Vous êtes sur la page 1sur 6

Author manuscript, published in "4mes Journes Doctorales / Journes Nationales MACS, JD-JN-MACS, Marseille : France (2011)"

Modlisation, base de Rseaux Baysiens, dun systme de maintenance industriel et de son environnement pour lvaluation de ses stratgies de maintenance
G. Medina-Oliva, P. Weber, B. Iung CRAN, Nancy-Universit, CNRS, Boulevard des Aiguillettes B.P. 70239 F-54506 Vanduvre ls Nancy, France (e-mail: {gabriela.medina-oliva, benoit.iung}@cran.uhp-nancy.fr,{philippe.weber}@esstin.uhp-nancy.fr Rsum Ce papier a pour objet de proposer une mthodologie dlaboration dun modle support laide la dcision en maintenance permettant par simulation dvaluer les diffrentes stratgies. La valeur ajoute de la mthodologie rside dans lunification, base de Rseaux Baysiens, des diffrents types de connaissance ncessaires la construction de ce modle dvaluation. Ce dernier est ainsi construit partir de motifs gnriques et modulables reprsentatifs des variables dcisionnels dans lvaluation dune stratgie de maintenance. Ces motifs, par instanciation, facilitent la construction des modles dapplications spcifiques. Cette mthodologie, issue du projet ANR SKOOB, est teste sur le cas applicatif de la maintenance dun systme de chauffage de leau. MOTS-CLS : Aide la dcision Stratgie de maintenance Disponibilit Rseaux Baysiens I. INTRODUCTION Par rapport aux exigences de plus en plus importantes relatives au Maintien en Condition Oprationnelle dun systme industriel, le processus de maintenance joue un rle fondamental pour lamlioration de la disponibilit, de la productivit, etc. [1]. Pour essayer de contrler au mieux ces performances, les responsables de maintenance doivent donc tre capables de choisir les stratgies de maintenance et les ressources mettre en uvre les plus adaptes aux besoins. Ces choix de prise de dcision sont ce jour bass sur des modles permettant dvaluer les stratgies de maintenance partir dune quantification du plan de maintenance et de lorganisation associe. [2] par exemple introduit dans ces modles plusieurs paramtres comme la nature de lintervention, la frquence, les conditions de ralisation des interventions [3] ce qui permet de comparer diffrentes stratgies en calculant des indicateurs cls (Key Performance Indicators- KPI) et de prdire lcart entre les performances oprationnelles et les objectifs viss. Ces rsultats peuvent ensuite tre utiliss pour cibler des amliorations bases souvent sur des compromis. Par rapport ce besoin en valuation pour des systmes industriels de plus en plus complexes o les solutions analytiques ne sont plus possibles, un des verrous scientifiques est de disposer dun modle intgrant un ensemble de paramtres reprsentatifs des diffrentes stratgies et formalisant leurs impacts sur les variables et performances majeures du systme. Face ce verrou, notre contribution consiste proposer une mthodologie dlaboration dun modle support laide la dcision en maintenance prenant en compte diffrents KPIs parfois antagonistes (i.e. disponibilit, cot) et permettant par simulation dvaluer les stratgies. La valeur ajoute de la mthodologie rside dans lunification, base de Rseaux Baysiens, des diffrents types de connaissance ncessaires la construction de ce modle dvaluation. Ce dernier est ainsi construit partir de motifs gnriques et modulables reprsentatifs des variables dcisionnelles. II. LEVALUATION DES STRATEGIES DE MAINTENANCE DANS UN CONTEXTE DINGENIERIE SYSTEME Dans les travaux de [3], [4], et [5] les aspects considrs dans les valuations des stratgies sont principalement les paramtres dclencheurs des actions de maintenance, les critres des performances optimiser, le degr de restauration du composant suite une action de maintenance et larchitecture du systme mono-composant ou multicomposant. Ces diffrents aspects requirent ainsi dintgrer normalement dans la modlisation support lvaluation, les lments suivants : - les dpendances entre les composants, - les performances multicritres [6], - les diffrents points de vue dun systme : fonctionnel, dysfonctionnel, financier, informationnel et organisationnel, - les interactions du systme de maintenance avec le systme principal ainsi quavec ses systmes contributeurs, - lintgration des informations qualitatives et quantitatives diffrents niveaux dabstraction. Cependant, la plupart des modles existants ne supportent pas lensemble de ces lments. Par exemple, [4] ne considre que des systmes mono-composants, et [7] nutilisent comme critres dvaluation que la disponibilit, les cots ou la fiabilit. Ces manques peuvent conduire une non prise en compte de plusieurs facteurs cls dans lvaluation telle que : - non intgration de limpact de la maintenance sur les autres performances comme la qualit du produit, le risque, etc [6]. - non intgration, au-del des aspects techniques (e.g. les mcanismes de dgradation, frquences des interventions) des aspects humains et organisationnels qui impactent galement les performances du systme [8], - non considration des diffrents types de dpendances (stochastiques, structurelles, conomiques). - non considration de linteraction entre le systme de maintenance et le systme principal qui limite la rutilisation des modles et la capitalisation de connaissances. Dans ce contexte, notre contribution scientifique consiste proposer une mthodologie permettant dvaluer, sur la base du calcul dun ensemble dindicateurs, si larchitecture fonctionnelle du Systme de Maintenance (SM) et les stratgies maintenance envisages (dfinies notamment travers le plan de maintenance et son organisation), sont capables de satisfaire les exigences requises par le Systme Principal (SP) et ses systmes contributeurs (processus de pronostic des performances de maintenance dans la phase de conception ou exploitation). Lorsque les objectifs ne sont pas atteints, la dtection des causes les plus impactantes sur les dviations des exigences (quantifies par des performances) du SP doit tre ralise. En ce sens, pour aider la prise de dcision par les responsables de maintenance, nous avons dvelopp un modle gnrique qui intgre: (a) les diffrentes interactions du SM avec ses systmes contributeurs, (b) limpact de diffrentes stratgies de maintenance sur le calcul des indicateurs et (c) lintgration de connaissances de diverses natures du SP et SM ( la fois qualitative pour les analyses organisationnelles et humaines mais aussi quantitative pour les analyses techniques). La technique de modlisation retenue, conformment aux justifications de [9], [10] est les Rseaux Baysiens (RB). Dans cet article nous nous focalisons plus spcifiquement sur

