Le document présente une solution de maintenance prédictive intégrant l'IoT et le machine learning, visant à anticiper les défaillances et réduire les coûts opérationnels. La solution proposée est un système compact basé sur Azure Machine Learning, permettant la surveillance en temps réel et la notification des équipes de maintenance. Malgré le potentiel de cette technologie dans l'industrie 4.0, les solutions actuelles demeurent coûteuses et peu adaptées au marché africain.

1. Larbi OUIYZME1

2. Predictive maintenance
solution with IoT and machine
learning
IoT-Challenge May, 4 2017, ENSIAS – Rabat.
Larbi OUIYZME2

3. Maintenance :
Ensemble de toutes les actions techniques, administratives
et de management durant le cycle de vie d'un bien,
destinées à le maintenir ou à le rétablir dans un état dans
lequel il peut accomplir la fonction requise.
NF EN 13306 X 60-319
IoT-Challenge May, 4 2017, ENSIAS – Rabat.
Larbi OUIYZME3

4. Types of maintenance :
Corrective maintenance (CM)
Preventive maintenance (PM)
Predictive maintenance (PdM)
IoT-Challenge May, 4 2017, ENSIAS – Rabat.
Larbi OUIYZME4

5. IoT-Challenge May, 4 2017, ENSIAS – Rabat
Larbi OUIYZME5
Maintenance Strategies Methods Drawbacks
CM No planning is needed Failure is unpredictable
Increase down-time
High cost
Can affect quality of production
PM Time-based planning
Parts replaced before end of life
Increases cost
More investment
PdM Condition monitoring
Problem with components can be
identified prior to failure
Short-term investment is required
to purchase a predictive solution
Need machine learning
Need qualified team
Need a Data Scientist’s

6. Besoin du monde industriel :
- Anticiper les defaillances
- Reduction des couts des operations de maintenances
- Reduction du stock des pieces de rechanges et couts associés
IoT-Challenge May, 4 2017, ENSIAS – Rabat.
Larbi OUIYZME6

7. Solutions du marché:
Actuellement, la maintenance predictive est une tendance dans
Industry 4.0 et Smart Factory ; Plusieurs constructeurs de
l’automatisme industriel proposent deja des solutions autour de
SCADA, PLC et HMI, IoT et parfois integration dans l’ERP comme SAP
Malheureusement les solutions sont encore couteuses et non
adaptées au marché local et Africain.
IoT-Challenge May, 4 2017, ENSIAS – Rabat.
Larbi OUIYZME7

8. Solutions proposée:
Notre solution est un système embarqué compact à faible coût
assemblé dans un boitier DIN-Rail sans ventilateur selon le besoin
spécifique du client et qui accédera à de multiples données des
capteurs IoT en temps réel qui seront traitées par Azure Machine
Learning (ML) de Microsoft qui est un service cloud computing de
Microsoft en évolution accessible par abonnement
la solution complète permet de notifier : équipe de maintenance
pour l’intervention et les supply chain pour achat et livraison pièces
de rechanges via messagerie : Outlook ,O365, Mobile, Call center
IoT-Challenge May, 4 2017, ENSIAS – Rabat.
Larbi OUIYZME8

9. IoT-Challenge May, 4 2017, ENSIAS – Rabat.
Larbi OUIYZME9

10. IoT-Challenge May, 4 2017, ENSIAS – Rabat.
Larbi OUIYZME10

11. IoT-Challenge May, 4 2017, ENSIAS – Rabat.
Larbi OUIYZME11

12. Avantage de la solutions proposée:
Economique :
- aucun investissement préalable dans une solution de prédiction
- Adapter les capteurs existent en fonction du connectivité et
protocoles
Sécurité :
- Solution à base de Azure ML est mieux sure que celle à base de
SCADA
IoT-Challenge May, 4 2017, ENSIAS – Rabat.
Larbi OUIYZME12

13. IoT-Challenge May, 4 2017, ENSIAS – Rabat.
Larbi OUIYZME13

14. IoT-Challenge May, 4 2017, ENSIAS – Rabat.
Larbi OUIYZME14

15. Thank you for your attention
Larbi OUIYZME15

16. Union Telecom helps customers to develop and integrate all the
software layers from the hardware to the cloud.
For further information :
Please contact
larbi.ouiyzme@uniontelecom.ma
www.uniontelecom.ma
Larbi OUIYZME16

17. Union Telecom, Embedded System Integrator
Larbi OUIYZME17

18. LinkedIn Bibliography : article published on November 22, 2016
La maintenance prédictive avec Microsoft Azure
https://goo.gl/2Xtylo
Larbi OUIYZME18