Motivation

Passionné pour aider les entreprises à améliorer l’efficacité de la gestion et de la maintenance de leurs actifs industriels ainsi que des opérations de fabrication en utilisant les technologies IoT, Analytics et IA.

Aperçu

Plus de 30 ans d’expérience dans le secteur industriel (fabrication, aérospatiale, automobile, utilities, chimie/pétrole et électronique) et le transport dans le conseil aux entreprises, la gestion, la vente de logiciels et la mise en oeuvre applications.

Business Consulting

• Gestion, maintenance et performance des actifs
• Maintenance 4.0
• IoT- Data science
• l’IA dans les opérations de maintenance
• Analyse ROI – Évaluation de la valeur

Responsable de l’engagement / des services

• Manager de projet / programme
• Mise en œuvre d’applications

Connaissances secteurs

Fabrication, aérospatiale/défense, automobile, électronique, chimie/pétrole, transport.

Connaissance métier

Gestion des actifs / Service après-vente / Maintenance /Fabrication / Chaîne logistique / Ingénierie / Gestion du cycle de vie des produits

Langues

Anglais & Français

Expertise

Le passage à un modèle de maintenance 4.0 n’est pas évident et il est essentiel d’avoir une méthodologie pragmatique et claire pour avancer dans la bonne direction : bien identifier les objectifs, comprendre quels actifs / processus ont un impact sur le TRS, définir le meilleur scénario et identifier les techniques et les outils à utiliser et à mettre en oeuvre avant de plonger dans la Data Science qui doit rester un moyen et non pas un objectif.

Démarche de la Maintenance 4.0 en aidant à :

• Aligner la stratégie de l’entreprise vs la vision de la maintenance 4.0
• Identifier les indicateurs de performance clés et les objectifs
• Définition de la feuille de route Maintenance 4.0
• Analyser la rentabilité – Evaluer de la valeur opérationnelle
• Démarrer des projets pilotes
• Définir la stratégie de déploiement et la roadmap

Dans ces projets, j’ai eu l’occasion de travailler avec de nombreux acteurs comme : les membres du conseil direction, les responsables de la production, de la qualité et de la maintenance, les membres de la production et de la maintenance ainsi qu’avec les organisations informatiques. J’ai pu aider ces entreprises à mieux comprendre à quoi correspond la Maintenance 4.0 et quels en sont les enjeux, identifier quels bénéfices ils pourraient obtenir, à faire adhérer les acteurs concernés à une démarche d’amélioration, à définir ensemble une roadmap d’implémentation pragmatique ainsi qu’à les accompagner dans cette transformation.

Résumé de carrière

• 2022 à ce jour APM Consulting
  Business Consultant – Maintenance 4.0
  Aider les clients à identifier, définir et exécuter les opportunités de transformation numérique et la feuille de route dans la gestion des actifs afin d’améliorer l’efficacité, la disponibilité des actifs et de réduire le coût total de possession.
• 2016 à 2021 IBM Watson IoT / Maximo EAM
  Business Consultant – Business Development
  Secteur industriel (A&D, automobile, C&P, électronique) et secteurs des transports
• 2015 à 2016 IBM Watson Analytics & Cognitive Solutions
  Consultative Sales Executive
  Secteur industriel : A&D, Auto, C&P, Électronique, Manufacturing
• 2008 – 2014 IBM Software Group
  Leader des ventes de solutions sectorielles – Europe
  Secteur industriel : A&D, Auto, C&P, Électronique
• 2005 – 2008 IBM Global Business Services
  Associate Partner
  Secteur industriel : A&D, Auto, C&P, Electronique
• 2004 – 2005 IBM Global Business Services / MDTVision
  Directeur des ventes – Membre du Comité de direction
  Services d’ingénierie et de gestion du cycle de vie des produits
• 2001 – 2003 IBM Global Business Services
  Associate Partner – Gestion du cycle de vie des produits (PLM)
  Secteur industriel
• 1999 – 2001 Bull Consulting
  Practice Leader – Product Lifecycle Management Solutions
  Gestion des données produits, Gestion documentaire, ERP : Secteur industriel
• 1997 – 1999 Bull Service Division Corporate
  European Solution Sales Leader
  Product Data Management & Engineering Solutions
• 1994 – 1996 Bull Service Division France
  Responsable des ventes et du marketing de solutions
  Product Data Management & Engineering Solutions
• 1990-1994 Win Technology (ISV)
  Responsable Ventes & Marketing
  Logiciel de gestion des données produit (PLM)

Vision

Les entreprises à forte utilisation d’actifs sont confrontées à de grands défis pour améliorer la performance et la disponibilité des actifs (TRS) qui sont des éléments clés pour améliorer les résultats de l’entreprise.

• Les défaillances des actifs ont un impact considérable sur la productivité, la qualité de la production et du service ainsi que sur le coût total de possession des actifs. Même si nécessaire, la maintenance corrective est quelque chose que les dirigeants des entreprises veulent supprimer ou réduire. La gestion et le traitement des problèmes sont si coûteux que de nombreuses entreprises considèrent que c’est inacceptable et lancent par conséquent des programmes d’amélioration.
• La maintenance préventive est un moyen de réduire les défaillances des actifs, mais elle est coûteuse (coûts de maintenance et interruption de production/service). De plus, elle n’est pas toujours efficace. Régulièrement, des études montrent que près de 50 % de la maintenance préventive n’a aucun impact sur les performances des actifs.
• La maintenance conditionnelle est un moyen d’améliorer le TRS en surveillant chaque comportement d’actif. Cela signifie qu’il est nécessaire de collecter des données sur les actifs afin d’aider les ingénieurs de fiabilité à définir et à mettre à jour les règles qui définissent un score de santé de chaque actifs afin de déclencher les opérations de maintenance appropriées.
• La maintenance prédictive est la prochaine étape pour améliorer le TRS en utilisant l’IoT (Internet des Objets) pour la collecte massive de données, l’Analytique et l’IA afin de définir des modèles dynamiques qui permettent de comprendre, de simuler dynamiquement, de planifier et d’exécuter les bonnes opérations de maintenance.

Maintenance conditionnelle et maintenance prédictive font partie du Digital Manufacturing (Industrie 4.0) : on pourrait parler de Maintenance 4.0. Les techniques et les outils existent et permettent d’améliorer la productivité et la performance des actifs, la qualité des produits / services tout en réduisant les coûts de maintenance. Les bénéfices peuvent être importants alors que les investissements sont faibles : les retours sur investissement peuvent être impressionnants.