ISO 13374 : Surveillance et diagnostic de l'état des machines – Traitement, communication et présentation des données

Résumé

La norme ISO 13374 est une norme influente dans le monde de l'IoT industriel et des logiciels de surveillance d'état. Elle répond au défi de l'interopérabilité entre différents systèmes de surveillance, capteurs et plateformes logicielles. Plutôt que de définir des techniques de mesure, elle spécifie une architecture standardisée et ouverte pour le traitement, le stockage et l'échange des données de surveillance d'état. Souvent appelée architecture MIMOSA (Machinery Information Management Open Systems Alliance), elle s'appuie sur cette architecture. L'objectif est de créer un environnement prêt à l'emploi pour les technologies de surveillance d'état.

Table des matières (structure conceptuelle)

La norme est divisée en plusieurs parties et définit une architecture d'information en couches. Son cœur est un schéma fonctionnel comportant six couches clés représentant le flux de données dans tout système de surveillance d'état :

1. 1. DA : Bloc d'acquisition de données :

   Il s'agit de la couche fondamentale, servant de passerelle entre la machine physique et le système de surveillance numérique. La fonction principale du bloc DA est d'assurer l'interface directe avec des capteurs, tels que accéléromètres, sondes de proximité, capteurs de température ou transducteurs de pression, et d'acquérir les signaux analogiques ou numériques bruts et non traités qu'ils produisent. Ce bloc est responsable de toutes les interactions matérielles de bas niveau, notamment l'alimentation des capteurs (par exemple, l'alimentation IEPE pour les accéléromètres), le conditionnement du signal (amplification et filtrage pour éliminer le bruit indésirable), et l'exécution de la conversion analogique-numérique (CAN). La sortie du bloc DA est un flux numérisé de données brutes, généralement un forme d'onde temporelle, qui est ensuite transmis à la couche suivante de l’architecture pour traitement.

2. 2. DP : Bloc de traitement des données :

   Ce bloc est le moteur de calcul du système de surveillance. Il reçoit le flux de données brutes et numérisées (par exemple, la forme d'onde temporelle) du bloc d'acquisition de données (DA) et le transforme en types de données plus pertinents, adaptés à l'analyse. La fonction principale du bloc DP est d'effectuer des calculs de traitement de signal standardisés. Cela inclut notamment l'exécution des Transformée de Fourier rapide (FFT) pour convertir le signal du domaine temporel en un signal du domaine fréquentiel spectre. D'autres tâches de traitement clés définies dans ce bloc incluent le calcul de mesures à large bande comme la performance globale RMS valeurs, effectuer une intégration numérique pour convertir les signaux d'accélération en vitesse ou en déplacement, et exécuter des processus plus avancés et spécialisés comme démodulation ou analyse d'enveloppe pour détecter les signaux d'impact à haute fréquence révélateurs associés aux défauts des roulements à éléments roulants.

3. 3. DM : Bloc de manipulation de données (détection d'état) :

   Ce bloc marque la transition critique entre le traitement des données et l'analyse automatisée. Il extrait les données traitées du bloc DP (telles que les valeurs efficaces, les amplitudes de fréquence spécifiques ou les bandes spectrales) et applique des règles logiques pour déterminer l'état de fonctionnement de la machine. C'est là qu'intervient la « détection » initiale d'un problème. La fonction principale du bloc DM est d'effectuer la vérification des seuils. Il compare les valeurs mesurées à des seuils d'alarme prédéfinis, tels que les limites de zone définies dans ISO 10816 ou des variations en pourcentage définies par l'utilisateur par rapport à une ligne de base. Sur la base de ces comparaisons, le bloc DM attribue un « état » discret aux données, tel que « Normal », « Acceptable », « Alerte » ou « Danger ». Ce résultat n'est plus de simples données ; il s'agit d'informations exploitables qui peuvent être transmises au niveau supérieur pour diagnostic ou utilisées pour déclencher des notifications immédiates.

