Énergie
Maintenance prédictive sur parc de turbines
Vectis Énergie
−61 %
Pannes non planifiées
Première année complète d'exploitation du système prédictif
8,4 M€
Économies réalisées
Sur 18 mois d'exploitation, pannes évitées et optimisation des stocks de pièces
91 %
Précision prédictive
Des alertes émises correspondent à une défaillance avérée dans les 72 heures
Le défi
Contexte
Vectis Énergie exploite 340 turbines à gaz réparties sur 12 sites en France et en Belgique. Les pannes non planifiées coûtaient en moyenne 2,3 M€ par incident. Les équipes de maintenance fonctionnaient sur des cycles préventifs rigides qui ne tenaient pas compte de l'état réel des équipements.
Nous avons instrumenté les turbines avec des capteurs supplémentaires, construit un pipeline de données temps réel, et entraîné des modèles prédictifs sur 8 ans d'historique de maintenance. Le système alerte les équipes 72 heures avant une défaillance probable, avec un diagnostic et des pièces pré-commandées.
L’approche
Notre méthode
Résultats
Ce que nous avons accompli ensemble
−61 %
Pannes non planifiées
Première année complète d'exploitation du système prédictif
8,4 M€
Économies réalisées
Sur 18 mois d'exploitation, pannes évitées et optimisation des stocks de pièces
91 %
Précision prédictive
Des alertes émises correspondent à une défaillance avérée dans les 72 heures
Nous avons mis six mois à convaincre notre direction que l'IA pouvait dépasser nos ingénieurs de maintenance sur la détection précoce. Les chiffres de la première année ont définitivement clos le débat.
Bertrand Courrèges
Directeur de l'ExploitationVectis Énergie