Lesobre 2015 Archivage

Mod
elisation et optimisation de la maintenance et de la

surveillance des syst`
emes multi-composants Applications `
a la maintenance et `
a la conception de
v
ehicules industriels
Romain Lesobre
To cite this version:

Romain Lesobre. Modelisation et optimisation de la maintenance et de la surveillance des
syst`emes multi-composants - Applications a` la maintenance et a` la conception de vehicules
industriels. Automatique / Robotique. Universite Grenoble Alpes, 2015. Francais. <NNT :
2015GREAT022>. <tel-01169295v1>
HAL Id: tel-01169295

https://tel.archives-ouvertes.fr/tel-01169295v1
Submitted on 2 Jul 2015 (v1), last revised 1 Jan 2015 (v2)
HAL is a multi-disciplinary open access

archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
Larchive ouverte pluridisciplinaire HAL, est

destinee au depot et `a la diffusion de documents
scientifiques de niveau recherche, publies ou non,
emanant des etablissements denseignement et de
recherche francais ou etrangers, des laboratoires
publics ou prives.
THSE
Pour obtenir le grade de
DOCTEUR DE LUNIVERSIT DE GRENOBLE

Spcialit : Automatique - Productique
Arrt ministriel : 7 aot 2006
Prsente par
Romain LESOBRE
Thse dirige par Christophe BERENGUER et
codirige par Vincent COCQUEMPOT
prpare au sein du Laboratoire Grenoble, Images, Parole,
Signal, Automatique (GIPSA-lab)
dans l'cole Doctorale Electronique, Electrotechnique,
Automatique et Traitement du Signal (EEATS)
Modlisation et optimisation
de la maintenance et de la
surveillance des systmes
multi-composants
Applications la maintenance et la
conception de vhicules industriels
Thse soutenue publiquement le 26 Mars 2015,
devant le jury compos de:
Mr. Bruno CASTANIER

Professeur des Universits, Universit dAngers, Rapporteur
Mr. Franois PERES

Professeur des Universits, ENI Tarbes, Rapporteur
Mr. Antoine GRALL

Professeur des Universits, UTT, Examinateur
Mr. Van Phuc DO

Matre de Confrences, Universit de Lorraine, Examinateur
Mme. Keomany BOUVARD

Ingnieur recherche (Dr.), Volvo, Examinateur
Mme. Anne BARROS

Professeur des Universits, NTNU Trondheim, Invite & Co-encadrante
Mr. Vincent COCQUEMPOT

Professeur des Universits, Universit Sciences et Technologies Lille 1,
Co-directeur de thse
Mr. Christophe BERENGUER

Professeur des Universits, Grenoble INP, Directeur de thse
Rsum
Rsum
Ces travaux de thse traitent des problmes de maintenance associs aux vhicules
industriels. Ils se concentrent sur la planification des oprations de maintenance et sur le
dveloppement dune mthodologie de conception pour la maintenance. Le but est de
proposer une offre de maintenance personnalise en fonction de chaque vhicule et capable
de sadapter aux contraintes des utilisateurs. Dans lindustrie du transport, ces contraintes
se caractrisent par un nombre dopportunits de maintenance limit et des immobilisations
fortes consquences financires. Cette offre a vocation garantir un niveau de
disponibilit lev tout en rduisant limpact de la maintenance sur les cots globaux
dexploitation.
Dans ce cadre, la politique de maintenance dveloppe vise assurer, moyennant un certain
risque, lautonomie dun systme multi-composant sur des priodes doprations donnes.
Pendant ces priodes, aucune opration de maintenance et aucune dfaillance du systme
ne doivent venir perturber la ralisation des missions. A la fin de chaque priode, la politique
considre value la ncessit dune intervention de maintenance pour assurer la prochaine
priode avec un niveau de confiance spcifi. Lorsque la maintenance est juge
indispensable, des critres intgrant les cots et lefficacit de la maintenance sont
introduits pour slectionner les oprations raliser.
Cette forme originale de regroupement dynamique sappuie la fois sur les modles de
fiabilit des composants, sur la structure fiabiliste du systme et sur les informations de
surveillance disponibles en ligne. Celles-ci se composent dinformations lies ltat de
sant des composants mais galement leurs conditions dutilisation. La flexibilit du
processus permet dintgrer, dans la dcision, des niveaux dinformations diffrents suivant
les composants. Les paramtres de cette politique, savoir la longueur de la priode et le
niveau de confiance, sont optimiss en fonction du cot total de maintenance. Ce cot,
valu sur un horizon fini, intgre les cots directs associs aux oprations de maintenance
et les cots indirects engendrs par les immobilisations.
Pour envisager une rduction significative des cots dexploitation du systme,
loptimisation de la politique de maintenance seule ne suffit pas. Il est primordial de mener
une rflexion plus large associant le systme et sa maintenance ds la conception. Pour
diriger cette rflexion, la mthodologie de conception propose hirarchise, laide dun
facteur dimportance original, limpact des composants sur les cots dexploitation.
Diffrentes options de conceptions sont ensuite values, par simulation, sur les
composants jugs prioritaires. Les options retenues conduisent rduire les cots globaux
dexploitation.
Des rsultats de simulation permettent dillustrer les mthodes dveloppes. Une
application sur un sous-systme du vhicule industriel est galement ralise.
iii
Rsum
iv
Abstract
Abstract
This thesis research work focuses on the maintenance operations scheduling and the
development of a design methodology for maintenance. The aim is to suggest a customized
maintenance service offer for each vehicle and able to adapt to user constraints. In the
transport industry, these constraints are defined by a limited number of maintenance
opportunities and vehicle unplanned stops with significant financial consequences. This
service offer should enable both to improve the vehicle uptime and to reduce the
maintenance impact on operating costs.
In this framework, the developed maintenance policy ensures, with a given risk probability,
maintenance free operating periods for a multi-component system. During these periods,
the system should be able to carry out all its assigned missions without maintenance actions
and system fault. At the end of each period, the considered policy evaluates if a
maintenance action is required to ensure maintenance-free and fault-free operation on the
next period with a specified confidence level. When a maintenance action is mandatory,
decision criteria considering the maintenance costs and the maintenance efficiency are used
to select the operations to be performed.
This form of dynamic clustering, called time-driven clustering, integrates both the
component reliability models, the system structure and the available monitoring
information. In our case, the monitoring information refers to the component state
information and information on the component operating conditions. The process flexibility
makes possible to make a maintenance decision in using different information levels for
system components. The policy parameters, namely the period length and the confidence
level value, are optimized based on the total maintenance cost. This cost, evaluated on a
finite horizon, is composed of directs costs related to maintenance operations and indirect
costs generated by system immobilizations.
In order to reach a significant operating costs reduction, the maintenance policy
optimization alone is not sufficient. It is essential to have a broader approach to involve the
system and its maintenance since the conception. In this context, the developed design
methodology suggests to prioritize the components impact on the operating costs. This
prioritization is performed thanks to a defined importance factor. Then, multiple design
options are evaluated by simulation in priority component. The selected options lead to
reduce the operating costs.
This work contains simulation results that illustrate the methods mentioned above.
Moreover, a heavy vehicle sub-system is used as a test-case.
Abstract
vi
Rsum vulgaris
Rsum vulgaris
Ces travaux traitent des problmes de maintenance associs aux vhicules industriels. Le but
est de proposer aux utilisateurs une offre de maintenance personnalise et adapte leurs
contraintes tout en rduisant limpact sur les cots dexploitation. Dans ce cadre, une
politique originale de regroupement dynamique qui utilise la fois les informations de
surveillance disponibles et la connaissance du systme multi-composant est dveloppe. Elle
vise garantir lutilisateur lautonomie de son systme sur des priodes doprations
donnes tout en minimisant le cot total de maintenance. Pour rduire significativement les
cots dexploitation, loptimisation de la politique de maintenance seule ne suffit pas. Une
rflexion plus large associant le systme et sa maintenance est primordiale ds la
conception. Une mthodologie est ainsi propose pour valuer diffrentes options de
conception et retenir celles qui minimisent les cots dexploitation.
Abstract
This thesis deals with the maintenance issues of commercial heavy vehicles. The main
objective is to suggest to customers a customized maintenance service offer, adapted to
theirs constraints and able to reduce the impact on operating costs. In this framework, a
maintenance policy based on dynamic operations clustering is developed by using the
component reliability models, the multi-component system structure and the available
monitoring information. This policy aims at ensuring maintenance free operating periods for
a multi-component system in minimizing the total maintenance cost. In order to reach a
significant operating costs reduction, the maintenance policy optimization alone is not
sufficient. It is essential to have a broader vision to involve the system and its maintenance
since the conception. A methodology is proposed to evaluate multiple design options and
select the ones that reduce the operating costs.
vii
Rsum vulgaris
viii
Table des matires
Table des matires

Rsum ...................................................................................................................................... iii
Abstract ...................................................................................................................................... v
Rsum vulgaris.......................................................................................................................vii
Table des matires .....................................................................................................................ix
Table des figures........................................................................................................................ xv
Table des tableaux.................................................................................................................... xix
Abrviations et Notations ........................................................................................................ xxi
Chapitre 1 ................................................................................................................................... 1
Introduction gnrale................................................................................................................. 1
1.1
Panorama du transport routier ................................................................................... 1
1.1.1
Etat des lieux en quelques chiffres ...................................................................... 1
1.1.2
Cot dexploitation : un indicateur cl ................................................................. 2
1.2
La maintenance dans le groupe AB Volvo ................................................................... 4
1.2.1
Principaux acteurs ................................................................................................ 4
1.2.2
Elaboration des contrats dentretien ................................................................... 6
1.2.3
Construction du planning de maintenance .......................................................... 8
1.3
Vers une amlioration de loffre de service .............................................................. 10
1.3.1
Besoins des utilisateurs: volutions ................................................................... 10
1.3.2
Cahier des charges ............................................................................................. 11
1.4
Le projet MoDe: une premire rponse .................................................................... 13
1.4.1
Objectifs du projet.............................................................................................. 13
1.4.2
Algorithme de planification dynamique............................................................. 15
1.4.3
Rsultats et limites ............................................................................................. 16
1.5
Contribution de la thse ............................................................................................ 18
1.5.1
Objectifs industriels ............................................................................................ 18
1.5.2
Enjeux mthodologiques .................................................................................... 19
1.6
Plan de la thse.......................................................................................................... 21
Chapitre 2 ................................................................................................................................. 23
Modlisation de la fiabilit des systmes ................................................................................ 23
2.1
Rappels de fiabilit .................................................................................................... 23