hal-00614704, version 1 - 15 Aug 2011

les facteurs dcisionnels qui caractrisent une stratgie de maintenance. Dans les phases de modlisation, lobjectif est de formaliser les interactions du SP avec le SM travers des modles de traitement et de donnes puis de transformer ces modles travers une smantique de codage et des rgles de codage gnriques et modulables conduisant un modle probabiliste en rseaux baysiens. III. FORMALISATION DE CONNAISSANCES Pour formaliser les connaissances des systmes industriels nous nous appuyons sur la thorie du systme gnral [11] qui permet de reprsenter le systme travers diffrents perspectives (points de vues). Une vue est une reprsentation partielle des connaissances sur llment modlis. Les vues permettent donc de dcouper le problme global danalyse ou de conception du systme, en sous-problmes plus facilement rsolubles [11]. Nous dtaillons dans [12] les vue fonctionnelle, dysfonctionnelle et informationnelle des flux dun systme (objet). Dans cet article, nous considrons en plus de ces vues, le point de vue organique. A. Une vue complmentaire : la vue organique dun systme industriel Lanalyse organique comprend la description du systme comme un ensemble architectur de constituants physiques en interaction ralisant les fonctions de larchitecture fonctionnelle [12]. Dans ce sens, nous considrons lensemble des vnements qui conduisent un vnement redout et la recherche des liens logiques entre les composants indispensables au succs de la mission du systme. Pour supporter ce point de vue nous pouvons utiliser des diagrammes de fiabilit ou des arbres de dfaillances. B. Formalisation de connaissances appliques un systme de maintenance (SM) Par rapport lobjectif global de modlisation de cette contribution, nous proposons dappliquer les mmes points de vues expliqus prcdemment pour le SP au SM en y ajoutant un point de vue organisationnel ainsi que limpact de la maintenance sur ltat du composant afin de faire face la problmatique scientifique explique dans la section II. B.1. Vue fonctionnelle du SM Selon la norme [3], la maintenance est dfinie comme lensemble de toutes les actions techniques, administratives et de management durant le cycle de vie dun bien, destines le maintenir ou le rtablir dans un tat dans lequel il peut accomplir la fonction requise. En consquence, les interventions de maintenance peuvent tre reprsentes comme une fonction puisquelles transforment ltat dun composant (dgrad, dfaillant) vers un autre tat amlior (rpar, fonctionnel). En tenant compte de la thorie du systme gnral et de la modlisation des processus, diffrents types de flux peuvent tre pris en compte entre les fonctions, comme montr dans la (Figure 1), par rapport la fonction globale maintenir lquipement .

B.2. Vue dysfonctionnelle du SM Le point de vue dysfonctionnel complte la partie fonctionnelle, cest--dire, cette vue permet lidentification des tats de dysfonctionnement du composant ainsi que les dviations des flux entrants et sortants de la fonction. Pour la maintenance une dviation du flux peut tre reprsente comme la disponibilit ou lindisponibilit (i.e. pas de) dun outil. Cette vue a t supporte par une analyse duale des dfaillances/dgradations avec lAMDEC et des modifications des proprits des flux entrant (cause de la dfaillance) et sortant (effet de la dfaillance) avec lHAZOP. B.3. Vue informationnelle de la maintenance (objet) Du point de vue objet, nous reprsentons les attributs des flux de la fonction maintenir lquipement qui est caractrise principalement par deux attributs : sa dure (dlais de la maintenance) et son impact sur ltat du composant (son efficacit). La Figure 2 montre la relation entre les diffrents objets ainsi que les attributs de ces objets sur un diagramme de block en SysML.
bdd [Package] Maintenance structure objets block Systme principal values Disponibilit : Real block Flux d'entre 1..* Est compose de 0..1 1..* Ralise values block Attributes : string Fonction 1..* 1..* Description : string values Type : string Est founi Code_ID : string 1..* Description : string Remplit 1..* Remplit block Produit/ Flux de sortie values Attributes : string 1..* Description : string Type : string

