Comprendre la détection des défauts
Détection de défauts consiste à détecter la présence d'un défaut ou d'une anomalie dans une machine en analysant les paramètres surveillés — le plus souvent Vibrations, mais aussi la température, les indicateurs de performance, les résidus d'huile ou les signaux acoustiques. Il répond à une seule question binaire — « Y a-t-il un problème ? » — avant que l'analyste ne passe à diagnostic (en précisant la nature exacte du problème) et pronostic (pour estimer la durée de vie restante de la machine). En tant que première étape, et la plus fondamentale, dans maintenance conditionnelle, cela permet de distinguer clairement les états sains, ceux en voie de détérioration et les états défaillants, de sorte que chaque étape suivante ait une raison d'être.
L'intérêt de bien faire les choses réside dans le délai de réaction. Une détection efficace des défaillances permet de donner l'alerte plusieurs mois avant une panne fonctionnelle, ce qui laisse le temps nécessaire pour planifier la maintenance, se procurer les pièces de rechange et programmer les arrêts de production — c'est là l'engagement fondamental de tout maintenance prédictive programme. Si vous détectez les problèmes trop tard, vous retombez dans une logique réactive, avec des réparations après défaillance ; si vous détectez les problèmes trop précipitamment, vous vous retrouvez submergé par les fausses alertes. Tout l'art consiste à trouver le juste équilibre, et les sections ci-dessous expliquent comment y parvenir dans la pratique.
1. Les cinq principales méthodes de détection
Il n'existe pas de technique unique qui convienne à toutes les machines ou à tous les dysfonctionnements. Les programmes éprouvés combinent plusieurs méthodes, chacune ayant ses propres atouts et ses propres exigences en matière de données.
Dépassement du seuil
L'approche la plus simple et la plus couramment utilisée consiste à comparer une mesure à une valeur prédéfinie seuil: si la valeur dépasse la limite, une anomalie est signalée. En règle générale, un niveau de vibration global supérieur à environ 7,1 mm/s RMS déclenche une alerte, seuil tiré directement de tableaux de sévérité tels que ISO 20816-1 (la norme qui a succédé à l'ISO 10816). De nombreux programmes répartissent ces limites en alarme, avertissement, et voyage niveaux.
- Avantages : facile à automatiser, critères de réussite ou d'échec clairs, facile à expliquer à des non-spécialistes.
- Limites: le seuil doit être correctement défini, et le défaut doit atteindre une ampleur suffisante pour le franchir — ce qui entraîne un décalage et peut laisser passer des défauts qui produisent des signatures faibles mais caractéristiques.
Écart de tendance
Plutôt que d'attendre une limite absolue, cette méthode surveille la forme de la s'orienter en soi. Une augmentation constante — ou, plus révélateur encore, un changement soudain dans le taux de la courbe de montée — permet de détecter une défaillance naissante bien avant qu'un seuil défini ne soit atteint. Comme la référence est l'historique de la machine elle-même, cette technique est intrinsèquement spécifique à chaque machine et permet de détecter les problèmes à un stade précoce. Sa seule véritable exigence est un ensemble de données de référence par rapport à laquelle on peut évaluer tout écart.
Détection d'anomalies spectrales
Analyse de la fréquence spectre révèle non seulement que quelque chose a changé, mais quoi. Nouveaux sommets à fréquences de défaut des roulements, les pics existants augmentant amplitude, ou l'émergence de bandes latérales et harmoniques chaque point correspond à un type de défaut spécifique. Cette précision constitue son grand avantage, même si elle nécessite de véritables capacités d'analyse spectrale ainsi qu'un ensemble de spectres de référence fiables à des fins de comparaison.
Méthodes statistiques
Les méthodes statistiques signalent les valeurs qui s'écartent de la distribution normale caractéristique d'un fonctionnement normal — par exemple, toute mesure supérieure à la moyenne plus trois écarts-types, ou tout dépassement des limites d'un diagramme de contrôle. En tenant compte de la dispersion inhérente aux mesures réelles, ces méthodes réduisent les fausses alarmes, mais elles nécessitent un échantillon de taille suffisante pour définir de manière fiable ce qui est « normal ».
Reconnaissance de formes et apprentissage automatique
Le niveau le plus sophistiqué entraîne des algorithmes — notamment des réseaux neuronaux — sur des signatures saines par opposition aux signatures défectueuses, permettant ainsi la détection automatisée de schémas subtils que les règles fixes ne parviennent pas à repérer. En contrepartie, cela nécessite un volume important de données d'apprentissage étiquetées ainsi que les ressources informatiques nécessaires pour faire fonctionner ces modèles.
2. Évaluation des performances de détection
La qualité d'un système de détection dépend de son taux de détection et de son taux de fausses alertes. Quatre indicateurs, issus de la théorie de la classification, permettent de quantifier ses performances.
- Sensibilité (taux de vrais positifs) : la proportion de défauts réels effectivement détectés — Vrais positifs / (Vrais positifs + Faux négatifs). Un programme bien réglé vise un taux supérieur à 90-95 % ; une sensibilité plus élevée signifie moins de défauts non détectés.