ix
Table des matires

2.1.1
Fiabilit et sret de fonctionnement ............................................................... 23
2.1.2
Fiabilit et grandeurs caractristiques ............................................................... 25
2.1.3
Fiabilit et mthodes dvaluation .................................................................... 28
2.2
Modles de survie ..................................................................................................... 29
2.2.1
La loi exponentielle ............................................................................................ 30
2.2.2
La loi de Weibull ................................................................................................. 31
2.2.3
Autres lois usuelles ............................................................................................. 32
2.2.4
Modles de survie et environnement dynamique ............................................. 34
2.3
Modles de dgradation ........................................................................................... 35
2.3.1
Diffrentes classes de dgradation .................................................................... 35
2.3.2
Processus de Lvy ............................................................................................... 37
2.3.3
Dgradation et environnement dynamique ...................................................... 39
2.4
Fiabilit des systmes ................................................................................................ 39
2.4.1
Analyse et reprsentation de la structure fiabiliste ........................................... 40
2.4.2
Calculs de fiabilit pour des structures lmentaires ........................................ 41
2.5
Conclusion ................................................................................................................. 43
Chapitre 3 ................................................................................................................................. 45
Modlisation de la maintenance.............................................................................................. 45
3.1
Notions gnrales ...................................................................................................... 45
3.1.1
Types de maintenance ....................................................................................... 46
3.1.2
Moyens daction de la maintenance .................................................................. 48
3.1.3
Evaluation et optimisation des performances ................................................... 49
3.2
Maintenance et surveillance ..................................................................................... 51
3.2.1
Informations de surveillance .............................................................................. 51
3.2.2
Surveillance et processus de dcision ................................................................ 54
3.3
Politiques de maintenance appliques un composant lmentaire ...................... 56
3.3.1
Politiques bases sur la loi de dure de vie du composant ............................... 56
3.3.2
Politiques bases sur ltat courant du composant ........................................... 59
3.4
Maintenance des systmes multi-composant........................................................... 62
3.4.1
Politiques de regroupement stationnaires ........................................................ 63
3.4.2
Politiques de regroupement dynamiques .......................................................... 64
3.5
Conclusion ................................................................................................................. 65
x
Table des matires

Chapitre 4 ................................................................................................................................. 67
Politique de maintenance dynamique base sur le concept de la MFOP ............................... 67
4.1
Concept de la MFOP .................................................................................................. 67
4.1.1
Dfinitions gnrales .......................................................................................... 68
4.1.2
La MFOP dans la littrature................................................................................ 69
4.2
Description de la politique de maintenance ............................................................. 71
4.2.1
Processus de dcision de maintenance ............................................................. 72
4.2.2
Evaluation de la politique de maintenance........................................................ 74
4.3
Slection des oprations de maintenance ................................................................ 76
4.3.1
Dfinition des critres de dcision ..................................................................... 77
4.3.2
Dpendances des oprations de maintenance .................................................. 79
4.3.3
Mthodes de rsolution ..................................................................................... 80
4.4
Illustration.................................................................................................................. 84
4.4.1
Dfinition du systme et convergence .............................................................. 84
4.4.2
Evaluation de lalgorithme gntique ................................................................ 86
4.4.3
Comparaison des critres de dcision ............................................................... 87
4.5
Conclusion ................................................................................................................. 89
Chapitre 5 ................................................................................................................................. 91
Prise en compte de linformation de surveillance pour la maintenance ................................. 91
5.1
Surveillance et tat de sant des composants .......................................................... 91
5.1.1
Dfinition des niveaux de surveillance considrs ............................................ 92
5.1.2
Intgration dans le processus de dcision ......................................................... 93
5.1.3
Impact sur les cots de maintenance ................................................................ 98
5.2
Surveillance et conditions dutilisations des composants ......................................... 99
5.2.1
Conditions dutilisation: Dfinition et problmatique ..................................... 100
5.2.2
Conditions dutilisation et modles de dure de vie ....................................... 101
5.2.3
Conditions dutilisation et modles de dgradation ........................................ 105
5.3
Exemple numrique................................................................................................. 108
5.3.1
Procdure de simulation .................................................................................. 108
5.3.2
Description des cas de surveillance considrs ............................................... 110
5.3.3
Prsentation du systme tudi ...................................................................... 112
5.3.4
Rsultats et analyses ........................................................................................ 113

xi
Table des matires

5.4
Conclusion ............................................................................................................... 115
Chapitre 6 ............................................................................................................................... 117

Mthodologie de conception pour la maintenance .............................................................. 117
6.1
Maintenance et conception: le duo gagnant .......................................................... 117
6.1.1
Place de la maintenance: volution ................................................................. 118
6.1.2
MFOP et problmatiques de conception ......................................................... 120
6.2
Prsentation de la mthodologie dveloppe ........................................................ 122
6.2.1
Description gnrale ........................................................................................ 122
6.2.2
Une boite outils pour la conception .............................................................. 124
6.3
Priorisation des actions de conception ................................................................... 126
6.3.1
Facteurs dimportance fiabilistes et cot de maintenance.............................. 126
6.3.2
Un facteur dimportance bas sur les cots .................................................... 127
6.4
Illustration................................................................................................................ 129
6.4.1
Dfinition du systme de rfrence ................................................................. 130
6.4.2
Rsultats initiaux .............................................................................................. 131
6.4.3
Recommandations pour la conception ............................................................ 132
6.5
Conclusion ............................................................................................................... 137
Chapitre 7 ............................................................................................................................... 139

Application un sous-systme du vhicule industriel ........................................................... 139
7.1
Prsentation du contexte de notre tude ............................................................... 139
7.1.1
Slection du systme multi-composant ........................................................... 139
7.1.2
Inventaire des donnes disponibles ................................................................. 140
7.1.3
Nettoyage des donnes disponibles ................................................................ 141
7.2
Construction du modle de maintenance ............................................................... 145
7.2.1
Modlisation de la fiabilit du systme ........................................................... 145
7.2.2
Modlisation de la politique de maintenance ................................................. 148
7.3
Analyse et comparaison des rsultats ..................................................................... 149
7.3.1
Dfinition du systme ...................................................................................... 150
7.3.2
Rsultats issus du modle de maintenance ..................................................... 150
7.3.3
Comparaison avec la politique actuelle ........................................................... 151
7.4
Conclusion ............................................................................................................... 153
Chapitre 8 ............................................................................................................................... 155

xii
Table des matires

Conclusions et perspectives ................................................................................................... 155
8.1
Conclusions .............................................................................................................. 155
8.2
Perspectives ............................................................................................................. 158
Bibliographie .......................................................................................................................... 161
xiii
Table des matires
xiv
Table des figures
Table des figures

Figure 1.1: Rpartition des modes de transport terrestre de marchandises dans l'Union
Europenne en 2012 .................................................................................................................. 2
Figure 1.2: Les cots annuels d'exploitation dans le transport longue distance en 2013 ......... 3
Figure 1.3: Les parties prenantes de la maintenance et leurs interactions ............................... 5
Figure 1.4: La disponibilit oprationnelle sur un cycle d'utilisation du vhicule ..................... 7
Figure 1.5: Illustration de la fonction "Automerge"................................................................... 9
Figure 1.6: La maintenance dans le cycle de vie du systme ................................................... 13
Figure 1.7: Consortium du projet MoDe .................................................................................. 14
Figure 1.8: Plateforme de maintenance du projet MoDe ........................................................ 14
Figure 1.9: Mthode de planification dynamique et adaptative ............................................. 16
Figure 2.1: Les concepts associs la SdF ................................................................................ 24
Figure 2.2: Densit de probabilit et fonction de rpartition .................................................. 25
Figure 2.3: Allure gnrale du taux de dfaillance .................................................................. 27
Figure 2.4: Fonctionnement d'une entit deux tats............................................................ 29
Figure 2.5: Taux de dfaillance de la loi de Weibull, = 1 ..................................................... 32
Figure 2.6: Forme gnrale du taux de dfaillance d'une loi Lognormale .............................. 33
Figure 2.7: Reprsentation d'un modle dgradation discrte ............................................ 36
Figure 2.8: Reprsentation d'un modle dgradation continue ........................................... 36
Figure 2.9: Illustration de trajectoires de dgradation issues d'un processus Gamma de
paramtre = 2 et = 4 ....................................................................................................... 38
Figure 2.10: Reprsentation d'un diagramme de fiabilit ....................................................... 40
Figure 2.11: Diagramme de fiabilit d'un systme srie.......................................................... 42
Figure 2.12: Diagramme de fiabilit d'un systme parallle ................................................... 42
Figure 3.1: Les diffrents types de maintenance ..................................................................... 46
Figure 3.2: Equilibre entre maintenance prventive et maintenance corrective .................... 50
Figure 3.3: Illustration de la mise jour de la fiabilit conditionnelle base sur les
informations de surveillance .................................................................................................... 55
Figure 3.4: Schma d'une politique de maintenance base sur l'ge...................................... 57
Figure 3.5: Cots moyens asymptotiques de maintenance pour une politique de
maintenance base sur l'ge .................................................................................................... 58
Figure 3.6: Schma d'une politique de remplacement par bloc .............................................. 58
Figure 3.7: Schma d'une politique de maintenance conditionnelle ...................................... 60
Figure 3.8: Schma d'une politique de maintenance prvisionnelle base sur le risque........ 61
Figure 4.1: Motivations pour la MFOP ..................................................................................... 69
Figure 4.2: Evolution de la sur plusieurs cycles de MFOP .......................................... 70
Figure 4.3: Synthse de la politique de maintenance propose.............................................. 73
Figure 4.4: Dtermination de () ....................................................................................... 78
Figure 4.5: Description de l'algorithme gntique .................................................................. 82
xv
Table des figures