1 Se dcompose 1..* block Composant 1..* values Disponibilit : Real Fiabilit : Real 1 Identifiant: : char Maintainabilit : Real Nom : string

hal-00614704, version 1 - 15 Aug 2011

Affectent

1..* block Modes de dgradation/ dfaillance values Description : string 1..*

block Systme d'observation values Fiabilit : string

1 Possde 1..* 1..* 1..* Provoque block 1..* Mcanisme de dgradation Sont impacts par values Nom : string 1..* Modifie l'volution 1

D
1..* block Facteurs environnementaux values Svrit : string

block 1 Action de maintenance Attenue ou elimine values Cot : Unit monetaire Dure : Unit temporelle Efficacit : Real

block Action corrective

block A.P. Systmatique

Utilise

Utilise

A
block Action prventive

block A.P. Conditionnelle

1 1..* Est ralis par block Personnel values Cot : Unit monetaire Disponibilit : Real Efficacit : string

1 Consomme

1..* block Ressources matriels values Cot : Real Disponibilit : Real Idntifiant : char Quantit : Real

block A.P. Prvisionnelle

Figure 2. Relation entre les objets de la maintenance et ses attributs

B.4. Vue organisationnelle du SM Les oprateurs de maintenance sont influencs principalement dans lexcution de leurs actions par le contexte organisationnel dans lequel ils voluent. Dans ce sens, le point de vue organisationnel du SM a t construit sur ltude des facteurs pathognes (i.e. pression de production) modliss dans [8] qui impactent le droulement de ces actions. B.5. Vue organique du SM Pour crer la structure correspondante au SM (limpact du SM sur le SP), nous nous basons sur le point de vue organique. Celui-ci est reprsent par la fonction de structure entre les diffrents composants dun systme dfinie dans un diagramme de fiabilit. Dans ce sens, la vue organique nous permet de rsoudre la problmatique de reprsentation des systmes multi-composants. Dans ces modles se retrouvent toutes les variables dcisionnelles et les facteurs qui impactent le choix dune stratgie de maintenance ainsi que des systmes contributeurs de la maintenance tels que la logistique et les ressources humaines.

Figure 1. Fonction principale du SM

C. Variables dcisionnelles et facteurs qui impactent les valuations des stratgies de maintenance Les variables dcisionnelles reprsentatives des choix sur les stratgies de maintenance mettre en place impactent les performances du SM et du SP. Ces variables nous permettent dintgrer diffrents aspects dun systme: technique, humain et organisationnel spcifis dans la section II, et ils sont reprsents dans la Figure 2 comme des objets ou comme des attributs dobjets. C.1. Type de stratgies de maintenance- Figure 2 Point A Traditionnellement deux types de maintenance sont diffrencis en fonction de loccurrence de la dfaillance : la maintenance corrective et la maintenance prventive en sachant que cette dernire se diffrencie en stratgies de maintenance systmatiques, conditionnelles et prvisionnelles [13]. C.2. Efficacit de la maintenance- Figure 2 Point B Lun des attributs principaux dune intervention de maintenance est limpact de cette action sur ltat de dgradation du composant (health condition). Ils existent trois faons de caractriser lefficacit [14]: - Totale (AGAN): chaque action de maintenance remet zro le taux de dfaillance du systme. Ce cas sadapte bien aux remplacements des composants. - Partielle (ABAO): Une action minimale remet le systme en fonctionnement mais le taux de dfaillance reste identique. - Imparfaite : Cest un type de modlisation plus raliste car aprs laction, ltat du systme nest ni comme neuf ni comme avant la dfaillance, mais dans un tat intermdiaire born par ces deux extrmes.. C.3. Systme dobservation - Figure 2 Point C Lune des caractristiques importantes dans la maintenance conditionnelle et prvisionnelle est la fiabilit de son systme dobservation pouvant dans certains cas engendr des erreurs (qualit de la surveillance). Des travaux ont tudis et modliss ces erreurs en considrant une probabilit 1- pour la dtection dun dfaut suite une inspection et pour la non-dtection. Dans dautre cas lerreur provoque des fausses alarmes, et donc une intervention est dclenche alors que le composant est en bon tat. Il est intressant de prendre en compte cet aspect puisque la fiabilit du systme dobservation impacte les types daction, dans le sens o lorsque le systme ne dtecte pas le niveau adquat de la dgradation, le composant risque de tomber en panne entrainant un surcot due une opration de maintenance corrective plus lev que le cot dune action de maintenance prventive. Dautre part, si le systme gnre une fausse alarme, alors une action sera ralise sur un composant en bon tat, donc laction prventive sera considre comme partielle (namliore pas ltat du composant et lindisponibilit est aggrave cause du temps o le systme est hors service) avec des cots en augmentation. C.4. Facteurs environnementaux - Figure 2 Point D Lenvironnement auquel sont soumis les composants est une variable exogne la maintenance. Cependant elle impacte la performance du systme, plus spcifiquement la vitesse des mcanismes de dgradation. Pour estimer linfluence de lenvironnement, nous pouvons les considrer comme des facteurs globaux qui impactent les performances du systme [15] avec linconvnient de provoquer une perte de prcision due lagrgation de linfluence de lensemble des variables dans des macro-variables . Nous identifions deux macrovariables environnementales qui impactent la performance du composant : conditions nominales et conditions nonnominales. Les conditions nominales sont les conditions

