La disponibilité des chambres et des salles d’opération dans les hôpitaux est un problème extrêmement critique aujourd’hui, surtout avec la crise sanitaire actuelle. En effet, un bloc opératoire indisponible entraîne le report d’opérations chirurgicales, ce qui diminue la qualité des services hospitaliers et cause de sérieux désagréments aux patients. La devise étant « le patient d’abord », il est nécessaire de travailler sur cet enjeu afin d’offrir une meilleure expérience aux patients.
Pour cette raison, la maintenance prédictive (PdM) est devenue un sujet très important pour la maintenance des infrastructures hospitalières. La PdM s’appuie sur l’analyse prédictive et les modèles d’IA pour augmenter la visibilité sur l’état de dégradation des actifs ; elle exploite les données d’exploitation pour détecter les signes avant-coureurs d’une défaillance permettant d’agir avant qu’elle ne se produise réellement. Cette visibilité accrue permet d’augmenter la disponibilité des actifs en diminuant la fréquence des défaillances et en optimisant les opérations de maintenance. Des gains importants ont déjà été réalisés au sein de VINCI grâce à des projets de maintenance prédictive, par exemple avec Lisea-Mesea.
Le secteur de la santé, un domaine pour la maintenance prédictive
Le milieu hospitalier est un cas particulier pour la maintenance prédictive. En premier lieu, en raison de sa criticité, comme expliqué précédemment. Ensuite, en raison de sa complexité. En effet, l’un des défis de la gestion des actifs dans les hôpitaux est la variété des actifs gérés. Dans un seul hôpital, des centaines de types d’équipements différents sont sous contrat de maintenance, c’est pourquoi il faut privilégier une approche générale, facilement transférable d’un équipement à l’autre.
Dans ce contexte, les Facility Managers, dont le rôle est de s’occuper quotidiennement de l’infrastructure et des actifs associés, sont soumis à une forte pression. D’un autre côté, les Facility Managers bénéficient d’une position centrale favorable pour tirer le meilleur parti d’une approche de maintenance prédictive : tout d’abord, ils ont accès à tous les fabricants, étant le collecteur centralisateur naturel de toutes les nouvelles sources de données ; ensuite, ils sont en contact direct avec les hôpitaux, ce qui leur permet d’avoir une vision claire des besoins du client ; et enfin, ils ont toute l’expérience et la connaissance historique des opérations de maintenance effectuées.
Pour toutes ces raisons, VINCI Facilities, avec le soutien de Leonard, a décidé de développer une solution et une équipe interne pour mener à bien des projets de maintenance prédictive d’un patrimoine général. La solution repose sur trois piliers essentiels : la qualité et la gestion des données, l’IA et les modèles prédictifs et une équipe agile solide.
Les données, un des éléments clés pour être plus performant
Une étude approfondie des sources de données disponibles, de leur qualité et de leur compréhension réelle a été réalisée. Cette étape a été extrêmement instructive pour évaluer la maturité des données de l’entreprise et identifier les points à améliorer. L’une des principales conclusions est que l’établissement d’une communication efficace et claire entre les fabricants et les gestionnaires d’installations change la donne pour tirer le meilleur parti des nouvelles données de télémétrie disponibles. De plus, la définition d’un processus d’audit et de gestion de la qualité des données permet d’identifier rapidement les actifs sur lesquels une approche de maintenance prédictive est envisageable.
Vers l’IA et la maintenance prédictive
Un outil basé sur l’IA a été conçu pour accélérer le déploiement de projets de maintenance prédictive. L’outil simplifie l’exploration des données des capteurs (par exemple, la fréquence du moteur de la pompe, la température de départ du refroidisseur) pour identifier les modèles les plus pertinents et tester rapidement leurs performances.
Enfin, une équipe interne a été structurée avec des compétences complémentaires permettant à VINCI Facilities d’accélérer la diffusion de la maintenance prédictive au sein de ses activités.
Cet article fait partie d’une série de publications des participants au programme IA de Leonard, spécifiquement conçu pour accélérer l’adoption des technologies d’intelligence artificielle au sein du groupe VINCI. Il consiste en une période d’incubation de cinq mois au cours de laquelle les collaborateurs de VINCI sélectionnés suivent un processus d’apprentissage par la pratique ; ils développent ainsi un cas d’usage basé sur l’IA avec le coaching et le mentorat de l’équipe de Leonard et des consultants d’Eleven Strategy.
> En savoir plus sur le programme Intelligence Artificielle de Leonard