Figure 4.6: Structure du systme multi-composant ................................................................ 84
Figure 4.7: Illustration de la convergence de lestimation du en fonction du nombre
dhistoires (MFOP=10000 km et un =80%) ......................................................................... 85
dhistoires (MFOP=50000 km et un =90%) ......................................................................... 85
Figure 4.9: Rpartition des pour les deux couples de paramtres MFOP et ............. 86
Figure 4.10: Evolution du moyen pour les diffrents couples de paramtres considrs
avec le critre 1...................................................................................................................... 87
Figure 4.11: Rpartition des moyens sur lensemble des couples de paramtres
considrs pour les critres 1 et 3 ...................................................................................... 88
Figure 5.1: Evolution de la dgradation des composants du systme (Exemple 1) ................ 95
Figure 5.2: Densit de probabilit conditionnelle du systme en fonction du niveau
d'information (Exemple 1) ....................................................................................................... 95
Figure 5.3: du systme = 60 000km en fonction du niveau dinformation
disponible (Exemple 1) ............................................................................................................. 96
Figure 5.4: Evolution de la dgradation des composants du systme (Exemple 2) ................ 96
d'information (Exemple 2) ....................................................................................................... 97
Figure 5.6: du systme = 60 000km en fonction du niveau dinformation
disponible (Exemple 2) ............................................................................................................. 97
Figure 5.7: Structure du systme multi-composant ................................................................ 98
Figure 5.8: Illustrations de lenvironnement oprationnel dun vhicule industriel ............. 100
Figure 5.9: Rpartition des pannes pour le composant i ....................................................... 104
Figure 5.10: Modles de dure de vie obtenus avec = 1 et = 2 .................................... 104
Figure 5.11: Allocation des pannes rpertories dans la base de donnes simule ............. 105
Figure 5.12: Comparaison entre la fonction de rpartition empirique et lapproximation
propose (FR=Fonction de rpartition) .................................................................................. 107
Figure 5.13: Dgradation d'un composant dans un environnement dynamique
(Env. N = Environnement normal, Env. S = Environnement stress) ..................................... 109
Figure 5.14: Dfinition de la structure du systme multi-composant tudi........................ 112
Figure 5.15: Evolution du moyen en fonction des paramtres MFOP/NC considrs (Cas
1) ............................................................................................................................................. 113
Figure 6.1: Conception pour la maintenance ......................................................................... 119
Figure 6.2: Mthodologie de conception propose par Relf ................................................. 120
Figure 6.3: Mthodologie de conception pour la maintenance ............................................ 122
Figure 6.4: Boite outils de conception pour la maintenance .............................................. 124
Figure 6.5: Structure du systme multi-composant de rfrence ......................................... 130
Figure 6.6: Cots dexploitation du systme pour diffrents niveaux de confiance ............. 131
Figure 6.7: Modles de fiabilit des composants du systme ............................................... 132
Figure 6.8: Cots dexploitation du systme pour diffrentes propositions de conception . 133
Figure 6.9: Cots dexploitation du systme pour diffrentes propositions de conception . 134
xvi
Table des figures

Figure 7.1: Diagramme de fiabilit du systme retenu pour l'application ............................ 140
Figure 7.2: Illustration des valeurs aberrantes rencontres sur les donnes disponibles .... 142
Figure 7.3: Illustration des donnes compltes et incompltes ............................................ 143
Figure 7.4: Rgression linaire robuste applique un vhicule donn ............................... 144
Figure 7.5: Fonction de rpartition obtenue pour le composant 2 avec prise en compte des
donnes de survie censures ................................................................................................. 146
Figure 7.6: Fonctions de rpartition obtenues avec et sans prise en compte des donnes de
survie censures pour le composant 2 ................................................................................ 147
survie censures pour le composant 4 ................................................................................ 148
Figure 7.8: Diagramme de fiabilit du systme utilis pour la dcision de maintenance ..... 149
Figure 7.9: Cot total de maintenance pour diffrents niveaux de confiance ...................... 151
Figure 7.10: Politique de maintenance conditionnelle applique sur les composants
{A15, A16, A17, A18} ............................................................................................................. 152
xvii
Table des figures
xviii
Table des tableaux
Table des tableaux

Tableau 1.1: Dfinition des intervalles de maintenance............................................................ 8
Tableau 4.1: Proprits des composants du systme (W=Loi de Weibull, G=Processus
Gamma, L=Limite de dgradation) ........................................................................................... 84
Tableau 4.2: Comparaison des diffrents indicateurs pour les critres considrs ................ 88
Tableau 5.1: Dfinition des niveaux dinformations relatifs ltat des composants............. 92
Tableau 5.2: Comparaison des optimaux suivant les hypothses de surveillance
considres............................................................................................................................... 99
Tableau 5.3: Evolution du pour trois scnarii fixs .......................................................... 99
Tableau 5.4: Dfinition des diffrents cas de surveillance considrs .................................. 110
Gamma, L=Limite de dgradation) ......................................................................................... 112
Tableau 5.6: Comparaison des diffrents cas de surveillance considrs ............................. 114
Tableau 6.2: Facteurs dimportance pour le systme de rfrence (MFOP=50000; NC=80) 131
Tableau 6.3: Caractristiques des composants appartenant au premier groupe ................. 133
Tableau 6.4: Caractristiques des composants appartenant au second groupe ................... 134
Tableau 6.5: Facteurs dimportance pour le systme aprs remplacement du composant 1
par la Conception 4 (MFOP=50000; NC=80) .......................................................................... 135
Tableau 6.6: Facteurs dimportance pour le systme aprs ajout dun capteur sur le
composant 1 (MFOP=50000; NC=80) .................................................................................. 135
Tableau 6.7: Facteurs dimportance pour le systme aprs ajout dune redondance sur le
composant 1 (MFOP=50000; NC=80) .................................................................................. 136
Tableau 6.8: Facteurs dimportance pour le systme aprs amlioration de laccessibilit du
composant 1 (MFOP=50000; NC=80) ................................................................................. 137
Tableau 7.2: Comparaison de des deux politiques de maintenance considres ......... 153
xix
Table des tableaux
xx
Abrviations et Notations
ABAO
AG
AGAN
c
()
()
,
()
, ()
()
, ()
()
, ()
()
, ()
()
()
()
()
Composant
As Bad As Old
Algorithme Gntique
As Good As New
Cot unitaire de remplacement dune entit
Cot global cumul sur une dure dexploitation
Cot dexploitation du systme sur lintervalle de temps [0, ]
Cot du composant
Cots initiaux du systme
Cot initial du composant
Cot dune inspection
Cot logistique li lentre du systme en atelier de maintenance
Cot li au niveau dinformation disponible sur le composant
Cot de remplacement des composants du systme sur [0, ]
Cot associ aux remplacements du composant sur lintervalle de temps
[0, ]
Cot de remorquage du systme
Surcot li la maintenance corrective lorsque le systme est en panne sur
lintervalle de temps [0, ]
Surcot correctif pour le systme li la panne du composant sur
lintervalle de temps [0, ]
Surcot correctif li la panne du systme
Surcot li au diagnostic lorsque le systme est en panne sur lintervalle de
temps [0, ]
Surcot li au diagnostic du composant sur lintervalle de temps [0, ]
Cot total de maintenance du systme sur lintervalle de temps [0, ]
Cot total de maintenance du composant sur lintervalle de temps [0, ]
Cot unitaire de diagnostic pour un composant
Cot moyen asymptotique
Coupe minimale responsable de la panne du systme
Dure de remplacement du composant
Dure logistique de prise en charge du systme son entre en atelier
Dure de remorquage du systme
Dure totale de maintenance sur lintervalle de temps [0, ]
Dure unitaire de diagnostic pour un composant
Distance restante en kilomtres avant que la fiabilit conditionnelle du
systme natteigne le niveau de confiance spcifi (pour un ensemble
de remplacement )
Dure conomise si la maintenance est effectue simultanment sur les
composants dun ensemble
Densit de probabilit dune entit
Fonction de rpartition dune entit
xxi
,
Information disponible sur ltat de sant du composant linstant

Horizon de simulation
Ratio des cots dexploitation engendrs par le composant sur lensemble
()
des cots sur lintervalle de temps [0, ]
Critre de dcision de maintenance
Cot additionnel
Seuil limite de dgradation dune entit
(1 , ; ) Fonction de vraisemblance
Ensemble comprenant les remplacements effectus pendant un arrt de
maintenance
MAP
Maximum A Posteriori
MFOP
Maintenance Free Operating Period
Maintenance Free Operating Period Survivability
(, ) du systme aprs remplacement de lensemble

MRP
Maintenance Recovery Period
Mean Time To Failure
Nombre de composants dans le systme
Nombre darrts de maintenance sur lintervalle de temps [0, ]

()
Nombre de composants dans

Nombre de remplacements correctifs sur lintervalle [0, ]
()
Nombre de donnes
()
Nombre dinspections sur lintervalle [0, ]
Nombre de composants dans lensemble

()
Nombre de remplacements prventifs sur lintervalle [0, ]
Nombre de pannes du systme sur lintervalle de temps [0, ]
()
Nombre de composants dans le systme dont linformation de surveillance
(tat de fonctionnement) nest pas disponible

Niveau de confiance
Opportunit de maintenance
Populations (Parents et enfants) dans lalgorithme gntique

Seuil limite de risque
2
Coefficient de dtermination
Fiabilit dune entit

()
Fiabilit du composant
()
()
Fiabilit du systme
RRW
Risk Reduction Worth
Dure de vie rsiduelle dune entit pour un risque donn
Dure de fonctionnement dune entit avant observation de la dfaillance
Dure ou distance totale du cycle

Dure de bon fonctionnement du composant
Dure de bon fonctionnement du systme

Priode de remplacement
0
Priode de remplacement optimale

0
Ensemble incluant le ime ensemble doprations de maintenance
dpendantes
xxii
()
()

(. )
Taux de dfaillance dune entit

Niveau de dgradation dune entit
Seuil prventif de dgradation
Paramtre de forme du processus Gamma
Paramtre dchelle du processus Gamma
Fonction gamma
Variable binaire
Paramtre de forme de la loi de Weibull
Paramtre de la loi exponentielle
Moyenne des variables
Frquence relative associe la donne
Estimation de la variable
Paramtre dchelle de la loi de Weibull
Proportion de la -ime sous-population dans le mlange
Probabilit a posteriori que lindividu soit dans la population
Priode dinspection
Cot de la perte dexploitation par heure dimmobilisation
Ratio de la distance passe par un composant dans un environnement
stress sur la distance totale parcourue la panne
Ratio de la distance passe par un composant dans un environnement
stress sur la distance totale parcourue linstant
Taux horaire de la main duvre
Ensemble de donnes censures droite
Ensemble de donnes non censures
xxiii
xxiv
Chapitre 1 Introduction gnrale
Chapitre 1
Introduction gnrale
Ce premier chapitre introduit les problmatiques lies la gestion des oprations de
maintenance dans le secteur du transport routier. Lobjectif est de prsenter la situation et
le positionnement actuel du groupe AB Volvo sur ces problmatiques et lenvironnement
dans lequel il volue.
La premire partie dresse un panorama gnral de ce secteur dactivits. En sappuyant sur
quelques chiffres reprsentatifs, un tat des lieux de ce secteur est ralis. Nous illustrons
ensuite limpact de la maintenance sur les cots dexploitation. La deuxime partie traite de
la maintenance des vhicules industriels. Nous commenons par prsenter les principaux
acteurs impliqus dans les activits de maintenance. Nous voquons ensuite llaboration
des contrats de maintenance et la mthode de planification actuellement utilise. Dans une
troisime partie, les objectifs du groupe AB Volvo concernant la maintenance et les services
associs sont prsents. Nous dbutons par une analyse des besoins des utilisateurs puis
nous dtaillons le cahier des charges spcifi par lentreprise. La quatrime partie se
concentre sur le projet europen Maintenance On Demand considr comme une premire
rponse aux besoins des utilisateurs. Nous dtaillons ensuite les principales contributions de
ce travail de thse. Enfin, la dernire partie se concentre sur lorganisation du mmoire.
1.1
Panorama du transport routier
Fin 2008, la crise financire mondiale a profondment branl le secteur du transport et plus
particulirement le transport routier. Le groupe AB Volvo value la baisse dactivit sur le
march europen, toutes marques confondues, environ 47% pendant cette priode. Dans
cette partie, nous dressons un panorama de ce secteur dactivits quelques annes aprs le
dbut de cette crise.
1.1.1
Etat des lieux en quelques chiffres
En 2012, le transport routier de marchandises reprsentait plus de 70% des activits de