dexploitation et denvironnent pour lesquelles le systme est conu, et les conditions non-nominales sont les conditions qui sont hors de la plage nominale fixe en conception. C.5. Facteurs qui impactent la mise en uvre des stratgies de maintenance : la logistique, lefficacit du personnel et les facteurs organisationnels - Figure 2 Point E Les dures doprations de maintenance dpendent des moyens logistiques de maintenance qui sont effectivement mis en uvre (personnel, formation, stocks de pices de rechange, moyens matriels, documentation, etc.) et des facteurs humains tels que la motivation, comptences, exprience, etc. [16]. Les performances de loprateur sont impactes par les diverses interactions quil a avec son environnement- issues de lorganisation et du management de lentreprise (point B4). Les facteurs considrs sont une adaptation de ceux modliss dans [8] mais ne sont pas traits dans cette publication. IV. UNIFICATION DE LA CONNAISSANCE DANS UN
MODELE A BASE DE RESEAUX BAYESIENS

Pour modliser les diffrents aspects du SP et du SM dans un modle rseaux baysiens (RB), nous proposons de prendre en compte les connaissances dcrites dans les diffrents points de vue expliqus prcdemment. Ces connaissances sont traduites sous la forme dun modle probabiliste o les variables sont reprsentes par les nuds et leurs relations de dpendance ou de causalit sont reprsentes par les arcs. Les relations entre les variables sont spcifies dans lanalyse informationnelle ou dans lanalyse fonctionnelle lorsquil y a des changes de flux entre les fonctions. De cette faon, il est possible de construire des motifs reprsentatifs de la mise en place des stratgies de maintenance ainsi que de son impact sur la disponibilit du composant. La construction du RB se droule en trois tapes : - Elaboration de la structure du rseau partir de la fonction maintenir lquipement (vue fonctionnelle), c'est--dire lintgration des variables reprsentant les flux dentre et de sortie dans le processus de maintenance ou des attributs de flux (vue informationnelle). Plusieurs variables peuvent tre intgres pour reprsenter un flux dentre ou de sortie. - Assemblage de ces variables sous la forme des motifs en tenant en compte des relations exprimes principalement dans la vue objet et les changes de flux dans la vue fonctionnelle, ainsi que les interactions avec les systmes contributeurs du SM et du SP. - Dfinition des tats des variables dentre et de sortie issues de lanalyse dysfonctionnelle (par exemple pour le systme dobservation nous identifions trois modalits : faussealarme, non-dtection et dtection). - Dfinition des probabilits conditionnelles donnes par les historiques, la logique combinatoire, lexpertise ou des facteurs daggravation/amlioration. Ces diffrents types de connaissances sont insrs ensuite dans les tables de probabilits conditionnelles (TPC) des variables. Par exemple, pour crer la structure du motif du plan de maintenance, nous nous basons surtout sur le point de vue informationnel (Figure 2). En effet le diagramme montre que les actions de maintenance sont de type prventive systmatique, prventive conditionnelle, prventive prvisionnelle ou corrective. En consquence une variable appele Type de Maintenance est cre avec deux modalits : prventive et corrective (Figure 3, Point A ). Ce nud condense la totalit des actions raliser dans le plan de maintenance. Ensuite, nous constatons que les actions conditionnelles et prvisionnelles ont besoin dun systme dobservation (Figure 3, Point B ) considr par lun de ses attributs : sa fiabilit. Ce dernier est intgr dans le motif

