Comment les flottes de construction améliorent l’utilisation des actifs grâce à des analyses personnalisées

La plupart des systèmes de gestion de flotte de construction peuvent indiquer l’emplacement d’une machine. Bien moins d’entre eux peuvent répondre à la question exacte concernant la flotte : quels véhicules ont produit un travail utile, lesquels ont brûlé du carburant sans rien faire, et quels actifs se dirigent silencieusement vers une défaillance ?

Points clés

• Obtenez de véritables heures de travail plutôt que des heures moteur, et identifiez ainsi les machines qui gaspillent du carburant ainsi que les conducteurs dont l’efficacité est insuffisante.
• Combinez le régime moteur (RPM) et la charge moteur pour identifier un ralenti élevé qui reste invisible dans les rapports standard.
• Répartissez la charge de travail entre les équipements lourds pour prolonger leur durée de service et retarder l’investissement CAPEX.
• Détectez la dégradation du moteur avant que les codes de panne ne déclenchent des pannes.
• Associez la télémétrie aux opérateurs pour renforcer la responsabilisation, réduire le gaspillage et cibler la formation.

Quelles informations une plateforme télématique doit-elle fournir à un gestionnaire de flotte de construction ?

Un opérateur britannique d’engins lourds gère des centaines d’actifs connectés, dont plus de 100 excavatrices, générateurs et machines industrielles, tous équipés de dispositifs télématiques. Bien que le suivi GPS fonctionne, que les rapports d’heures moteur existent et que les codes de panne arrivent à temps, l’équipe des opérations avait toujours du mal à répondre à des questions pratiques :

• Quelles excavatrices étaient réellement sous charge par rapport au ralenti à haut régime ?
• Quels générateurs étaient surdimensionnés pour les sites qu’ils alimentaient ?
• Quels opérateurs surchargeaient ou sous-chargeaient systématiquement les machines ?
• Quels actifs se rapprochaient d’incidents d’entretien coûteux ?

La flotte produisait déjà d’énormes volumes de données, mais la plupart restaient enfermées dans des rapports standard.

En collaboration avec l’intégrateur de systèmes Plug N Play Solutions, l’entreprise a repensé sa stratégie de données autour de la plateforme d’analyse de flotte IoT Query de Navixy, transformant la télémétrie brute en signaux exploitables essentiels pour l’entreprise. Ils ont créé des états opérationnels spécifiques aux machines, des métriques d’heures productives, des déclencheurs d’entretien conditionnel et des analyses au niveau des opérateurs adaptées aux opérations sur équipements lourds.

Cette étude de cas se base sur l’épisode du podcast Telematics Talks de Navixy.

Pourquoi les indicateurs traditionnels de gestion de flotte de construction doivent être réexaminés

La flotte ne manquait pas de télémétrie. Le problème se posait lorsque les responsables des opérations tentaient de prendre des décisions de maintenance et d’utilisation à partir de ces données.

Une excavatrice pouvait afficher huit heures moteur actives tout en passant la moitié de son temps au ralenti à régime maximal. Un générateur pouvait fonctionner en continu tout en ne fournissant qu’une fraction de la charge qui lui était destinée. Deux opérateurs utilisant des machines identiques pouvaient générer des profils d’usure et de consommation de carburant totalement différents sans que personne ne s’en aperçoive. Les rapports télématiques standard réduisaient toute cette nuance opérationnelle en indicateurs génériques.

Les appareils GPS industriels modernes de fournisseurs comme Teltonika et Galileosky peuvent diffuser des centaines de paramètres de capteurs à partir d’une seule machine. Cependant, la plupart des logiciels de gestion de flotte de construction n’exposent qu’un sous-ensemble restreint de cette télémétrie via des rapports prédéfinis et des tableaux de bord.

Cette distinction est importante car les flottes de construction se comportent différemment des flottes logistiques. Pour les opérations d’engins lourds, l’emplacement des actifs compte moins que la manière dont ils ont fonctionné sous charge pendant ces heures.

Cela change complètement le modèle analytique. Par exemple, au lieu de se fier aux états d’allumage, ils ont corrélé le régime moteur (RPM), la charge moteur, les cycles de service et des seuils spécifiques à chaque machine.

