Planification de la gestion des actifs stratégiques des réseaux électriques industriels

Disponibilité des données

La plupart des données statistiques disponibles dans le domaine de l’électricité et de l’énergie proviennent des entreprises de services publics (publiques ou privées). Ces dernières utilisent les données recueillies pour planifier la gestion des actifs à long terme, car elles sont tenues d’estimer ces coûts et de les intégrer à leur analyse de rentabilité.

En général, les installations industrielles ne font pas preuve de la même discipline sur le plan de l’acquisition et de la conservation des données statistiques. À cela s’ajoute le fait que dans l’industrie, les équipements sont rarement standardisés, alors que dans le secteur des services publics, la standardisation est à la base de leur stratégie de réduction de coûts d’ingénierie et d’installation.

Or, la normalisation des équipements contribue à améliorer le degré de précision des calculs, notamment en ce qui a trait à la durée de vie des équipements, au taux de défaillance et à la durée des travaux de réparation et de remplacement des équipements.

Les entreprises industrielles investissent peu dans la normalisation en raison de l’emphase mise sur la recherche du coût minimum à court terme. Cela entraîne comme conséquence une grande diversité du parc d’équipements, peu propice à l’établissement de données statistiques fiables.

Compte tenu de cette pénurie de données fiables, les décisions liées au remplacement d’équipements ou de systèmes, sont dans la plupart des cas prises en mode réactif, ce qui entraîne des conséquences importantes pour la survie économique des actifs et des installations.

Une tempête de données se profile à l’horizon

Heureusement, les choses changent. Avec l’avènement de l’industrie 4.0, des informations personnalisées sur l’état des actifs à un coût beaucoup plus raisonnable que par le passé permettront aux industries :

de mieux évaluer la durée de vie de chaque actif;

de concevoir des programmes de maintenance prédictive efficaces;

de mettre en œuvre des initiatives de planification de la gestion des actifs stratégiques adaptées à chaque niveau de l’organisation, qu’il s’agisse du responsable du service, de l’exploitant de l’installation ou des investisseurs qui dégagent les fonds nécessaires à la réalisation de ces initiatives.

Cependant, les industries devront analyser et interpréter de vastes quantités de données en temps réel. Il y aura peu de tolérance aux incidents et aux pertes lorsque des données prédictives seront disponibles pour les prévenir. Des outils comme l’analyse des données massives (Big Data Analytics), l’intelligence artificielle et l’apprentissage machine (Machine Learning) seront nécessaires.

La question n’est pas de savoir si les installations industrielles auront à faire un usage éclairé de ces outils, mais bien quand elles devront les adopter, au risque de se faire devancer par la concurrence.