hal-00614704, version 1 - 15 Aug 2011

travers la variable fiabilit du systme dobservation . Elle impacte sur les actions prvues dans le plan de maintenance (cela sera expliqu dans la section V). Cet effet est observ travers la variable Type de maintenance corrig (Figure 3, Point C ). En plus, les actions prvues dans le plan de maintenance ont une efficacit (attribut des actions de maintenance). De faon indpendante du type de maintenance, lefficacit du plan de maintenance ( pertinence du plan de maintenance ) reprsente le degr de restauration dues aux actions de maintenance sur un composant et fait rfrence lefficacit prvue dans le plan de maintenance (Figure 3, Point D ). Tel que spcifi dans le diagramme de bloc, elle limine ou attnue les modes de dfaillance impactant un attribut du composant, sa disponibilit (Figure 3, Point F ). De faon similaire, nous avons construit les autre motifs gnriques qui impactent la disponibilit du composant. Sur la Figure 3 deux nuds quantifient la disponibilit du systme. Le premier est impact par lensemble des actions prvues dans le plan de maintenance ainsi que par les conditions dexploitation auxquelles le composant est soumis (Figure 3 : impact des actions et de lenvironnement sur le composant). Ensuite, la disponibilit du composant est impacte par les moyens logistiques et organisationnels.

Q
i

C a p te u r T
i

R 1

H Q T
0

C a p te u r H

Figure 4. Systme de Chauffage de leau Les sorties sont le dbit deau Qo et la temprature T qui est rgule autour dun point de fonctionnement (Qi=Qo= 20 l min1 et T=50 C) (Figure 5). Pour simplifier notre exemple, nous nous limitons ltude de la fonction A3 de la Figure 5 et lun des composants qui la supporte la R1. Toutefois, la mthodologie est applicable tous les composants du systme. Les liens entre les diffrents composants (lassemblage des motifs) sont bass sur les changes de flux entre les diffrentes fonctions. Lhypothse ralise dans le modle est de considrer lvolution indpendante de chaque composant sans considrer les dfaillances techniques de causes communes. Toutefois, les dfaillances de causes humaines communes sont prises en compte, cest--dire, la non-efficacit des actions humaines peut causer des dfaillances dans plusieurs composants du systme.
WD Commande Qi Flux deau HD Ti RHD Qi HD Flux deau AD2 Energie lectrique WD Commande dclencheur du control de paramtres Contrler les paramtres A2 AD1 -2 Ordinateur, capteurs RHD Control des paramtres WD Commande dclencheur de la transformation de H Qo RHD Flux deau une temprature T et dbit Qo HD Flux deau une temprature T et dbit Qo Transforme r la pression Qi A1

AD2 Energie lectrique AD1 -1 Vanne V HD System parameters Temperature T and level H

hal-00614704, version 1 - 15 Aug 2011

Facteurs exognes

Plan de maintenance

Facteur humain

Systme logistique

WD Commande H et T

Transformer Qi H Ti T AD2 Energie lectrique AD1 -3 Tank, Resistance

RHD Flux deau une temprature T et leau stock A3 HD Flux deau une temprature T et leau stock

Transformer H Qo A4 AD2 Energie lectrique AD1 -4 Pipeline

Facteurs organisationnels

Figure 3. Motifs de modlisation de limpact des actions de maintenance sur un composant

Pour calculer la probabilit de succs de la mission du systme nous nous appuyons sur le point de vue organique o sont spcifis les liens logiques entre les composants. De cette faon nous avons construit des motifs gnriques et modulables sur diffrents aspects impactant larchitecture de maintenance, afin dunifier les connaissances ncessaires pour lvaluation dindicateurs de performance cl tel que la disponibilit. Ce type de structure facilite et guide la construction dun modle global pour une application spcifique en permettant la capitalisation et la rutilisation des motifs du modle. V. APPLICATION Nous illustrons la quantification de ce modle travers lapplication du motif gnrique pour valuer limpact du plan de maintenance sur un composant (dfini sous la forme de rseaux baysiens). Ce motif est ainsi particularis au cas dun exemple classique de chauffage de leau dans un systme industriel (Figure 4). Lobjectif du processus thermique est dassurer un dbit constant de leau avec une temprature donne. Le processus est compos dun rservoir quip avec une rsistance de chauffe R1. Les entres du systme sont le dbit deau Qi, la temprature de leau Ti et lnergie lectrique du dispositif de chauffe laquelle est contrle par un ordinateur.

Nud Type de maintenance (Figure 3, Point A ) Le composant sera soumis un plan de maintenance prventive systmatique tel que tests de ltanchit, nettoyage de la rsistance (pour viter le tartre), etc. Les actions sont reparties de la faon suivante : P(AM = corrective) = 0,3 et P(AM = prventive) = 0,7. Cette rpartition de probabilit se base sur des donnes dhistoriques travers le calcul de probabilit dun vnement par sa frquence relative [17]. Nud Systme dobservation (Figure 3, Point B ) Pour intgrer la maintenance conditionnelle (des inspections), la fiabilit du systme dobservation doit tre considr. Dans ce cas les inspections ont la loi, de distribution des probabilits suivante : fausse alarme 0,01, non-dtection 0,03 et dtection 0,96. La probabilit de non-dtection peut tre estime travers lanalyse de lhistorique des actions correctives dans des applications similaires (actions lies la non-dtection du systme dobservation). Ce principe peut tre appliqu aussi la probabilit de fausse alarme. Nud Type de maintenance corrig (Figure 3, Point C ) Le systme dobservation (SO = {Dtection, non-dtection, fausse alarme}) impacte les types dactions prvues dans le plan de maintenance (modalits : correctives et prventives). Donc, les actions de type corrective resterons telles que prvues dans le plan puisque les actions correctives nont pas besoin dun systme dobservation. En revanche, les proportions de maintenance prventives (conditionnelle et prvisionnelle) seront modifies (corriges) tels que :
P(SO = fausse alarme) = P(AM = prventive ) P(AM
p

Figure 5. Analyse fonctionnelle du systme de chauffage de l'eau

= conditionn elles) P(Xi = non dtect/ Di = produite).

