Le secteur agroalimentaire est particulièrement exigeant et impose à son industrie de fortes contraintes de traçabilité, d’hygiène, de qualité et de sécurité.

Dans un secteur comme celui-ci, qui ne laisse pas de place à l’erreur, le bon déroulement d’un procédé de transformation nécessite un contrôle permanent tout au long du processus. C’est pour cela que l’essor des capteurs à moindre coût et de l’intelligence des objets, dans une optique d’automatisation et de fiabilisation de ce contrôle, représente un enjeu fort pour cette industrie.

Cependant les capteurs en industrie agroalimentaire ne sont pas seulement au service du process, mais de plus en plus destinés à optimiser la production ( en réduisant au maximum les coûts superflus lié au fonctionnement de l’usine) dans un secteur encore en retard dans ce domaine.
Ainsi au CFIA 2017 (Carrefour des Fournisseurs de l’Industrie Agroalimentaire), qui présente chaque année son usine du futur, les sociétés OET, RF Track, EMA, et Acsystème, se sont associées pour présenter un système de maintenance prédictive.

Ils ont ainsi exposé un préhenseur équipé de capteurs, d’une part virtuels, destinés au contrôle de la dégradation d’une connexion d’air comprimé et qui renvoyaient des données relatives au temps de réaction des mouvements d’ouverture et de fermeture du préhenseur, et d’autres part physiques, relevant les vibrations de la machine par radiofréquence.

Ces capteurs étaient liés par un réseau sans fil bas débit (LoRa) à un logiciel de traitement de données qui compare les informations enregistrées en « temps réel » avec des données de références de bon fonctionnement de la machine. Le logiciel en déduit un état de fonctionnement global du robot, évalue les risques de défaillance et les restitue de manière simplifié.

La maintenance prédictive permet donc de :

• prédire les défaillances avant qu’elles ne surviennent et donc d’empêcher les pannes intempestives
• diminuer les coûts/temps de maintenance et d’infrastructure
  • en précisant l’origine de la défaillance
  • en évitant  le remplacement systématique des pièces
• optimiser la durée de vie des équipements
• planifier les opérations d’entretien et de réparation avec une avance conséquente
  • de s’assurer de la disponibilité des pièces de rechange
  • de réaliser l’arrêt de maintenance au meilleur moment

La maintenance prédictive nécessite cependant des données de fonctionnement normal pour chaque paramètre contrôlé de chaque modèle de machine que l’on souhaite équiper. Ces capteurs seront donc sûrement présents directement sur les machines à la vente.

Les économies liés à la maintenance prédictive sont chiffrées à 24,7 milliards d’euro en 2019 d’après ABI Research et devrait concerner une majeure partie de l’ensemble du paysage industrielle et de l’agriculture.

Sources :

¹ https://www.oet.fr/fr/maintenance-predictive-et-intelligence-artificielle

² http://www.acsysteme.com/fr/maintenance-predictive

³ http://www.acsysteme.com/uploads/images/files/presse/RIA%20AVRIL%202017%20-%20N%C2%B0788%20-%20OET%20mise%20sur%20la%20maintenance%20pr%C3%A9dictive.pdf

⁴ https://www.sicara.com/maintenance-predictive/?gclid=EAIaIQobChMIjtfBlOqC2AIVmoKyCh1NYQRlEAAYASAAEgKQSvD_Bw

⁵ http://www.jautomatise.com/articles_de_la_revue/cfia-2017-secteur-agroalimentaire-pointe-des-technologies

⁶ http://www.pole-valorial.fr/52/divers/actus-agenda-valorial/article/l-usine-du-futur-sera-predictive

Sociétés :

http://www.acsysteme.com/fr/

https://www.oet.fr/

http://www.rf-track.com/fr/

http://www.ema.bzh/