tendances et signaux faibles annonciateurs de dérive, et à organiser la maintenance autour de données terrain. Les résultats mettent en évidence un potentiel d’optimisation substantiel des interventions préventives et de la disponibilité des installations.

Réduction des interventions préventives inutiles

–20 % à –30 %

Capacité démontrée

Détection de dérives (signaux faibles)

Organisation maintenance

Priorisation améliorée

Durabilité

Moins de gaspillage matériel

Valeur pour les clients

Cette démarche permet :

De gagner en sécurité en anticipant les dérives d’équipements critiques,
De réduire les coûts et le temps d’intervention en ciblant le “juste nécessaire
De soulager les équipes d’exploitation via une meilleure planification / priorisation
De renforcer la durabilité (réduction d’interventions inutiles et de gaspillage matériel)
De capitaliser et réutiliser les données (autonomisation des équipes data / data lab)