Comment la flotte de construction a commencé à mesurer les heures productives plutôt que les heures moteur

L’un des changements les plus importants du projet a été de redéfinir ce que signifie réellement « temps de travail ». Dans de nombreuses flottes d’engins lourds, les heures moteur sont considérées comme un indicateur d’utilisation. Mais en pratique, le temps passé moteur allumé en dit très peu sur le travail productif.

L’équipe de Plug N Play a remplacé le modèle traditionnel des heures moteur par une analyse des heures productives. Pour cela, ils ont combiné plusieurs signaux de télémétrie : plages de régime moteur (RPM), charge moteur, cycles de service, statut de ralenti et seuils opérationnels propres à chaque machine.

Au lieu d’une vision binaire « moteur allumé/moteur éteint », les machines étaient classées en différents états opérationnels :

• Charge productive
• Faible charge
• Ralenti
• Ralenti élevé
• Cycle de service intensif

Cette approche a donné une image beaucoup plus réaliste de l’utilisation des actifs à travers la flotte. Ce changement a immédiatement mis en évidence une source majeure d’inefficacité cachée : le ralenti élevé.

Ce que le ralenti élevé a révélé sur l’utilisation de la flotte dans les engins lourds

Certains opérateurs poussaient l’accélérateur au régime maximal et laissaient la machine tourner au ralenti pendant qu’ils s’absentaient de la cabine. Les rapports traditionnels comptabilisaient ces heures comme une utilisation active puisque le moteur tournait. D’un point de vue commercial, ces machines ne produisaient aucune valeur tout en générant :

• Des coûts de carburant
• Une usure du moteur
• Un accroissement de la maintenance
• Des indicateurs d’utilisation artificiellement gonflés

L’équipe a introduit un état opérationnel spécifique « ralenti élevé » basé sur un critère simple :
High RPM + faible charge moteur = ralenti élevé.

Cet unique indicateur a changé la manière dont la flotte évaluait la productivité. Les machines qui semblaient auparavant « occupées » affichaient soudainement de longues périodes de temps opérationnel gaspillé. Les gestionnaires de flotte pouvaient désormais distinguer les actifs effectuant un vrai travail de ceux qui consommaient du carburant sans rien produire.

Une fois que le comportement de ralenti élevé est devenu mesurable, les superviseurs pouvaient :

• repérer les habitudes d’exploitation problématiques,
• comparer l’utilisation entre les différents sites,
• améliorer les décisions de planification avec bien plus de certitude.

Fait important, rien de tout cela n’a nécessité d’investissements dans de nouveaux matériels. La valeur est venue d’une interprétation différente des données.

Comment les analyses personnalisées de flotte ont transformé la planification de la maintenance

La même approche a révolutionné la gestion de la maintenance. Les processus de maintenance traditionnels dans les flottes d’engins lourds sont généralement réactifs. Un code de panne apparaît, une machine tombe en panne et un technicien est dépêché.

Le problème est que de nombreux problèmes opérationnels se développent bien avant que les codes de panne ne déclenchent des alertes. Un sous-chargement persistant encrasse progressivement les systèmes DPF. Des régimes moteurs instables indiquent un comportement moteur anormal. Les pics de charge révèlent un stress opérationnel avant que les défaillances mécaniques ne deviennent visibles.

Grâce à l’accès à la télémétrie historique, l’équipe pouvait surveiller ces schémas au fil du temps au lieu de réagir uniquement aux défaillances de dernière minute.

Matt Watson, directeur général de Plug and Play Solutions, a décrit la valeur ainsi :

« Si vous pouvez observer cette tendance dans le temps, vous pouvez intercepter le problème avant même que l’erreur moteur ne se produise. »

Cela change complètement l’économie de la maintenance. Un entretien planifié à une période d’activité réduite est nettement moins coûteux que des pannes d’urgence, des temps d’arrêt imprévus, l’envoi d’un technicien sur site, le coût de remplacement d’équipement et les délais de projet non respectés.