transport terrestre dans lUnion Europenne (Commission europenne, 2014). Comme le
montre la figure 1.1 ci-dessous, ce mode de transport prcde dune manire assez nette le
chemin de fer (17%) et les voies navigables (6%). Cette part du transport routier est reste
assez stable au cours de ces dix dernires annes.
Au niveau de lactivit, le transport de marchandises par route a reprsent prs de 1 700
milliards de tonnes-kilomtres dans lUnion Europenne en 2012. En comparaison, ce chiffre
1

est en baisse de 4% par rapport 2004 et environ de 13% par rapport 2007, anne record
pour cet indicateur.
Concernant les emplois dans lUnion, le secteur du transport routier de marchandises
employait environ trois millions de personnes en 2011 rparties dans 600 000 entreprises.
Globalement, entre 2005 et 2011, le nombre de salaris dans le secteur a augment malgr
certaines baisses entre 2009 et 2010. En 2011, les rsultats au niveau de lemploi sont
revenus des niveaux observs avant la crise.
Figure 1.1: Rpartition des modes de transport terrestre de marchandises dans l'Union
Europenne en 2012 (Commission europenne, 2014)
Ce secteur dactivits a la rputation de sadapter rapidement aux mutations de lconomie
mondiale. Malgr un contexte conomique encore fragile, le transport par route reste le
mode privilgi pour transiter de grandes quantits de marchandises. Parmi les avantages
noncs, la flexibilit mais surtout le cot reviennent de faon rcurrente. Pendant la
priode de ralentissement conomique et encore aujourdhui, les marges bnficiaires des
transporteurs se sont rduites. Cette pression sur les prix conduit les transporteurs se
focaliser de plus en plus sur les cots dexploitation pour prenniser leurs activits.
1.1.2
Cot dexploitation : un indicateur cl
Pour lindustrie du transport routier, le vhicule est peru comme un vritable outil de
travail permettant aux utilisateurs de raliser des profits. Dans un secteur de plus en plus
concurrentiel, la gestion du cot dexploitation de leur matriel est primordiale pour
optimiser ce profit. Il est donc important didentifier les principaux leviers qui influent sur ce
cot dexploitation.

Dans son rapport annuel, le Comit National Routier observe lvolution des cots du
transport routier de marchandises longue distance. Ce rapport renseigne sur la rpartition
des diffrents postes de dpenses pour un vhicule (Comit National Routier, 2014). Ceux-ci
se regroupent de la faon suivante:
-
Conducteur (rmunrations et cotisations employeurs),

Gazole professionnel (cot du carburant et remboursement partiel de la taxe sur les
produits nergtiques),
Charges de structure (charges de structure et cots indirects de gestion),
Matriel (renouvellement, financement et assurance),
Maintenance (pneumatiques, entretiens et rparations),
Frais de dplacement,
Infrastructures (taxe lessieu et pages).
Figure 1.2: Les cots annuels d'exploitation dans le transport longue distance en 2013
(Comit National Routier, 2014)
La figure 1.2, ci-dessus, prsente les rsultats de cette rpartition pour lanne 2013. Les
postes de dpenses les plus importants sont occups par les frais lis aux salaires et aux
carburants. Pour influer sur les cots dexploitation, les constructeurs de poids lourds
doivent se concentrer sur les postes directement lis aux vhicules, dans le cas prsent le
carburant et la maintenance. Beaucoup de travaux sont raliss aujourdhui pour optimiser
la performance du moteur et rduire sa consommation de carburant (Stanton, 2013) (Franke
et al., 2014). En contrepartie, trs peu de travaux se concentrent sur les cots lis la
maintenance.
Pour optimiser leurs profits, les entreprises de transport de marchandises travaillent flux
tendu. Dans ce type dorganisation, la disponibilit et la fiabilit des matriels sont des
lments primordiaux pour viter toute interruption de la chaine. Dans ce contexte, il
3

apparat important de sintresser la problmatique de la maintenance pour garantir le
bon fonctionnement du vhicule.
Toujours daprs cette figure, la maintenance reprsente environ 8% du cot dexploitation
dun vhicule longue distance. Ce cot ne prend pas en compte les frais indirects entrains
par une immobilisation du vhicule. Ces frais correspondent, par exemple, aux pnalits
lies un retard, une perte de cargaison ou encore une dgradation de limage de
marque de la socit. Ne pas comptabiliser ces cots supplmentaires, certes trs complexes
calculer, conduit sous-estimer la part de la maintenance. En consquence, des travaux
sur la maintenance des vhicules industriels reprsentent un levier trs intressant en vue
de rduire le cot dexploitation.
1.2
La maintenance dans le groupe AB Volvo
Dans la partie prcdente, la maintenance des vhicules industriels est apparue comme lun
des principaux leviers pour rduire significativement les cots dexploitation. Au-del de
limpact sur les cots, les activits de maintenance reprsentent probablement le dernier
endroit o le constructeur peut rencontrer ses clients en face face. Ainsi la capacit dun
constructeur dvelopper un systme de gestion efficace de la maintenance est primordiale
pour la russite de lentreprise.
Dans cette partie, un tat des lieux des activits de maintenance du groupe AB Volvo est
prsent. Premirement, les principaux acteurs internes et externes de la maintenance sont
dtaills. Nous nous focalisons par la suite sur llaboration des contrats dentretien et sur la
cration du planning de maintenance.
1.2.1
Principaux acteurs
Avant de dtailler plus prcisment lorganisation des activits de maintenance du groupe, il

est important de faire un point sur les principaux acteurs intervenant dans la maintenance
des vhicules industriels. La figure 1.3 prsente les diffrents acteurs et leurs interactions. Le
rle et les objectifs de chacun de ces acteurs dans les activits de maintenance sont
prsents ci-dessous:
Acheteur de transport: Son objectif est de sassurer dun service de transport de

qualit, respectant les dlais spcifis et un prix attractif. Il interagit
uniquement avec le transporteur pour contractualiser le service de transport.
Atelier de rparation: Il doit raliser la maintenance planifie des vhicules

conformment au planning de maintenance labor lachat. Il doit galement
prendre en charge les immobilisations non planifies suite une panne ou un
accident. Son objectif est dexcuter les activits de maintenance en un minimum
de temps afin de rduire le temps dindisponibilit du vhicule. Pour rduire ce
4

temps dimmobilisation, une gestion efficace des stocks est ncessaire. Au-del
des activits de maintenance, son rle est de faire remonter un maximum
dinformations sur les vhicules afin de constituer une base dexprience solide.
Latelier de rparation communique avec le conducteur et le transporteur pour la
planification des activits de maintenance et avec les fournisseurs pour les
commandes de pices dtaches.
Figure 1.3: Les parties prenantes de la maintenance et leurs interactions
Autorits publiques: Elles imposent des dispositions lgales afin de rguler le

transport de marchandises par route. Ces dispositions touchent un primtre trs
large allant de la maintenance des contraintes en termes dmission, de scurit ou
concernant les infrastructures environnantes. Elles impactent tous les acteurs en
dfinissant le cadre suivre.
Chauffeur: Son rle est de sassurer du bon fonctionnement du vhicule. Pour

respecter les dlais et les services contractualiss, le chauffeur doit respecter le
calendrier de maintenance et prvenir tous signes prventifs dun
dysfonctionnement du vhicule. Il est en relation avec le transporteur pour la gestion
des activits de maintenance et avec latelier de rparation pour tous les
renseignements relatifs ltat du vhicule.
Concessionnaire: Le rle du concessionnaire est de satisfaire ses clients en leur

proposant des vhicules et des services adapts leurs besoins. Le contrat de
5

maintenance fait partie des services proposs ses clients. Il a pour but dassurer la
disponibilit de leurs vhicules. Afin de dfinir le planning de maintenance optimal
lors de lachat du vhicule, le concessionnaire interagit avec le transporteur pour
dfinir ses besoins et lutilisation prvue de son vhicule.
Fournisseur : Son rle est de fournir des pices dtaches latelier de rparation et
den garantir leur qualit. Outre les rapprovisionnements normaux lis aux
maintenances prventives planifies, les fournisseurs peuvent tre amens
effectuer des livraisons en urgence. Ces livraisons sont utilises lors
dimmobilisations non planifies des vhicules afin de rduire au maximum le temps
dindisponibilit.
Transporteur : Son objectif est de satisfaire les attentes de ses clients en garantissant
un service de transport efficace et comptitif. Pour ce faire, son rle est de surveiller
les cots dexploitation sans renier la qualit du service rendu. Le transporteur
interagit avec son chauffeur pour linformer de ses missions et de son planning de
rvision. Il est aussi en relation avec le concessionnaire pour configurer au mieux le
vhicule en fonction des besoins. Il contractualise les missions de transport avec ses
clients et il dialogue avec latelier de rparation pour grer le planning de
maintenance.
1.2.2
Elaboration des contrats dentretien
Lors de lachat dun vhicule industriel, le concessionnaire propose aux transporteurs de

configurer et de personnaliser le vhicule selon leurs besoins. Les diffrentes adaptations
demandes par le client sont valides par lingnieur avant-vente afin de garantir leurs
viabilits. Mme si la configuration du vhicule est toujours une question primordiale pour la
plupart des utilisateurs, la disponibilit oprationnelle de leur vhicule est dornavant une
priorit.
La figure 1.4 illustre les diffrentes phases dun cycle dutilisation du vhicule. En situation
stationnaire, la disponibilit oprationnelle peut tre exprime comme une proportion de
temps de bon fonctionnement pendant lequel le vhicule peut raliser ses missions. Pendant
un arrt de maintenance prventif ou correctif ou pendant le temps dattente avant
rparation, le vhicule est indisponible. La disponibilit dpend ainsi des caractristiques
intrinsques du vhicule mais galement des conditions dans lesquelles le vhicule est
exploit et maintenu. Cette mesure renseigne sur la capacit dun vhicule tre disponible
pour le service commercial. Elle peut tre utilise pour valuer lefficacit de lentretien du
vhicule mais aussi comme un indicateur de rentabilit.
Figure 1.4: La disponibilit oprationnelle sur un cycle d'utilisation du vhicule