Cette probabilit est attribue aux actions prventives partielles puisquune action sera ralise sur un composant en bon tat, donc laction namliore pas ltat du composant et lindisponibilit est aggrave cause du temps hors service.

P(SO = non - dtection) = P (Xi = dtect/ Di = non - produite) P (AM


p

= conditionn elles) P(AM = prventive ).

P(efficacit = partielle) = q = (0,6/ (1,4+0,6)) x 0,15= 0,045 De cette faon la TPC rsultante est montre sur le Tableau 2.
Type de maintenance corrig Corrective Corrective Corrective Prventive Prventive Prventive Fiabilit systme d'observation Fausse alarme Non-dtection Dtection Fausse alarme Non-dtection Dtection Totale 0,5 0,5 0,5 0,7 + 0,1050,0021 = 0,8029 0,7 + 0,105= 0,805 0,7 + 0,105= 0,805 Partielle 0,5 0,5 0,5 0,15 + 0,045+ 0,0021 = 0,1971 0,15 + 0,045 = 0,195 0,15 + 0,045 = 0,195

Cette probabilit est attribue aux tches correctives en supposant que les composants tombent en panne d une nondtection. O : Xi : sont les variables du systme dobservation Di : sont les variables de dfaillance. AMp : fait rfrences aux actions de maintenance prventive. Elles sont spcifies par trois modalits : conditionnelle, prvisionnelle ou systmatique. De cette faon la TPC du type de maintenance corrig est modifie telle que montr sur le Tableau 1 . Pour les fausse alarmes, la TPC est modifie sur le nud pertinence du plan de maintenance , tel que montr sur le Tableau 1 en italique.
Fiabilit systme d'observation Fausse alarme Fausse alarme Non-dtection Non-dtection Dtection Dtection Type de maintenance Corrective Prventive Corrective Prventive Corrective Prventive Corrective 1 0 1 0,063 1 0 Prventive 0 1 0 0,937 0 1

hal-00614704, version 1 - 15 Aug 2011

Nud Pertinence du plan de maintenance (Figure 3, Point D ) : Lefficacit dune action peut tre totale, partielle ou imparfaite. Lefficacit imparfaite est modlise comme une intervention situe entre ces deux extrmes. Elle impacte lge effective du composant suite une intervention de maintenance travers un facteur de rajeunissement XRaj qui est born entre 0XRaj1 [18]. Nous faisons lhypothse que la proportion de rduction de lge est quivalente un effet de restauration totale (p = XRaj) et son complment (q= 1- XRaj) est quivalent un effet de restauration partielle (q). Nous regroupons les actions en restauration partielle ou totale. Pour associer la maintenance imparfaite aux tats totale ou partielle , la somme des efficacits est utilise comme une pondration pour rpartir le total de probabilit relative aux actions imparfaites. Finalement les attributions des probabilits aux tats seront :
n

Tableau 1. TPC nud "type de maintenance corrig"

Nud Facteurs environnementaux (Figure 3, Point E ) Pour caractriser les facteurs environnementaux, il faut intgrer les conditions dexploitation de la rsistance. La rsistance a t exploite au-dessus du taux dutilisation prvu par le constructeur et en consquence P(E= non-nominale) = 0,15 Nud Resistance_A.initial (Figure 3, Point F ) Le nud support_initial contient ltat du composant soumis un plan de maintenance. La pertinence du plan impacte la remise dans un tat amlior dun composant, nanmoins, il faut considrer un facteur daggravation des tats de fonctionnement qui est le temps hors service du la priode de lintervention (MDT). Pour cela nous avons : 1 qui est un facteur daggravation du fonctionnement du composant. Il est calcul travers le temps hors service du composant totale dans une priode du temps t en assumant que le composant nest soumis qu des actions de remplacement, donc 1 =

Tableau 2. TPC nud "Pertinence du plan de maintenance"

totale totale + totale

Le totale est donn par le constructeur o totale =

Pi
P (efficacit = i ) =
i =1

Pi + Qi
i =1 i =1

P (efficacit = imparfaite )