Comment l’équilibrage de la charge aide les flottes de construction à prolonger la durée de vie des équipements

Les flottes d’engins lourds répartissent rarement la charge de travail de manière uniforme. Certaines machines supportent des charges d’exploitation extrêmes tandis que d’autres restent peu sollicitées. Au fil du temps, ce déséquilibre entraîne des conséquences prévisibles : usure accélérée sur les actifs les plus sollicités, amortissement inégal, remplacements prématurés, coûts de maintenance plus élevés, et efficacité globale de la flotte réduite.

Grâce à une visibilité directe sur la charge moteur et la charge de travail effective, l’équipe des opérations pouvait gérer les missions de manière plus intelligente.

Cette approche est particulièrement précieuse pour les flottes de générateurs. Dans un exemple, des sites industriels demandaient systématiquement des générateurs de 100 kVA sans tenir compte de leurs besoins réels en consommation. La télémétrie a ensuite montré que certains sites ne consommaient que 18 kVA.

Ce décalage entraînait des problèmes de sous-chargement récurrents. Les moteurs modernes à contrôle des émissions ont besoin d’une charge suffisante pour fonctionner efficacement. Faire tourner en sous-charge des générateurs surdimensionnés accélère l’accumulation de suie et raccourcit la durée de vie des composants.

Grâce aux analyses personnalisées, la flotte pouvait repérer ces schémas rapidement et adapter la taille de l’équipement avant que ne surviennent les défaillances. Après la mise en œuvre, les opérateurs peuvent recommander de manière proactive des ajustements d’équipement en se basant sur des données opérationnelles réelles.

Comment les analyses au niveau des opérateurs ont amélioré la responsabilisation

La dernière étape du projet d’analyses personnalisées pour la flotte de construction s’est concentrée sur l’opérateur. Des balises Bluetooth reliaient chaque flux de télémétrie à un individu identifié. Le même identifiant utilisé pour démarrer la machine permettait de savoir qui l’opérait.

Cela a permis plusieurs améliorations opérationnelles en même temps :

1. Le personnel non formé pouvait être empêché d’utiliser certains équipements. Seuls les opérateurs autorisés pouvaient démarrer les machines désignées.
2. Les événements suspects pouvaient être tracés. La flotte a identifié des incidents récurrents d’accès nocturne au carburant en croisant l’identification par balise et la télémétrie vidéo. Ce qui auparavant ressemblait à des pertes de carburant inexpliquées est devenu un schéma opérationnel documenté.
3. Le comportement de l’opérateur est devenu mesurable d’une manière que la télématique standard ne fournit généralement pas. Certains généraient systématiquement des cycles de service plus sains. D’autres produisaient nettement plus de temps de ralenti. Une fois ces tendances visibles, les superviseurs pouvaient proposer un coaching ciblé.

Cette distinction est importante car les différences de comportement entre opérateurs peuvent souvent générer des écarts d’efficacité plus importants que les différences entre machines.

Pourquoi IoT Query a joué un rôle essentiel dans l’analytique de la flotte de construction

Aucune de ces analyses n’aurait été possible sans un accès direct aux données de télémétrie brutes dans IoT Query. La plupart des systèmes de télématique n’offrent que des rapports prédéfinis et des tableaux de bord fixes. Cela fonctionne pour les flux de travail standard de suivi GPS, mais devient limitant lorsque les flottes d’engins lourds ont besoin d’une logique opérationnelle personnalisée.

IoT Query expose l’ensemble de la base de données de télémétrie et organise les données en plusieurs couches analytiques : une couche de données brutes pour les signaux de télémétrie originaux et une couche de transformation pour les entités opérationnelles et la logique personnalisée.

Cette architecture a offert à l’intégrateur la flexibilité nécessaire pour construire des états spécifiques à chaque machine, des indicateurs clés de performance (KPI) personnalisés, et des modèles opérationnels sans attendre le développement de fonctionnalités côté fournisseur. Pour la gestion de flotte de construction, c’est essentiel car deux environnements opérationnels ne se ressemblent jamais exactement.

