Digitaliser sa maintenance : GMAO, données et IA

Positionnement individuel — 1 heure en amont

Entretien avec le formateur pour identifier les acquis, les responsabilités du participant, les caractéristiques du parc d'équipements et le niveau de maturité digitale du service maintenance.

Les exercices et études de cas sont adaptés au contexte professionnel du participant.

Jour 1 — Structurer et exploiter les données avec une GMAO

Comprendre les enjeux de la digitalisation maintenance

* Identifier les bénéfices attendus : traçabilité, efficacité, disponibilité, fiabilité et maîtrise des coûts.
* Comprendre les différents niveaux de maturité digitale d'un service maintenance.
* Identifier les limites d'une organisation reposant sur les tableurs, les documents papier et les échanges informels.
* Distinguer digitalisation des processus et transformation des pratiques opérationnelles.
* Identifier les principales familles de solutions digitales utilisées en maintenance.
* Définir les prérequis organisationnels et humains à une digitalisation réussie.

Comprendre le fonctionnement et les fonctionnalités d'une GMAO

* Comprendre les principales fonctionnalités : gestion des actifs, demandes d'intervention, ordres de travail, préventif, stocks et achats.
* Structurer le cycle de vie d'une intervention dans une GMAO.
* Organiser la préparation, la planification et la clôture des travaux.
* Comprendre la gestion des ressources et des prestataires.
* Identifier les possibilités de mobilité : tablettes, smartphones, QR codes et saisie terrain.
* Comprendre les interfaces possibles avec les ERP et les autres systèmes industriels.

Structurer et fiabiliser les données de maintenance

* Définir une arborescence fonctionnelle et géographique des équipements.
* Identifier les données de référence nécessaires : équipements, localisations, caractéristiques et nomenclatures.
* Structurer les gammes et les plans de maintenance préventive.
* Définir les codifications des interventions, pannes, causes et actions.
* Standardiser les comptes rendus d'intervention.
* Organiser la gestion des documents techniques.
* Comprendre les conséquences d'une mauvaise qualité des données sur les analyses et les décisions.

Exploiter les données pour améliorer le pilotage

* Identifier les données nécessaires au calcul des indicateurs maintenance.
* Extraire et consolider les historiques d'interventions.
* Analyser les récurrences de pannes et les principales sources de pertes.
* Identifier les possibilités d'automatisation du reporting.
* Définir les règles de contrôle et de validation des indicateurs.

Choisir et déployer une GMAO

* Construire les grandes lignes d'un cahier des charges GMAO.
* Comparer les solutions selon les fonctionnalités, l'ergonomie, l'intégration et les coûts.
* Préparer la reprise et la migration des données existantes.
* Organiser le paramétrage, les tests et le déploiement.
* Définir les rôles des utilisateurs et les besoins de formation.
* Identifier les facteurs clés de réussite et les erreurs fréquentes.

Mise en pratique : construction d'une arborescence équipements, définition des données de référence et formalisation d'un processus digitalisé de gestion des interventions. Élaboration d'une première grille de besoins fonctionnels GMAO.

Jour 2 — Maintenance connectée, intelligence artificielle et transformation digitale

Comprendre l'architecture de la maintenance connectée

* Identifier les principales sources de données des équipements industriels.
* Comprendre le rôle des capteurs, automates, systèmes de supervision et passerelles IoT.
* Distinguer les environnements IT et OT et leurs interactions.
* Comprendre les principes de collecte des données de fonctionnement.
* Identifier les possibilités de connexion entre supervision, plateformes de données et GMAO.
* Comprendre les enjeux de cybersécurité, de disponibilité des systèmes et de gouvernance des données.

Déployer la surveillance conditionnelle et la maintenance prévisionnelle

* Identifier les paramètres représentatifs de l'état de santé des équipements.
* Comprendre les principes de surveillance vibratoire, thermique, électrique et acoustique.
* Définir les seuils d'alerte et les règles de surveillance.
* Comprendre les principes de détection d'anomalies et de dérives.
* Découvrir les modèles de prédiction des défaillances et d'estimation de durée de vie résiduelle.
* Identifier les conditions nécessaires à l'exploitation des données : historique, fréquence, qualité et contexte opérationnel.
* Évaluer les limites techniques et économiques des solutions prédictives.

Identifier les applications concrètes de l'intelligence artificielle

* Distinguer automatisation, analyse statistique, machine learning et IA générative.
* Identifier les cas d'usage pertinents pour les équipes maintenance.
* Analyser les historiques d'interventions et détecter les pannes récurrentes.
* Faciliter la classification et la recherche dans les comptes rendus techniques.
* Utiliser l'IA générative pour assister la rédaction de procédures, gammes et comptes rendus.
* Comprendre les principes d'un assistant technique exploitant une base documentaire maintenance.
* Découvrir les applications d'aide au diagnostic et à la recherche de causes probables.
* Évaluer les risques liés aux erreurs, aux données confidentielles et à la fiabilité des réponses.
* Définir les règles de validation humaine des recommandations produites par l'IA.

Comprendre les perspectives du jumeau numérique

* Définir les principes d'un jumeau numérique d'équipement ou d'installation.
* Distinguer représentation numérique, simulation et jumeau connecté aux données réelles.
* Comprendre les possibilités de suivi de l'état des équipements et de simulation de scénarios.
* Identifier les applications potentielles pour la maintenance et la gestion du cycle de vie des actifs.
* Comprendre les limites et les conditions de pertinence de ces solutions.

Construire une feuille de route de digitalisation maintenance

* Évaluer la maturité digitale de l'organisation maintenance.
* Prioriser les cas d'usage selon leur valeur, leur faisabilité et la disponibilité des données.
* Définir les étapes de structuration des données et des processus.
* Construire les principes d'un business case : coûts, gains attendus et risques.
* Organiser un pilote sur un équipement ou un périmètre limité.
* Définir les indicateurs de réussite et les conditions de généralisation.
* Accompagner le changement et l'appropriation des outils par les équipes.

Mise en pratique finale : diagnostic de maturité digitale d'un service maintenance, sélection de cas d'usage GMAO, IoT et IA, puis construction d'une feuille de route de transformation à 12 mois.

Évaluation des acquis

* Exercices de structuration des données de maintenance.
* Analyse d'un processus de gestion des interventions dans une GMAO.
* Étude de cas de maintenance connectée.
* Identification et évaluation de cas d'usage de l'intelligence artificielle.
* Diagnostic de maturité digitale.
* Présentation et évaluation d'une feuille de route de digitalisation maintenance.
* Bilan individuel des acquis avec le formateur.