Pour i = p (totale) ou q (partielle), o : P(efficacit = i) : Probabilit attribues aux actions defficacit i Dans notre exemple nous obtenons que les probabilits pour les actions correctives totales sont 0,5 et 0,5 pour les partielles. Pour la maintenance prventive il est not que 0,7 ont une efficacit totale, 0,15 ont une efficacit partielle et 0,15 ont une efficacit imparfaite. Cet exemple prsente deux actions imparfaites dans le plan de maintenance, dont les facteurs p et q sont dfinis ci-dessous :
Action imparfaite i Peinture anticorrosive Nettoyage de la rsistance Somme = Pi : (Totale) 0,8 0,6 1,4 Qi : (Partielle) 0,2 0,4 0,6

1 . MTTF 2 est estim de manire similaire 1 pour les interventions partielles. Dans ce cas, le nombre dintervention est calcul travers le MUT estim pour des actions minimales. Il faut donc observer dans lhistorique le temps de bon fonctionnement suite une action partielle. Les facteurs environnementaux impactent uniquement la vitesse du mcanisme de dgradation, et impactent le MUT. Ils existent aussi deux cas : conditions nominales o les conditions naffectent pas ltat du composant et conditions non-nominales. En effet puisque les conditions sont plus svres que les conditions normales dfinies en conception, il faut ajouter un facteur daggravation du composant . La TPC est dfinie ainsi sur le Tableau 3.
Pertinence du plan de maintenance Environnement Fonctionnement Totale Totale Partielle Partielle Nominales Non-nominales Nominales Non-nominales 1 = 0,9 1x = 0,9x 0,85 2 = 0,8 2x = 0,8x 0,85 Nonfonctionnement 1-1 1-0,9= 0,1 1- (1x) = 1-(0,9x 0,85) 1-2 0,2 1- (2x) = 1- (0,8x 0,85)

Tableau 1. Actions imparfaites associes R1

Le facteur p signifie que laction de maintenance a provoqu une diminution de lge virtuel du composant. Dans notre exemple, laction Peinture anticorrosive rajeunie ou diminue lge du composant 80%. Dans cet exemple la rpartition des p et q se ralise de la faon suivante : P(efficacit = totale) = p = (1,4/ (1,4+0,6)) x 0,15 = 0,105

Tableau 3. TPC nud " Resistance_A.initial "

A. Exploitation du modle Le modle rsultant construit sur les motifs gnriques mais paramtr de faon spcifique au cas trait avec les diffrentes quantifications prcdentes peut maintenant tre utilis pour valuer la disponibilit du composant soumis un plan de

hal-00614704, version 1 - 15 Aug 2011

maintenance et certaines conditions dexploitation, en sachant que la comparaison entre les diffrents alternatives en maintenance se fait sur la base de plusieurs simulations et en rglant certains des paramtres. Dans lexemple est mise en vidence que la rsistance soumise ce premier plan de maintenance (configuration initiale des paramtres) et certaines conditions dexploitations sera disponible 85,20% du temps (Figure 6- Point Alt 1 . Les rsultats des simulations de plusieurs scnarios (modifications de paramtres par rapport la premire alternative) sont ensuite prsents. Alternative 2 : Si les conditions dexploitations sont amliores et donc, P(E= non-nominales) = 0,05. La disponibilit augmente de 0,8520 0,8651. Ceci permet de conclure quant limpact de lenvironnement sur une dgradation lgre de ltat du composant. Alternative 3 : Nous pouvons ajouter une deuxime rsistance en parallle avec un mme plan de maintenance que R1. Pour cela nous nous basons sur la vue organique (diagramme de fiabilit). Cette modification augmente considrablement la distribution de probabilit sur ltat de bon fonctionnement 0,9781. Alternative 4 : Modle du systme - Pour reprsenter la disponibilit du systme nous pouvons utiliser la fonction de structure du systme. La Figure 5 met en vidence que la vanne, le rservoir, la rsistance et le pipeline sont en srie. De plus nous allons ajouter la R2 en parallle (comme cela est fait pour lalternative prcdente). De cette faon, nous pouvons intgrer dans le systme diffrents motifs reprsentatifs du plan de maintenance de chaque composant ainsi que quantifier les paramtres du rseau de faon similaire la quantification de la rsistance R1. La Figure 6 montre le rseau obtenu. Pour les composants en parallle R1 et R2 nous utilisons dans le TPC un OU logique et pour les composants en srie un ET logique . En complment ces premires alternatives, dautres simulations sont possibles en valuant limpact de facteurs complmentaires comme ceux de lorganisation de la maintenance tels que le facteur humain. Toutefois, ce jour les motifs ne prennent pas encore en compte lvaluation du cot qui est un des facteurs essentiels de la prise de dcision.
Srie ET LOGIQUE
Vanne Facteurs exognes Ordinateur Plan de maintenance Facteur humain Tank Pipeline Systme logistique

