20.11.2020 Views

Production Maintenance n°47

SPÉCIAL MAINTENANCE EXPO : QUELS OUTILS DE GMAO POUR LES INDUSTRIELS ?

SPÉCIAL MAINTENANCE EXPO : QUELS OUTILS DE GMAO POUR LES INDUSTRIELS ?

SHOW MORE
SHOW LESS

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

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!