Production Maintenance n°47
SPÉCIAL MAINTENANCE EXPO : QUELS OUTILS DE GMAO POUR LES INDUSTRIELS ?
SPÉCIAL MAINTENANCE EXPO : QUELS OUTILS DE GMAO POUR LES INDUSTRIELS ?
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Maintenance</strong> en production<br />
Le modèle structurel SUPREME présente<br />
les différentes fonctions générales<br />
d’un système SUPREME<br />
Le modèle d’information SUPREME<br />
montre les différents objets d’information<br />
requis pour faire fonctionner un système<br />
SUPREME<br />
> La méthode SUPREME<br />
Elle fournit les étapes du processus générique<br />
d’installation et d’utilisation d’un<br />
système SUPREME, afin d’atteindre une<br />
maintenance prévisionnelle durable (cf.<br />
image ci-dessous).<br />
Comparée à d’autres méthodes, celle-ci<br />
concerne non seulement l’amélioration<br />
de tout ce qui a trait à la maintenance<br />
mais aussi l’amélioration des processus<br />
et de la consommation énergétique.<br />
La méthode SUPREME débute par l’analyse<br />
des systèmes de production et de<br />
maintenance. C’est sur cette étape que<br />
reposent les suivantes. Elle se déclenche<br />
suite à des changements dans les objectifs<br />
managériaux, les produits, la production<br />
et les objectifs de production.<br />
Pour cette analyse, une grande variété<br />
de ce que l’on appelle « les données de<br />
haut niveau de production et de maintenance<br />
» est nécessaire. Les données de<br />
haut niveau comprennent les données<br />
sur l’organisation de la maintenance, le<br />
système de production, les processus de<br />
production, les produits, et les données<br />
sur la maintenance spécifique aux machines,<br />
équipements et composants.<br />
Résultat : un état structuré des systèmes<br />
de production et de maintenance, des<br />
indicateurs de performance de maintenance<br />
sélectionnés, des paramètres<br />
énergétiques et de processus à surveiller<br />
et optimiser.<br />
L’étape suivante dans l’amélioration de<br />
la maintenance est l’analyse de risques<br />
du système de production. Elle identifie<br />
systématiquement les machines ou équipements<br />
cruciaux de la chaine de valeur,<br />
en se penchant sur les coûts holistiques<br />
(coûts de défaillance directs et indirects).<br />
Dans le cadre du management de risque,<br />
ces machines critiques sont structurées<br />
en composants pour servir de base à une<br />
analyse améliorée des dysfonctionnements<br />
et de leurs causes, effets et déroulement.<br />
Ceci vise à déterminer le risque<br />
individuel de chaque composant.<br />
Dans les ateliers, les possibilités de dysfonctionnement<br />
de chaque composant<br />
seront enseignées, leurs conséquences<br />
seront évaluées et le risque financier<br />
sera calculé. Cette analyse de risques a<br />
pour conséquence l’identification systématique<br />
des composants critiques ainsi<br />
que la définition de solutions de réduction<br />
du risque pour chaque composant. Cette<br />
étape permet à l’arrivée d’identifier les<br />
composants de haut importance et dont<br />
il convient de vérifier l’état, et de réaliser<br />
un plan complet de maintenance pour la<br />
machine. C’est là la base d’un développement<br />
ciblé et efficient de modèles de<br />
détérioration.<br />
Au cours des étapes suivantes, les paramètres<br />
de mesure et les techniques appropriées<br />
seront sélectionnés. Puis, des<br />
capteurs ainsi que des systèmes d’acquisition<br />
de données adaptés seront définis<br />
et installés, permettant ainsi de détecter<br />
les dysfonctionnements des composants.<br />
Une analyse et un traitement des données<br />
sont réalisés durant la phase de<br />
mesure, facilitant ainsi l’extraction des informations<br />
pertinentes relatives à la détérioration,<br />
la dégradation et aux processus<br />
de dysfonctionnements, et garantissant<br />
la qualité des échantillons de mesure.<br />
Suite à cela, les modèles de prévision<br />
de détérioration et de dysfonctionnement<br />
sont configurés selon les modèles<br />
préexistants. Dans le cas où il n’existerait<br />
pas déjà de modèle de prévision de<br />
détérioration et de dysfonctionnement, il<br />
conviendrait alors d’en développer un de<br />
toutes pièces. Ces modèles devront être<br />
créés de manière à indiquer le niveau<br />
de détérioration à un instant donné ou la<br />
durée de vie utile restante du composant<br />
surveillé.<br />
En parallèle de ce processus d’amélioration,<br />
des modèles de processus de dysfonctionnement<br />
et d’optimisation énergétiques<br />
sont choisis et configurés. S’il n’en<br />
existe pas de satisfaisant, de nouveaux<br />
modèles doivent alors être développés.<br />
Grâce à cela, des recommandations<br />
peuvent être effectuées concernant les<br />
paramètres des machines de façon à optimiser<br />
les processus de dysfonctionnements<br />
et la consommation énergétique.<br />
L’ultime étape de la méthode SUPRE-<br />
ME consiste à améliorer la disponibilité<br />
du système de production concernant la<br />
maintenance. Reposant sur le niveau de<br />
détérioration à un instant donné ou la durée<br />
de vie utile restante, l’objectif de cette<br />
étape est d’optimiser les intervalles de<br />
maintenance et le contenu des travaux,<br />
tout en tenant compte de l’état de l’usine<br />
à ce moment précis. En conséquence, le<br />
procédé de maintenance lié à un composant<br />
sera sujet à de nombreuses modifications<br />
au cours de sa vie. Par ailleurs,<br />
les travaux de maintenance et ordre de<br />
production à venir sont filtrés et simulés<br />
via un modèle complet, améliorant ainsi<br />
les plans de maintenance et de production.<br />
Du fait de la complexité de cette tâche<br />
d’optimisation, basée sur de multiples<br />
critères, des simulations numériques<br />
de production sont réalisées (exemple :<br />
Mixed-Integer Linear Problem – MILP<br />
– Solver). Parallèlement à cette activité<br />
de maintenance, des indicateurs clés de<br />
performance sont calculés.<br />
S.Sieg-Zieba (Cetim), T. Adolf et D. Lucke<br />
(Fraunhofer IPA), R. Haug (Loy & Hutz), P.<br />
Boulet (Cofely Endel) et J.García-Sedano<br />
Optimitive)<br />
* La suite de l’article dans le n°48 de <strong>Production</strong><br />
<strong>Maintenance</strong><br />
PRODUCTION MAINTENANCE OCTOBRE 2014 PAGE 36