Conscient des enjeux autour de cette thmatique, les constructeurs proposent aux
utilisateurs de souscrire des contrats de maintenance. Ces contrats visent assurer un
entretien des vhicules industriels dans le but doptimiser la disponibilit. Du point de vue
de lutilisateur, le contrat apparat comme une garantie que son vhicule maintienne
quotidiennement un niveau constant de performances. Les contrats de maintenance actuels
sont dfinis lors de lachat du vhicule partir de sa configuration et des conditions
dutilisation spcifies par lutilisateur. Pour spcifier ces conditions, le concessionnaire et
lutilisateur valuent des variables lies notamment lenvironnement oprationnel
(topographie, tat de la route), lutilisation du vhicule (kilomtrage annuel, changement
de vitesse) ou encore aux types de missions ralises. Ces informations sont ensuite
combines pour slectionner les intervalles de maintenance considrer pour chaque
opration.
Un intervalle de maintenance dfinit lge de remplacement optimal ou prconis pour une
opration. Plusieurs types de grandeurs sont utiliss pour dfinir un intervalle. Celui-ci peut
tre exprim par un intervalle de temps fixe (nombre de jours), par une dure dutilisation
(nombre dheures moteur) ou encore par un kilomtrage (cf. tableau 1.1). Lintervalle retenu
correspond la grandeur minimale en fonction de lutilisation du vhicule.
Pour la plupart des oprations, ces intervalles ont t obtenus aprs la ralisation de tests
de durabilit en cellule couple avec une tude sur le cot de maintenance. Dans les autres
cas, ces intervalles reposent sur lexprience et la connaissance technique du vhicule ou
7
Op. code
Label
Coverage
plus simplement sur des dispositions lgales. Un planning est finalement construit en
sappuyant sur ces informations pour informer lutilisateur de la frquence des oprations
de maintenance.
1 Chassis
11211 On-board documentation
Participation in vehicle administrative and
10107
all
Operation 1
preparation expenses
11310 Inspection and controls
11301
Systematic check before servicing: check safetyrelated components,
check for2leaks, check
all
11302
Operation
greasing...
11303
11320 Periodical service
Periodic service: drain/fill engine oil, replace filters
11304
all
Operation 3
(oil and fuel), check all levels...
Mileage/time (km/days)
VS
VS+
20 000/365
- /365
At every service occasion
At every service occasion
90 000/365
75 000/365
60 000/365
45 000/365
Tableau 1.1: Dfinition des intervalles de maintenance
1.2.3
Construction du planning de maintenance
Comme mentionn prcdemment, la premire tape dans la construction du planning de

maintenance est dallouer un intervalle chaque opration prise en charge par le contrat. La
seconde tape du processus consiste dfinir, avec le client, le service de planification
souhait. Deux modes sont proposs: un mode dit statique et un mode dit adaptatif .
Les diffrences notables entre ces deux modes rsident dans la faon dont la mise jour du
planning est effectue. A noter que le mode dit statique est aujourdhui le mode
majoritairement utilis pour les contrats de maintenance.
Avec le mode statique , lalgorithme de planification utilise les informations dfinies
lachat du vhicule pour planifier les oprations de maintenance raliser. Parmi les
informations utilises, on retrouve le kilomtrage annuel moyen, le nombre dheures
moteur annuel mais aussi des informations sur les conditions opratoires. Le planning est
statique dans le sens o ces informations dfinies initialement ne sont pas mises jour
automatiquement.
Contrairement au mode prcdent, le mode adaptatif met jour automatiquement le
planning de maintenance si un changement est dtect. Ce changement concerne soit les
informations relatives au kilomtrage ou aux heures moteur, soit les informations sur les
conditions dutilisation. Lalgorithme de planification recalcule automatiquement, sur un
horizon roulant de 6 mois, le kilomtrage annuel moyen et le nombre dheures moteur
annuel moyen. Au niveau des conditions opratoires, la mise jour est effectue en se
basant uniquement sur la consommation de carburant. A noter, que ce mode implique que

les vhicules soient quips de boitiers tlmatiques capables de faire remonter
linformation.
Hormis la mise jour du planning de maintenance, la suite de lalgorithme de planification
est identique pour les deux modes proposs. Lobjectif de cet algorithme est de rduire le
nombre darrts de maintenance du vhicule en regroupant certaines oprations. Pour ce
faire, le concept gnral de la mthode est de construire le planning en quatre tapes:
-
Etape 1: Premirement, les oprations dites primaires sont positionnes sur le

planning. Elles correspondent gnralement aux oprations de maintenances
classiques comme les visites annuelles ou priodiques. Elles sont utilises pour
diriger la planification des autres oprations.
Etape 2: Lopration dsigne comme la plus frquente est ensuite positionne. Elle
se dfinit comme lopration possdant lintervalle minimal de maintenance. La
planification de cette opration doit tre adapte aux oprations primaires. Lide
est de regrouper les diffrentes occurrences de cette opration avec les oprations
primaires dj positionnes.
Etape 3: Les oprations date fixe sont ensuite positionnes leur date spcifique
sans autre adaptation. Ces oprations correspondent toutes celles possdant un
intervalle de maintenance dfini uniquement en jours.
Etape 4: Finalement, les oprations de maintenance restantes sont adaptes celles

dj planifies.
Figure 1.5: Illustration de la fonction "Automerge"

Pour complter cet algorithme, une fonction nomme Automerge est utilise pour
regrouper les oprations de maintenance situes lintrieur dune fentre de temps.
Lobjectif est dviter de faire revenir lutilisateur plusieurs fois sur une courte priode.
Lide est de parcourir le planning initial en utilisant une fentre de temps (cf. figure 1.5). Si
plusieurs oprations apparaissent lintrieur de cette fentre, celles-ci sont regroupes au
niveau de la date moyenne entre la premire et la dernire opration situes lintrieur de
cette fentre de temps.
1.3
Vers une amlioration de loffre de service
Un tat des lieux de la maintenance dans le groupe AB Volvo a t effectu dans la partie
prcdente. Ce constat a permis de faire ressortir les enjeux associs aux activits de
maintenance.
Dans cette partie, nous nous consacrons la prsentation des objectifs du groupe au niveau
de la maintenance. La comptition grandissante et les attentes toujours plus importantes
des clients conduisent le constructeur modifier sa stratgie. La clientle ne se contente
plus uniquement dacheter des vhicules de qualit, elle souhaite dornavant acheter des
solutions de transport compltes. Nous dtaillons lvolution des besoins des utilisateurs,
puis nous prsentons le cahier des charges du groupe.
1.3.1
Besoins des utilisateurs: volutions
Pour dvelopper des solutions de transport attractives, la premire tape consiste

comprendre les besoins actuels des utilisateurs. Ces besoins ont t identifis lors de
diffrentes enqutes ralises par le groupe AB Volvo auprs de ses clients.
La comptition mondiale sur le march du transport de marchandises conduit les utilisateurs
se focaliser de plus en plus sur leur activit principale. Cette ncessit les amne
rechercher des solutions de transport compltes regroupant le vhicule et les services
associs. Parmi les services les plus demands, on retrouve effectivement la prise en charge
de la maintenance. Comme mentionn dans la premire partie de ce chapitre, le vhicule
industriel est un outil permettant aux utilisateurs de raliser des profits. Pour maximiser ce
profit, lun des objectifs est de diminuer le cot global dexploitation en rduisant
notamment le poste maintenance.
Dans ce contexte, le premier besoin exprim par les utilisateurs est davoir accs un service
de maintenance flexible qui sadapte leurs stratgies. Une entreprise de transport
fonctionne dans la majorit des cas en flux tendus. Dans ce type de fonctionnement,
lennemi principal est lincertitude. La maintenance du vhicule doit donc tre planifie
lavance afin de pouvoir grer lutilisation de la flotte et pallier lindisponibilit dun vhicule.
Cette capacit planifier conduit rduire limpact de la maintenance sur les activits de
10

lutilisateur. Une bonne planification permet galement de contrler facilement le budget
allou la maintenance en vitant les mauvaises surprises.
Toujours dans la mme logique, les utilisateurs souhaitent viter au maximum les
immobilisations de leurs vhicules pendant les missions. Quand une panne survient sur le
vhicule, des cots additionnels viennent sajouter aux rparations. Cette panne, par
dfinition non planifie, conduit le transporteur revoir son planning. Cette situation est
gre facilement par les transporteurs qui disposent dune flotte importante de vhicules
mais elle est beaucoup plus contraignante pour les autres. Une panne impacte galement
limage de marque du transporteur. Lorsque le vhicule est immobilis, celui-ci ne termine
pas la mission qui lui avait t confie. A terme, des immobilisations rptition altrent la
confiance entre le transporteur et son client.
Enfin, il ressort que les utilisateurs souhaitent voir baisser limpact de la maintenance
prventive sur leurs activits. Toujours dans lobjectif doptimiser la disponibilit
oprationnelle des vhicules, les utilisateurs veulent rduire au maximum le nombre darrts
prventifs. Au-del du nombre, ils souhaitent rduire les temps de rparation.
1.3.2
Cahier des charges
Pour rpondre aux besoins exprims par les utilisateurs, lobjectif du constructeur est de
proposer une nouvelle offre de service. Cette nouvelle offre a pour ambition de proposer
une solution de transport complte et efficace. La vision du groupe est dtre en position
doffrir aux utilisateurs la disponibilit oprationnelle de leur vhicule comme un produit.
Selon le type de contrat choisi, lobjectif est de garantir un certain niveau de disponibilit
oprationnelle pour le vhicule. Dans le cas o les objectifs ne sont pas respects, le
constructeur doit sengager ddommager lutilisateur.
Cette nouvelle forme de relation conduit se rapprocher de lutilisateur et de ses activits.
Notons que la comptition sur le march de laprs-vente samplifie avec la mise en place
dun nouveau rglement europen dans le secteur automobile. La commission europenne
souhaite ouvrir ce march en renforant la concurrence entre rparateurs indpendants et
agrs. Le rglement europen n461/2010, adopt le 27 mai 2010, prvoit que les
rparateurs indpendants puissent avoir accs aux pices de rechange du constructeur mais
galement toutes les informations techniques ncessaires la maintenance. Le
dveloppement de nouveaux services apparat comme lunique solution permettant de
conserver un avantage comptitif sur les concurrents et de sassurer des revenus sur le long
terme.
Dans ce contexte, le groupe AB Volvo souhaite dvelopper une politique de maintenance
permettant de passer dune maintenance ractive une vritable maintenance prventive.
Pour atteindre cet objectif, la politique de maintenance actuelle et, par extension, la
construction du planning de maintenance doivent considrablement voluer. Premirement,
11