Ce que les gestionnaires de flotte de construction peuvent tirer de ce projet

Plusieurs enseignements issus de ce déploiement s’appliquent de manière générale aux grandes flottes d’engins lourds. Premièrement, les heures moteur seules constituent un indicateur d’utilisation faible. Tant que les flottes ne distingueront pas la charge de travail productive du fonctionnement au ralenti, les rapports d’utilisation resteront incomplets.

Deuxièmement, la charge moteur est l’un des signaux opérationnels les plus précieux dans les environnements d’engins lourds. Elle influe directement sur la planification de la maintenance, l’efficacité énergétique, l’usure des machines et la durée de vie des actifs.

Troisièmement, le comportement de l’opérateur compte plus que ce que beaucoup de flottes imaginent. Une fois la télémétrie associée à chaque opérateur, les opportunités de formation et les inefficacités deviennent beaucoup plus faciles à repérer.

Enfin, l’utilité de l’analytique pour les flottes de construction dépend moins de la collecte de davantage de données que d’une utilisation intelligente de la télémétrie déjà disponible.

Contactez-nous pour découvrir comment IoT Query aide les flottes de construction à transformer la télémétrie brute en analyses d’heures productives, en renseignements de maintenance et en indicateurs personnalisés pour les engins lourds.

Foire aux questions sur l’analytique pour flottes d’engins lourds

Q. : Quel est le rôle de la télématique dans la gestion de flotte de construction ?

R. : La télématique offre aux équipes de gestion de flotte de construction une visibilité sur la localisation des équipements, le comportement du moteur, la consommation de carburant, l’activité des opérateurs et l’état de la maintenance. Dans les opérations d’engins lourds, la plus grande valeur provient souvent de l’analyse de la charge de travail, du temps de ralenti et de la charge moteur plutôt que du simple suivi GPS. Pour constater la différence, utilisez les modèles de tableau de bord Heavy Machinery dans Dashboard Studio, une application de visualisation de données intégrée qui permet aux utilisateurs de créer des panneaux personnalisés pour leurs flux de travail et indicateurs clés sans services externes ni outils BI, directement dans Navixy.

Q. : Quelle est la différence entre les heures moteur et les heures productives pour les flottes de construction ?

R. : La différence entre les heures moteur et les heures productives réside dans le fait que les heures moteur mesurent la durée totale de fonctionnement du moteur, tandis que les heures productives mesurent l’exploitation sous une charge significative. L’analytique des heures productives fournit aux flottes une vision plus précise de l’utilisation, de l’efficacité énergétique et du rendement opérationnel.

Q. : IoT Query peut-il fonctionner avec le matériel de télémétrie déjà en place sur les engins lourds ?

R. : IoT Query fonctionne avec les données reçues du matériel de télémétrie déjà installé sur les engins lourds, y compris les appareils GPS industriels, les intégrations CAN bus et les systèmes de contrôle dédiés des machines. La plateforme télématique Navixy intègre avec succès les appareils GPS industriels et les intégrations CAN bus, notamment Teltonika, Galileosky et des systèmes de contrôle personnalisés. Ainsi, IoT Query peut ingérer à la fois des flux de télémétrie standard et personnalisés.

Q. : Comment l’analytique au niveau de l’opérateur améliore-t-il les opérations d’engins lourds ?

R. : L’analytique au niveau de l’opérateur améliore les opérations d’engins lourds en reliant les données de télémétrie à chaque employé via des balises Bluetooth ou une identification RFID. Cela aide les flottes à améliorer la responsabilisation, réduire le temps de ralenti, enquêter sur les activités non autorisées et identifier les opportunités de formation.

Q. : Comment l’analytique avancée améliore-t-il la planification de la maintenance ?

R. : L’analytique avancée améliore la planification de la maintenance en identifiant les schémas d’exploitation anormaux avant l’apparition des codes de panne. Surveiller le comportement de la charge, la stabilité du régime moteur et les tendances opérationnelles permet aux équipes de maintenance de planifier leurs interventions de manière proactive et de réduire les temps d’arrêt imprévus. Découvrez l’article de blog « Comment contrôler le travail réel dans les flottes d’engins lourds avec Navixy » pour en savoir plus sur l’analyse basée sur le régime moteur (RPM) en vue d’une meilleure gestion de flotte de construction.