Cas d’application
SAUVER DES VIES AVEC LES TECHNOLOGIES INTELLIGENTES
75% DES COÛTS PAR MACHINE SURVEILLÉE
PLUS DE 635 000 € ÉCONOMISÉS GRÂCE AU DIAGNOSTIC PRÉCOCE DU PROBLÈME
3 DÉFAILLANCES AUX CONSÉQUENCES MAJEURES ÉVITÉES
Le défi
Un hôpital de Baltimore, aux États-Unis, connu pour ses équipes de recherche et d’enseignement de premier plan, souhaitait s’assurer que ses machines puissent fonctionner en continu. Étant donné que la centrale électrique de l’hôpital alimente les équipements vitaux, toute défaillance était exclue. Jusqu’à maintenant, l’équipe de maintenance confiait l’analyse de la maintenance prédictive à un tiers. Cependant, les résultats étaient imprécis, génériques et ne donnaient pas de recommandations concrètes. Jusqu’au jour où une pompe critique est tombée en panne de manière inattendue. C’est cet événement qui a incité l’équipe de maintenance à rechercher une nouvelle solution qui l’aiderait à transformer son programme de maintenance.
La solution
L’équipe a utilisé une solution de monitoring en continue et portable, basée sur le service Grundfos Machine Health. Elle a ensuite pu programmer une maintenance basée sur l’état de l’équipement pour traiter de manière proactive les problèmes et éviter les temps d’immobilisation des équipements . Grâce aux informations obtenues au niveau des machines et des installations, l’équipe a pu se concentrer sur les équipements nécessitant l’attention la plus immédiate, éliminer les pannes inattendues et garantir ainsi la disponibilité des équipements les plus critiques de l’hôpital.
Résultat
Le programme de maintenance de l’hôpital a été transformé dès la première année de déploiement. Les algorithmes ont détecté trois défaillances majeures potentielles dans les systèmes d’eau réfrigérée et à vapeur, des défaillances qui, si elles n’avaient pas été détectées, auraient entraîné un coût total de maintenance estimé à plus de 635 000 euros (750 000 dollars). De plus, la facilité du déploiement à plus grande échelle a permis aux équipes de maintenance d’augmenter le nombre de machines surveillées de 44 à 155, tout en réduisant le coût moyen par machine surveillée de 75 %.