le mode de planification statique propos actuellement une grande partie des utilisateurs
est bannir. Avec ce mode, la politique de maintenance est base uniquement sur des
informations spcifies lachat du vhicule. Cela signifie que la planification des oprations
de maintenance nest pas adapte aux conditions dutilisations relles du vhicule. En effet,
si les conditions dutilisations dfinies initialement sont sous-estimes par rapport la
situation relle, cela conduit augmenter significativement la maintenance corrective. A
linverse, si les conditions dutilisations sont surestimes, les arrts de maintenance auront
lieu trop tt, augmentant ainsi le cot de la maintenance prventive. Dans les deux cas, la
disponibilit oprationnelle du vhicule diminue fortement.
Lide est alors de dvelopper une maintenance capable de sadapter automatiquement
ltat du vhicule et son cadre dutilisation. A partir de la configuration initiale du vhicule
et des informations de surveillance disponibles en ligne, lobjectif est de proposer un
planning de maintenance personnalis en fonction des activits de chaque utilisateur. Ce
planning, optimis sur la dure du contrat de maintenance, vise viter les immobilisations
du vhicule entre deux arrts de maintenance planifis. Notons ici que le mode adaptatif
propos actuellement va dans ce sens. Nanmoins, les informations utilises sont encore
trop limites et ne permettent pas de retranscrire assez finement lutilisation relle du
vhicule.
La qualit de la politique de maintenance mise en place dpend fortement de laccs
linformation. En effet, adapter la politique de maintenance un vhicule spcifique impose
lintgration de nouveaux moyens technologiques. Ces moyens tels que les capteurs
physiques ou logiciels engendrent des cots importants dimplmentation. Dans ce cadre, un
outil daide la dcision doit tre dvelopp afin dvaluer la limite dinvestissement
considrer pour conserver une rentabilit des services. Au-del de laspect technologique
pur, le challenge est de dvelopper une mthodologie capable dinterprter les informations
du vhicule rendues disponibles. Cette mthodologie devra intgrer les donnes relles du
vhicule dans le processus de dcision de maintenance afin de planifier les actions de
maintenance raliser.
Hormis loptimisation de la politique de maintenance actuelle, la ralisation des objectifs
spcifis par le groupe conduit reconsidrer la place occupe par la maintenance. La
fonction maintenance ne peut dcemment plus se rduire uniquement la seule activit
dentretien du vhicule, mais, a vocation intervenir dans lensemble du cycle de vie du
systme (cf. figure 1.6). Traditionnellement, les activits de maintenance se limitent la
phase doprations. Cette phase peut tre schmatise par une boucle incluant le planning
de maintenance, les activits de diagnostic, lexcution des oprations de maintenance et
lvaluation des rsultats. Suivant les rsultats obtenus, la stratgie de maintenance peut
tre modifie pour pallier les ventuels problmes observs. En considrant dornavant la
maintenance dans le cycle de vie du systme, des relations entre les activits de
maintenance et la conception du systme apparaissent assez nettement (Takata et al.,
12

2004). Ces relations crent la ncessit dintgrer les problmatiques de maintenance ds la
conception du systme pour impacter significativement le cot global dexploitation.
Figure 1.6: La maintenance dans le cycle de vie du systme
1.4
Le projet MoDe: une premire rponse
Dans cette partie, nous prsentons les travaux effectus par le groupe AB Volvo dans le
cadre du projet europen Maintenance On Demand (MoDe). Ce projet (Artus & Bein, 2009)
soutenu par lunion europenne par lintermdiaire de son programme FP7 (Seventh
Framework Programme for Research and Technological Development) est considr comme
une premire rponse apporte aux besoins des utilisateurs.
Dans un premier temps, la vision globale et les objectifs du projet sont introduits. Nous nous
concentrons ensuite sur les travaux relatifs lalgorithme de planification dynamique. Nous
analysons enfin les rsultats obtenus et les limites observes.
1.4.1
Objectifs du projet
Le projet MoDe (2009-2012) a t ralis au sein du septime programme cadre de lunion

europenne portant sur les transports durables. Ce projet (cf. figure 1.7) regroupe une
dizaine de partenaires industriels ou acadmiques spcialiss dans des domaines
dapplications assez larges. Cette diversit permet de couvrir les diffrents aspects du projet.
Lobjectif principal est daccroitre la comptitivit du transport en amliorant la disponibilit
oprationnelle des vhicules. Pour atteindre cet objectif, lambition du projet est de fournir
aux utilisateurs des services sur mesure adapts la configuration de leur vhicule et en
adquation avec leurs missions. Ces services sappuient sur la construction dune plateforme
13

de maintenance. Celle-ci intgre des technologies innovantes de surveillance (capteur sans
fil) mais galement de transfert et danalyse de donnes. (cf. figure 1.8).
Figure 1.7: Consortium du projet MoDe

Les rponses apportes par ce projet sont illustres par lintermdiaire de trois scnarii (Bein
et al., 2014). Ces scnarii dcrivent des situations concrtes impactant la disponibilit
oprationnelle du vhicule et les actions dployes pour y remdier. Le premier scnario
appel maintenance on demand se concentre sur la planification des activits
maintenance. Le but tant de sortir de laspect statique des plannings proposs
actuellement pour aller vers une planification dynamique. Des informations relatives aux
conditions dutilisation du vhicule, ltat des composants ainsi que des contraintes
utilisateur sont automatiquement intgres pour mettre jour et optimiser le plan de
maintenance.
Figure 1.8: Plateforme de maintenance du projet MoDe

Le second scnario maintenance on the fly a pour but damliorer lefficacit de la
rparation en cours de mission quand ltat rel dun composant limpose. En utilisant les
14

informations fournies par les outils de surveillance, la distance restante avant immobilisation
est value. En se basant sur cette valuation et sur la localisation du vhicule, le service
propose lutilisateur un itinraire vers latelier de rparation le plus proche.
Nanmoins, parfois, la distance restante avant immobilisation ne permet pas de rejoindre un
atelier. Cette situation est prsente dans le dernier scnario appel repair on the fly .
Dans ce cas, le service informe le conducteur du meilleur emplacement scuris pour
immobiliser son vhicule. Cet emplacement est propos afin de minimiser le temps
dintervention de latelier mobile le plus proche. Un atelier mobile est ici un atelier qui offre
la possibilit d'intervenir sur le bord de la route.
1.4.2
Algorithme de planification dynamique
Lune des contributions majeure de ce projet a t le dveloppement dun algorithme de

planification dynamique des oprations de maintenance (Bouvard et al., 2011). La plupart
des outils de planification actuels sont des outils ractifs dans le sens o ils subissent aussi
bien les vnements non planifis que les changements de conditions dutilisation. Pour
pallier ce constat, lide est de proposer un outil de planification capable dutiliser le flux
dinformations dynamiques pour mettre jour le planning de maintenance. Cet outil
sappuie sur les informations de surveillance des composants et sur lestimation des
conditions dutilisation du vhicule. Pour diminuer limpact de la maintenance sur la
disponibilit oprationnelle du vhicule, une mthode de regroupement est intgre. Cette
mthode, optimise en fonction du cot de maintenance, est capable de regrouper
dynamiquement les oprations sur un horizon donn.
La figure 1.9 illustre les grandes tapes de cet algorithme de planification dynamique
(Bouvard, 2010):
-
La premire tape consiste estimer la loi de probabilit de panne pour chaque

composant du systme pris individuellement. Pour cela, le niveau de dtrioration de
chaque composant est rcupr. En se basant sur cette information, un modle de
dgradation est construit pour prdire la dgradation future du composant. En
utilisant un modle et une limite de dgradation, la loi de probabilit de panne peut
tre estime.
La seconde tape utilise cette loi de probabilit pour dterminer la date optimale de
maintenance de chaque composant du systme. Cette date est dfinie en supposant
quune politique de maintenance prventive base sur lge est applique aux
diffrents composants. La priode de maintenance spcifie reprsente un
compromis entre le cot correctif li une panne et le cot prventif. A noter que, la
connaissance de cette date optimale pour chaque composant est ncessaire pour la
mise en place de la mthode de regroupement.
15

-
La troisime tape a pour objectif de regrouper plusieurs oprations de maintenance

la mme date afin damliorer la disponibilit oprationnelle du vhicule. Lide est
de considrer que le regroupement entraine une diminution du nombre darrts de
maintenance. En consquence, les cots fixes lis lentre en atelier sont rduits.
En contrepartie, le cot total de maintenance est pnalis par des maintenances
prventives effectues avant leurs dates optimales. Une maintenance effectue trop
tt entraine une rduction de la dure de vie utile du composant. Des fonctions de
pnalits ont t introduites afin dvaluer pour chaque composant, le cot
additionnel li au dplacement de la maintenance de sa date optimale. Une
heuristique a t dveloppe afin de dterminer la structure groupante optimale qui
respecte les contraintes du systme. Cette structure minimise le cot total de
maintenance sur un horizon de planification donn. Elle est constitue de groupes
dopration de maintenance dont les dates individuelles et optimales de
remplacement sont conscutives.
La quatrime et dernire tape entraine la remise jour du planning de maintenance

en fixant les groupes doprations raliser et les dates associes.
Figure 1.9: Mthode de planification dynamique et adaptative (Bouvard, 2010)
1.4.3
Rsultats et limites
Les avances ralises dans ce projet europen ont conduit la mise en place dune offre de
maintenance globale base sur la disponibilit oprationnelle du vhicule. La capacit
proposer une telle offre de services sappuie sur un ensemble de technologies parmi
lesquelles un rseau de capteurs sans fil ou encore une plateforme de maintenance. Celles-ci
16