organique dun systme (maintenance ou principal). La construction du modle est base sur des motifs gnriques interconnectables et qui reprsentent par exemple lorganisation de la maintenance, le plan de maintenance etc. Ces motifs gnriques peuvent tre stocks en bibliothques (composants sur tagre, COTS) et utiliss pour dfinir un modle particulier partir dune phase de particularisation du motif au cas trait. Le choix des Rseaux Baysiens pour la modlisation de ces motifs se justifie par leur capacit raliser des prdictions ainsi que du diagnostic. Il est ainsi possible d'estimer l'impact de ltat d'une variable alatoire (en le propagent par des relations de causes effets) sur le systme. A partir de la contribution propose, nos perspectives de travail portent sur l'valuation de la qualit de la dcision en intgrant la notion de prcision des estimations faites par le rseau baysien. Il est envisageable d'associer aux probabilits une incertitude afin de mener des tudes de sensibilit. Il est aussi ncessaire dintgrer dans les motifs actuels, lvaluation du critre de cot lment majeur de la prise de dcision. En termes de validation, la mthodologie propose devra aussi tre dploye sur un cas industriel rel afin de dmontrer son applicabilit aprs un passage lchelle. Ceci est en cours dans le cadre du projet ANR-SKOOB. VII. REMERCIEMENTS Les travaux prsents dans ce papier ont t raliss dans le cadre du projet ANR-SKOOB. (ANR PROJET 07 TLOG 021 (http://skoob.lip6.fr)). VIII. REFERENCES
[1] Alsyouf, I. The role of maintenance in improving companies productivity and profitability. International Journal of Production Economics, 105, 7078. 2007. [2] Wang H., A survey of maintenance policies of deteriorating systems, Eur J Oper Res 139 (3), pp. 469489. 2002. [3] FD X 60-000, Norme Franaise. Fonction Maintenance. AFNOR 2002. [4] Crespo-Mrquez A. The maintenance management framework: models and methods for complex systems maintenance, Springer Series in Reliability Engineering ISBN10:1846288207. 2008. [5] Dekker R. Applications of maintenance optimization models: review and analysis. Reliability Engineering and System Safety, 51:229-40. 1996. [6] Parida A. Development of a Multi-criteria Hierarchical Framework for Maintenance Performance Measurement. Doctoral Thesis. Division of Operation and Maintenance Engineering. Lule University of Technology. 2006. [7] Valdez-Flores C, Feldman RM. A survey of preventive maintenance models for stochastically deteriorating single-unit systems. Naval Research Logistics, 36:419-46. 1989. [8] Lger A., Weber P., Levrat E., Duval C., Farret R., Iung B., Methodological developments for probabilistic risk analyses of socio-technical systems. Journal of Risk and Reliability, volume 223 (number 4/2009), pages 313-332. 2009. [9] Langseth H., Portinale L. (2007). Bayesian networks in reliability. Reliability Engineering & System Safety. 92(1), 92-108. [10] Weber, P., Medina-Oliva, G., Simon, C., & Iung, B. (2010). Overview on Bayesian networks Applications for Dependability, Risk Analysis and Maintenance areas. Engineering Applications of Artificial Intelligence on Dependable System Modelling and Analysis. [11] Association Franaise dIngnierie Systme (AFIS). Dcouvrir et comprendre lIngnierie Systme. 2009 [12] Medina-Oliva, G., Weber, P., Levrat, E., & Iung, B. (2010). Use of Probabilistic Relational Model (PRM) for Dependability Analysis of Complex Systems. 12th LSS IFAC symposium Large Scale Systems: theory and applications, Villeneuve d'Ascq, France. [13]NF EN 13306. Norme Europen. Terminologie de maintenance. AFNOR 2001. [14] Ho-Joon Sung, Optimal maintenance of a multi-unit system under dependencies. PhD. These in the School of Aerospace Engineering Georgia Institute of Technology. 2008. [15] Zille V. Modlisation et valuation des stratgies de maintenance complexes sur des systmes multi-composants. Doctorat de l'Universit de Technologie de Troyes. 2009. [16] Knezevic J . Maintainability and System Effectiveness. - Handbook of Maintenance Management and Engineering, Springer Series in Reliability Engineering ISBN978-184882-471-3. 2009. [17] Mendenhall W, Beaver RJ, Beaver BM: Introduction to Probability and Statistics. Brooks/Cole 2008. [18] Clavareau J., Labeau P-E. A Petri net-based modelling of replacement strategies under technological obsolescence. Reliability Engineering and System Safety. Volume 94, 357-369. 2009.

Parallle OU LOGIQUE Alt 1


R1 R2

Facteurs organisationnels

Figure 6. Assemblage des motifs ncessaire pour estimer la disponibilit du systme

VI. CONCLUSION ET PERSPECTIVES Par rapport aux besoins dvaluations des stratgies de maintenance vis--vis de leur impact sur les performances cls du systme principal, un modle unifi des connaissances a t propos base de Rseaux Baysiens et utilis pour des simulations. Les connaissances modlises sont issues des points de vue fonctionnel, dysfonctionnel, informationnel et