- Spécificité (taux de vrais négatifs) : la proportion de machines saines correctement identifiées comme telles — Vrais négatifs / (Vrais négatifs + Faux positifs). Là encore, l'objectif est de 90 à 95 % ; une spécificité plus élevée signifie moins de fausses alertes.
- Taux de fausses alertes : la proportion d'alertes qui s'avèrent sans fondement, qu'il faudrait idéalement maintenir en dessous de 5 à 10 %. Un taux élevé engendre fatigue de l'alarme, cette érosion progressive de la confiance qui pousse les techniciens à ignorer les avertissements — et cela se fait au détriment direct de la sensibilité.
- Délai de détection : le délai entre la première détection et la défaillance fonctionnelle. Plus ce délai est long, mieux c'est, car cela laisse plus de temps pour s'organiser. Pour les défaillances de roulements détectées grâce aux vibrations, ce délai est généralement de quelques semaines à plusieurs mois, et la méthode utilisée a son importance : analyse d'enveloppe détecte systématiquement les premiers signes de détérioration des roulements bien plus tôt que la surveillance globale seule.
3. Difficultés pratiques
Dans la réalité, les machines se comportent rarement de manière aussi régulière que dans les manuels, et trois situations viennent régulièrement compliquer la détection.
- Équilibre entre détection précoce et fausses alertes : Si l'on cherche à déclencher une alerte le plus tôt possible, on risque inévitablement de provoquer de fausses alertes, tandis qu'attendre un signal incontestable fait perdre un temps précieux. La solution habituelle consiste à mettre en place un système d'alerte à plusieurs niveaux et à recouper les données de plusieurs paramètres avant de prendre une décision.
- Défauts intermittents : Les problèmes qui apparaissent et disparaissent peuvent rester en dessous du seuil lors d'une mesure périodique de tournée. Pour les détecter, il faut surveillance continue ou un maintien de la crête un enregistrement qui préserve le pire moment.
- Plusieurs défauts simultanés : Lorsque plusieurs défauts apparaissent simultanément, ils peuvent se masquer mutuellement dans le signal vibratoire ; il est donc nécessaire de recourir à une analyse approfondie et multiméthode pour les distinguer.
4. Vérification des défauts à l'aide de plusieurs paramètres
Le recoupement de deux indicateurs indépendants ou plus permet de réduire considérablement les fausses alertes, car un véritable défaut a tendance à se manifester à plusieurs endroits à la fois.
- Vibrations et température combinées : Le fait que les deux montent confirme un problème de roulement ; les vibrations seules indiquent une cause mécanique telle que déséquilibrer ou désalignement; la température à elle seule laisse supposer un problème de lubrification ou de frottement.
- Plusieurs paramètres de vibration : Une augmentation générale, associée à l'apparition d'une fréquence caractéristique du roulement, permet de confirmer la présence d'un défaut au niveau du roulement avec bien plus de certitude que l'un ou l'autre de ces symptômes pris isolément.
5. Détection automatisée, manuelle et hybride
La détection peut être effectuée par un logiciel, par un expert ou, mieux encore, par les deux travaillant de concert.
- Détection automatique est rapide, fiable et fonctionne 24 heures sur 24, en s'appuyant sur des contrôles de seuil, des algorithmes statistiques et l'apprentissage automatique. Son inconvénient est qu'il peut passer à côté de problèmes subtils et parfois se déclencher en raison de bruits parasites.
- Détection manuelle (par un expert) apporte le jugement humain, la prise en compte du contexte et la reconnaissance de schémas acquise par la formation à l'analyse du spectre et à l'inspection des formes d'onde. Ce processus est toutefois chronophage, difficile à mettre à l'échelle et dépend d'une expertise rare — celle certifiée dans le cadre de ISO 18436-2.
- L'approche hybride — un contrôle automatisé de l'ensemble de la flotte, assorti d'un examen par des experts des exceptions signalées — allie efficacité et précision et constitue la norme dans les programmes bien établis.
Où utiliser les instruments de terrain
Dès qu'un outil de dépistage signale un problème, la prochaine étape consiste généralement à effectuer une mesure plus approfondie au niveau de la machine. Un analyseur portable à deux canaux tel que le Balanset-1A permet à un technicien de se rendre près de la machine suspecte, de capturer un spectre haute résolution et forme d'onde temporelle, et vérifier si l'alarme signale un véritable défaut — et si ce défaut est un balourd, le corriger immédiatement en équilibrage sur place sans démonter la machine. Ce cycle serré, de la détection à la confirmation puis à la correction, est précisément ce qu’un programme hybride est conçu pour offrir.
La détection des défaillances est la capacité fondamentale qui rend possible la maintenance prédictive, en identifiant les problèmes naissants suffisamment tôt pour pouvoir s'y préparer. Lorsqu'elle est bien menée — grâce à une combinaison judicieuse de méthodes de détection, à des seuils définis avec soin et à un équilibre mûrement réfléchi entre sensibilité et spécificité —, elle fournit les alertes précoces qui permettent de maintenir les équipements en état de fonctionnement tout en réduisant à la fois les coûts de maintenance et le risque de défaillance catastrophique.