assurent un meilleur suivi des conditions dutilisation du vhicule et une meilleure
surveillance de ltat de sant des composants.
En sappuyant sur ces informations, la notion de maintenance prdictive a t introduite
dans lalgorithme de planification dynamique. Ce type de maintenance a pour but de
modliser la dgradation des composants grce des modles stochastiques et dvaluer en
ligne ltat courant de composants critiques . Le principal avantage de cette approche est
de pouvoir estimer la dure de vie rsiduelle du composant sans disposer dune
connaissance exacte de la physique du processus dusure. La mise en place dune politique
de regroupement des oprations de maintenance base sur les usures mesures permet de
minimiser le cot de maintenance.
En consquence, les mthodologies dveloppes dans lalgorithme de planification
dynamique permettent doffrir aux utilisateurs des services personnaliss en lien avec les
contraintes de leurs activits. Loffre de service propose dans ce projet permet selon les cas
damliorer la disponibilit oprationnelle du vhicule de lordre de 15% 30% (Bein et al.,
2014) (Lesobre et al., 2012). Les technologies implmentes conduisent la rduction des
cots de garantie de 10% 15% en sappuyant sur une meilleure dtection des dgradations
sur les vhicules.
Ce projet a aussi permis de mettre en relief certaines limites dans la faon de maintenir le
vhicule industriel. La politique de maintenance propose sappuie sur une logique
composant dans laquelle les interactions et la structure du systme ne sont pas prises en
compte. Pour illustrer cette limite, prenons lexemple du systme de freinage du vhicule.
Dans le projet MoDe, une politique de maintenance a t dveloppe afin de dcider du
meilleur moment pour remplacer la plaquette de frein selon son niveau de dgradation. Or,
le systme de freinage ne se compose pas uniquement des plaquettes de freins. Une
politique de maintenance qui ne tient pas compte des interactions ne peut donc pas garantir
le meilleur niveau de performance pour la fonction freinage. Cest pourquoi, il est
indispensable de travailler avec une vision systme et non composant par composant
pour assurer la ralisation de fonctions telles que le freinage.
La seconde limite concerne le regroupement des oprations de maintenance. Il sappuie sur
le concept de la maintenance base sur lopportunit. Avec ce concept, la rparation ou
linspection dun composant vont pouvoir dclencher des activits de maintenance sur
dautres composants du systme. Saisir lopportunit est avantageux dans le sens o lon va
conomiser des cots fixes lis lentre en atelier de maintenance. Nanmoins, ce concept
ne permet pas de prvoir prcisment les moments o le systme va tre maintenu et ne
permet pas dassurer aux clients une priode dutilisation sans dfaillance.
Enfin, la dernire limite observe fait rfrence la place occupe par la maintenance. Dans
ce projet, la maintenance est cantonne aux activits dentretien du vhicule. Les
connaissances acquises sur les modes de dfaillance et sur la dgradation des composants
17

sont utilises uniquement pour optimiser la dcision de maintenance. La maintenance nest
pas intgre dans le cycle de vie du systme et aucun retour sur la conception du vhicule
nest envisag.
1.5
Contribution de la thse
Ce travail de thse a t ralis dans le cadre dune collaboration entre le groupe AB Volvo
et les laboratoires GIPSA-lab de luniversit de Grenoble, CRIStAL (ex LAGIS) de luniversit
Lille 1 et LM2S de luniversit de technologie de Troyes. Le but de cette collaboration est de
rpondre aux problmatiques de maintenance spcifies par lindustriel en proposant des
contributions acadmiques novatrices.
Cette partie prcise, dans un premier temps, les objectifs industriels suivre. Ces objectifs
dcoulent du cahier des charges spcifi par le groupe AB Volvo et des limites observes
dans le projet MoDe. Dans un deuxime temps, ces problmes de planification des
oprations de maintenance et de retour sur la conception sont positionns dans la
littrature existante. Cet tat de lart fait merger les enjeux mthodologiques de cette
thse.
1.5.1
Objectifs industriels
La volont du groupe AB Volvo est de proposer ses clients une offre de maintenance
personnalise en fonction de leurs activits et adapte leurs contraintes. Cette offre a
vocation garantir un niveau de disponibilit lev du vhicule tout en rduisant limpact de
la maintenance sur le cot dexploitation.
Ces objectifs ncessitent, premirement de faire voluer lapproche composant utilise
dans le projet MoDe vers une approche systme . On entend ici par systme, un
ensemble de composants en interaction capable daccomplir une fonction spcifique dans le
but de fournir une valeur ajoute lutilisateur. La structure du systme doit faire partie
intgrante de la politique de maintenance et des dcisions associes. Lapplication de cette
approche systme impacte galement la faon de regrouper les oprations de
maintenance. Cela signifie que le regroupement ne doit plus tre pens autour des
composants mais autour du systme lui-mme. Cest le systme qui doit tre utilis pour
diriger le regroupement.
Dans un planning de maintenance personnalis, la politique de maintenance sadapte
dynamiquement aux conditions relles dutilisations de chaque vhicule. Pour se faire, il est
ncessaire de mettre en place des moyens technologiques au niveau des composants pour
avoir accs des informations de surveillance sur le systme. Ces informations prennent la
forme dindications sur ltat de sant des composants et sur leurs conditions dutilisations.
De faon vidente, cette instrumentation ne peut pas tre mise en place sur lensemble des
composants pour des raisons la fois technique et de cot. Cela implique que le vhicule est
18

un systme htrogne, cest--dire que le niveau dinformation disponible est diffrent
selon les composants. Dans ce contexte, la principale difficult est darriver utiliser
lensemble de ces informations pour adapter le processus de dcision de maintenance.
Loffre de maintenance doit galement tre en mesure de sadapter aux contraintes du
transport routier. Dans ce secteur, la maintenance prventive est effectue uniquement
quand le vhicule retourne latelier. En dehors de ces interventions, cest--dire en
mission, la maintenance est presque impossible ou gnre des cots importants
dimmobilisation. Pour pallier ces contraintes, la politique de maintenance doit garantir la
disponibilit et lautonomie du systme sur des priodes doprations donnes. Les
oprations de maintenance doivent donc tre effectues avant ou aprs ces priodes.
Pour rduire limpact de la maintenance sur les cots dexploitation, loptimisation de la
politique de maintenance seule ne suffit pas. Il est primordial de mener une rflexion plus
large associant le systme et sa maintenance ds la conception. Lide est de proposer une
mthodologie permettant de guider le concepteur dans ces choix. En sappuyant sur le
comportement du systme et la politique de maintenance qui lui est applique, le principe
est dvaluer diffrentes options de conception. Investir dans une instrumentation de
surveillance plus performante, travailler sur la fiabilit des composants, mettre en place des
redondances sont autant de solutions de conception envisageables valuer.
1.5.2
Enjeux mthodologiques
Pour rpondre aux problmes industriels noncs prcdemment, nous nous intressons
aux modles de maintenance dvelopps dans la littrature. Un modle de maintenance se
compose, par dfinition, dun modle de fiabilit du systme et dune politique de
maintenance. Son but est de reproduire les effets des oprations de maintenance sur ltat
du systme. Il fonctionne ainsi comme un outil daide la dcision permettant de comparer
les diffrentes stratgies de maintenance entre elles.
Depuis plusieurs dcennies, la modlisation de la maintenance a fait lobjet de nombreux
travaux de recherche comme en attestent les nombreuses publications sur ce sujet (Sheriff
& Smith, 1981) (Valdez-Flores & Feldman., 1989). Cependant, dans leur trs grande majorit,
les travaux existants visent quantifier les effets et les cots dune politique de maintenance
sur des systmes mono-composant. Optimiser ces politiques consiste, le plus souvent,
dfinir les meilleurs moments pour raliser les oprations (ou les inspections) de
maintenance en vue de trouver le meilleur compromis entre maintenances prventive et
corrective (Dekker, 1996). Mme si ces modles peuvent servir de base des politiques de
maintenance plus complexes, ils ne permettent pas de proposer une solution globale au
problme pos. En effet, llaboration dun modle de maintenance pour un systme multicomposant ne se rsume pas la simple juxtaposition de modles lmentaires pour chacun
de ces composants.
19

En sappuyant sur ce constat, des modles spcifiques ont t dvelopps pour des systmes
multi-composant (Wang, 2002) (Nicolai & Dekker, 2008) (Cho & Parlar, 1991). Dans la
plupart des cas, ces travaux proposent des politiques de regroupement afin de profiter des
dpendances conomiques et de minimiser les cots de maintenance. Ces politiques se
dcomposent en deux grandes catgories : les politiques de regroupement stationnaire et
les politiques de regroupement dynamique.
Les politiques de regroupement stationnaire considrent que les rgles de maintenance sont
statiques au cours du temps. Elles conviennent pour des systmes qui voluent dans un
environnement stable avec des caractristiques de fiabilit supposes connues et fixes pour
lensemble des composants. Ces hypothses simplifient normment la problmatique de
planification des oprations de maintenance. Ces modles ne sont pas applicables pour des
systmes qui voluent dans un contexte dynamique, comme les vhicules industriels.
Plus rcemment, des auteurs se sont intresss des politiques de regroupement
dynamique (Wildeman, 1996) (Wildeman et al., 1997) (Bouvard, 2010). Celles-ci utilisent
linformation court terme pour optimiser et mettre jour le planning de maintenance. Cette
remise jour est base sur des informations telles que la mesure de dtrioration dun
composant, la variation denvironnement oprationnel ou encore la panne du systme. En
consquence, le planning de maintenance est adapt ltat rel du vhicule et ses
conditions dutilisation.
Cependant, hormis des travaux rcents (Vu et al., 2014), ces politiques de regroupement ne
prennent pas en compte la structure du systme comme nonc dans la problmatique.
Lautre restriction importante concerne le respect des contraintes de lutilisateur. Ces
politiques sappuient principalement sur le concept dopportunit et de maintenance
opportuniste. Par dfinition, une opportunit est difficilement prvisible et ne permet pas de
garantir lutilisateur lautonomie de son systme sur une priode donne. La sous-partie
prcdente voque galement la ncessit de dvelopper une mthodologie permettant de
guider le concepteur dans ces choix. De nombreux auteurs dmontrent lintrt de penser la
maintenance ds les premires phases du cycle de vie du produit (Markeset & Kumar, 2001).
Nanmoins, trs peu de travaux dfinissent une mthodologie claire et dtaille pour faire
voluer la conception du systme.
Ces diffrents constats illustrent la ncessit de dvelopper de nouvelles mthodes pour
atteindre les objectifs du groupe AB Volvo. Lide qui va tre dfendue dans cette thse est
de dvelopper une forme originale de regroupement dynamique (Tinga & Janssen, 2013)
base sur le concept de la Maintenance Free Operating Period (MFOP) (Hockley, 1998).
Cette politique vise assurer le bon fonctionnement du systme multi-composant sur une
succession de priodes spcifies. A la fin de chaque priode, la politique considre value
la ncessit dune intervention de maintenance pour assurer la prochaine priode avec un
niveau de confiance spcifi. Lorsquune intervention de maintenance est juge ncessaire,
la politique slectionne les oprations raliser pour atteindre le niveau souhait. Le
20

