Etudiant : EL ADARISSI MOHAMED

Filière : Master Smart Industry (M2SI)

Encadrant : Pr. KHARBACH JAOUAD

Annèe : 2026

Résumé : Dans le cadre de mon stage de fin d’études réalisé pendant quatre mois au sein d’OCP Maintenance Solutions – Jorf Lasfar, au département Operations, j’ai travaillé sur le développement d’une solution intelligente destinée à l’optimisation de la maintenance, avec un focus particulier sur la lubrification conditionnelle des équipements rotatifs. Ce projet s’inscrit dans une dynamique de digitalisation industrielle, d’amélioration de la performance opérationnelle et de valorisation des données de terrain pour le diagnostic avancé. Le sujet confié consistait à concevoir un Proactive Lubrication System (PLS) capable de déclencher le graissage d’un roulement en fonction de son état réel, et non plus selon une périodicité fixe. L’objectif principal était de dépasser les limites des systèmes de graissage centralisé classiques, qui ne permettent pas toujours de détecter en temps réel les défauts tels que les fuites, les bouchages ou les anomalies de lubrification. Pour cela, une étude fonctionnelle et une ingénierie détaillée de la solution ont été menées, en intégrant les systèmes de graissage existants, la plateforme I-SENSE, l’acquisition vibratoire et la logique de supervision. Le travail a également porté sur le développement d’un algorithme Python de diagnostic automatique basé sur l’analyse vibratoire. Cet algorithme exploite le spectre fréquentiel afin de calculer plusieurs indicateurs, notamment le Ng, le Ng FDS et le ratio FDS, permettant d’identifier la présence d’un défaut de lubrification à partir de la dominance du fond spectral. Un nouvel indicateur de santé de lubrification, nommé LHS (Lube Health Score), a également été introduit afin de renforcer la capacité de détection et de discrimination entre les différents types de défauts. Enfin, la solution a été validée sur des cas d’étude industriels, notamment sur un tube sécheur F02, afin d’évaluer ses performances et sa pertinence dans un contexte réel. Ce projet propose ainsi une approche hybride combinant graissage centralisé, surveillance vibratoire et intelligence algorithmique, dans le but d’améliorer la fiabilité des équipements, de réduire les arrêts non planifiés et de soutenir l’industrialisation d’une maintenance proactive.