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 za.ward@ge.com

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

info-uk@pac-online.com

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