4. 4. HA : Bloc d'évaluation de la santé :

   Ce bloc fonctionne comme le cerveau du système de diagnostic et répond à la question « Quel est le problème ? ». Il reçoit les informations d'état (par exemple, un statut « Alerte ») du bloc de manipulation des données (DM) et applique une couche d'intelligence analytique pour déterminer la cause profonde de l'anomalie. C'est là qu'intervient la logique de diagnostic, qui peut aller de simples systèmes basés sur des règles à des algorithmes complexes d'intelligence artificielle. Par exemple, si le bloc DM signale une alerte pour de fortes vibrations à une fréquence exactement deux fois supérieure à la vitesse de rotation de l'arbre (2X), la logique basée sur des règles du bloc HA corrèle ce schéma avec un défaut spécifique et génère un diagnostic d'« Arbre probable ». Désalignement.” De même, si l'alerte se trouve sur un pic non synchrone à haute fréquence avec des bandes latérales caractéristiques, le bloc HA diagnostiquerait un «Défaut de roulement.” La sortie de ce bloc est une évaluation de santé spécifique pour le composant de la machine.

5. 5. PA : Bloc d'évaluation pronostique :

   Ce bloc représente le summum de la maintenance prédictive et vise à répondre à la question cruciale : « Combien de temps encore le système peut-il fonctionner en toute sécurité ? » Il utilise le diagnostic de défaut spécifique du bloc Évaluation de l'état de santé (HA) et le combine avec les données de tendance historiques pour prévoir l'évolution future du défaut. Il s'agit de la couche la plus complexe, qui fait souvent appel à des algorithmes sophistiqués, des modèles d'apprentissage automatique ou des modèles de physique des défaillances. L'objectif est d'extrapoler le taux de dégradation actuel afin d'estimer la durée de vie utile restante (DVR) du composant. Par exemple, si le bloc HA identifie un défaut de roulement, le bloc PA analyse la vitesse d'augmentation de la fréquence des défauts au cours des derniers mois afin de prédire quand ils atteindront un niveau de défaillance critique. Le résultat n'est pas un simple diagnostic, mais un calendrier d'action concret.

6. 6. AP : Bloc de présentation consultative :

   Il s'agit de la couche finale, la plus critique du point de vue de l'utilisateur, car elle traduit toutes les données et analyses sous-jacentes en informations exploitables. Le bloc AP est chargé de communiquer les conclusions des couches inférieures aux opérateurs, aux ingénieurs fiabilité et aux planificateurs de maintenance. Sa fonction principale est de présenter la bonne information à la bonne personne et au bon format. Cela peut prendre de nombreuses formes, notamment des tableaux de bord intuitifs avec des indicateurs d'état de fonctionnement à code couleur, des alertes automatiques par e-mail ou SMS, des rapports de diagnostic détaillés avec des tracés spectraux et de formes d'onde, et surtout, des recommandations de maintenance précises et claires. Un bloc AP efficace ne se contente pas de signaler un défaut sur un roulement ; il fournit un avis complet, tel que : « Défaut de bague intérieure détecté sur le roulement extérieur du moteur. Durée de vie utile restante estimée à 45 jours. Recommandation : Prévoir le remplacement du roulement lors du prochain arrêt planifié. »

Concepts clés

• Interopérabilité : C'est l'objectif principal de la norme ISO 13374. En définissant un cadre et un modèle de données communs, elle permet à une entreprise d'utiliser des capteurs du fournisseur A, un système d'acquisition de données du fournisseur B et un logiciel d'analyse du fournisseur C, et de les faire fonctionner ensemble.
• Architecture ouverte : La norme encourage l’utilisation de protocoles et de formats de données ouverts et non propriétaires, évitant ainsi le verrouillage d’un fournisseur et favorisant l’innovation dans le secteur de la surveillance de l’état.
• MIMOSA: La norme s'appuie largement sur les travaux de l'organisation MIMOSA. La compréhension du C-COM (Common Conceptual Object Model) de MIMOSA est essentielle pour comprendre la mise en œuvre détaillée de la norme ISO 13374.
• Des données aux décisions : Le modèle à six blocs fournit un chemin logique depuis les mesures brutes des capteurs (acquisition de données) jusqu'aux conseils de maintenance exploitables (présentation consultative), formant ainsi l'épine dorsale numérique d'un programme de maintenance prédictive moderne.

← Retour à l'index principal