processus de dcision intgre la fois les modles de fiabilit des composants, la structure
fiabiliste du systme et les informations de surveillance disponibles. Un planning de
maintenance personnalis est ainsi tabli en fonction de ltat rel des diffrents
composants et de leurs conditions dutilisations. A noter que des politiques bases sur la
MFOP ont t prsentes rcemment (Long et al., 2009). Cependant, elles ont t
dveloppes pour des systmes mono-composant sans considrer dinformation de
surveillance. Cette thse envisage donc dtendre les performances de celles-ci. Enfin, une
mthodologie de conception pour la maintenance est propose pour valuer les diffrentes
propositions de conception. Un facteur dimportance bas sur le cot est propos dans le
but de diriger les actions de conception.
1.6
Plan de la thse
Pour rpondre ces problmes de maintenance, il est souvent ncessaire de sappuyer sur
une modlisation stochastique de la ralit afin de traduire la complexit des problmes
abords. Dans ce contexte, les chapitres 2 et 3 introduisent les lments ncessaires la
construction dun modle de maintenance.
Le chapitre 2 traite de la modlisation de la fiabilit des systmes, soit la premire
composante dun modle de maintenance. Aprs quelques rappels rapides sur la fiabilit et
ses grandeurs caractristiques, ce chapitre se focalise sur la modlisation stochastique de la
dfaillance. Dans ce cadre, les modles de survie et les modles de dgradation sont
prsents. Ils peuvent tre vus comme deux modlisations possibles dun mme systme,
avec des niveaux dinformation diffrents. Nous abordons galement les outils
mthodologiques notre disposition pour intgrer la structure du systme dans les calculs
de fiabilit.
Le chapitre 3 prsente les enjeux de la maintenance et de la modlisation de la
maintenance. La modlisation de la politique de maintenance applique un systme est la
seconde composante du modle de maintenance. Ce chapitre vise, premirement,
prsenter les notions gnrales associes la maintenance. Nous nous intressons ensuite
lutilisation de la surveillance pour la maintenance. Un tat de lart sur les politiques de
maintenance pour des systmes mono-composant et multi-composant est tabli. Nous
insistons sur le besoin de modlisation pour valuer les performances et ventuellement
optimiser la maintenance.
En sappuyant sur les notions voques prcdemment et sur les limites des mthodologies
actuelles, le chapitre 4 dtaille la politique de maintenance dynamique dveloppe dans
cette thse. On introduit ainsi la notion de MFOP et le cadre de son utilisation actuelle. Nous
dfinissons ensuite le processus de dcision de maintenance utilis. Cette politique a la
particularit de sappuyer sur la MFOP pour diriger le regroupement des oprations de
maintenance. Nous prsentons galement le modle de cot utilis au sein du modle de
maintenance pour valuer et optimiser la politique.
21

Le chapitre 5 se concentre sur laspect dynamique de la politique propose. Nous prcisons
ainsi comment les informations de surveillance disponibles sur ltat de sant des
composants ou sur leurs conditions dutilisation sont intgres dans le processus de
dcision. Tout au long de ce chapitre, nous illustrons limpact de linformation de
surveillance sur les prises de dcisions de maintenance.
Le chapitre 6 prsente une mthodologie de conception intgrant les problmatiques lies
la maintenance. Elle vise fournir un outil daide la dcision permettant de statuer entre
diverses propositions de conception pour un systme donn. Dans un premier temps, nous
justifions lintrt de prendre en compte les problmatiques de maintenance ds la
conception du systme. Un tat des lieux est ensuite ralis sur lutilisation de la notion de
MFOP pour la conception. La mthodologie retenue repose sur lvaluation des cots
globaux dexploitation dun systme soumis une politique de maintenance spcifie. Pour
prioriser les actions de conception mener, un facteur dimportance bas sur les cots est
introduit. Cette mthodologie est enfin applique sur un systme multi-composant donn.
Dans le chapitre 7, nous appliquons la politique de maintenance dveloppe sur un soussystme du vhicule industriel. Nous prcisons, dans un premier temps, comment le soussystme a t slectionn et quelles sont les donnes notre disposition. Nous dtaillons
ensuite la construction du modle de maintenance et les diffrentes hypothses effectues.
En sappuyant sur ce modle, une valuation de la politique est prsente. Les rsultats sont
compars avec la politique de maintenance applique actuellement sur ce sous-systme.
Le chapitre 8 conclut et propose des perspectives nos travaux.
22
Chapitre 2 Modlisation de la fiabilit des systmes
Chapitre 2
Modlisation de la fiabilit des
systmes
Un systme est un ensemble de composants en interaction capable daccomplir une fonction
spcifique (Villemeur, 1988). Une dfaillance intervient quand le systme nest plus en
mesure de dlivrer la fonction requise. Par consquent, une panne est toujours la rsultante
dune dfaillance. La maintenance vise prvenir les dfaillances du systme et intervenir
sur celui-ci quand une panne survient pour rtablir ses fonctionnalits. Le premier objectif
de la maintenance est donc de maintenir et damliorer la fiabilit du systme. Dans ce
cadre, la capacit modliser la dfaillance et plus gnralement la dgradation du systme
apparat comme un lment primordial dans llaboration et loptimisation de la politique de
maintenance.
En sappuyant sur ce constat, ce chapitre commence par donner une dfinition prcise de la
fiabilit et de ses grandeurs caractristiques. Nous nous focalisons ensuite sur la
modlisation stochastique de la dfaillance. Pour ce faire, nous distinguons les modles de
survie et les modles de dgradation. Ce type de modlisation est recommand lorsquil est
impossible de traduire la complexit du mcanisme de dfaillance par des modles
physiques. Nous prsentons, enfin, les outils notre disposition pour intgrer la structure du
systme dans les calculs de fiabilit.
2.1
Rappels de fiabilit
Dans le chapitre prcdent, le terme de fiabilit a t employ sans quil soit prcisment
dfini. Pour viter toute ambigut, nous proposons dans cette partie une dfinition
gnrale de la fiabilit et des concepts associs. Nous abordons galement les mthodes
notre disposition pour valuer cette fiabilit dans un contexte industriel.
2.1.1
Fiabilit et sret de fonctionnement
La Sret de Fonctionnement (SdF) reprsente au sens large la science des dfaillances. Elle
vise mettre en place des systmes dans lesquels les dfaillances sont prvues et tolrables.
Derrire ce concept, la notion de confiance est fondamentale. Cette notion se retrouve dans
la dfinition de Laprie (Laprie, 1996) o il mentionne que la SdF dun systme est la proprit
qui permet de placer une confiance justifie dans le service quil dlivre.
23

Dfinition 1 La SdF correspond lensemble des aptitudes dun bien qui lui permet de remplir
une fonction requise au moment voulu, pendant la dure prvue, sans dommage pour luimme et son environnement.
Scurit
Disponibilit
Sret de
Fonctionnement
Fiabilit
Maintenabilit
Figure 2.1: Les concepts associs la SdF

La SdF sappuie gnralement sur quatre concepts majeurs: la scurit, la disponibilit, la
fiabilit et enfin la maintenabilit (cf. figure 2.1). Il convient de dfinir succinctement ces
diffrents concepts pour replacer la fiabilit dans son contexte.
Dfinition 2 La scurit dune entit est dfinie comme son aptitude viter de faire
apparatre, dans des conditions donnes, des vnements critiques ou catastrophiques.
Cette composante de la SdF savre primordiale pour les entits o le risque de dommages
corporels lencontre de lutilisateur ou de lenvironnement est jug important.
Dfinition 3 La disponibilit dune entit est dfinie comme son aptitude tre en tat
daccomplir une fonction requise dans des conditions donnes, un instant donn, en
supposant que la fourniture de moyens extrieurs ncessaires soit assure (AFNOR, 1988).
A partir du moment o lon constate un problme au niveau de la scurit ou de la
disponibilit de lentit, la fiabilit se retrouve au centre des dbats. Au sens populaire, la
fiabilit se dfinit par une entit sur laquelle on peut compter, qui a la caractristique dtre
fiable. On retrouve cette notion dans ltymologie anglaise du mot reliability avec le
verbe to rely on qui signifie avoir confiance en quelquun ou quelque chose. Une
dfinition plus scientifique et standardise est donne ci-dessous.
Dfinition 4 La fiabilit est laptitude dune entit accomplir une fonction requise ou
satisfaire les besoins des utilisateurs, dans des conditions donnes, pendant une dure
donne (AFNOR, 1988).
24

Cette aptitude se mesure par la probabilit que lentit remplisse sa fonction sur une
priode de temps donne (Smith, 1997). Enfin, quand un dysfonctionnement apparait sur
lentit et quil faut intervenir pour rtablir ses fonctionnalits, le concept de la
maintenabilit est introduit.
Dfinition 5 La maintenabilit dune entit est dfinie comme son aptitude tre maintenue
ou rtablie, sur un intervalle de temps donn, dans un tat dans lequel elle peut accomplir
une fonction requise, lorsque la maintenance est accomplie dans des conditions donnes,
avec des procdures et moyens prescrits (AFNOR, 1988).
2.1.2
Fiabilit et grandeurs caractristiques
Dans la sous partie prcdente, la fiabilit a t dfinie dun point de vue qualitatif. La
dfinition quantitative (ici probabiliste) de ce concept et de ses grandeurs caractristiques
est donne ci-dessous (Barlow & Proschan, 1996) (Pags & Gondran, 1980) (Rausand &
Hyland, 2004).
Dans le but dillustrer ces diffrents concepts, considrons tout dabord une entit en
fonctionnement. Une entit reprsente soit le systme complet, soit un composant
lmentaire dun systme. Posons une variable alatoire qui mesure la dure de
fonctionnement de cette entit avant observation de la dfaillance. Cette variable est
positive et suppose absolument continue.
0.035
0.03
0.025
f(t)
0.02
0.015
0.01
0.005
0
0
10
20
30
40
50
60
70
80
90
100
Figure 2.2: Densit de probabilit et fonction de rpartition

La fonction de rpartition () de la variable alatoire est donne par:
0,
() = ( )
25
(2.1)

Elle reprsente la probabilit que lentit tombe en panne dans lintervalle [0, ]. Cette
fonction possde les proprits suivantes:
lim () = 0 lim () = 1
0
(2.2)
La densit de probabilit () de la variable alatoire est dfinie comme:

() =
()
( < + )
= lim
0
(2.3)
Quand est petit, () reprsente la probabilit de dfaillance de lentit sur un petit

intervalle de temps aprs linstant . La fonction de rpartition () et la densit de
probabilit () sont illustres dans la figure 2.2. Graphiquement, la fonction de rpartition
(1 ) est laire sous la courbe de la densit de probabilit entre [0, 1 ].
La fiabilit () dune entit est la probabilit quelle ne tombe pas en panne dans
lintervalle de temps [0, ]. Autrement dit, la probabilit quelle survive lintervalle de temps
[0, ] et quelle soit encore en fonctionnement . La fiabilit () est dfinie par:
0,
() = 1 () = ( > ) = 1 ()
(2.4)
La probabilit conditionnelle que lentit tombe en panne dans lintervalle de temps

[, + ] sachant quelle est encore en fonctionnement est dfinie par:
( < + | > ) =
( < + ) ( + ) ()
=
( > )
()
(2.5)
En divisant cette probabilit par la longueur de lintervalle de temps , et en faisant

tendre 0, nous obtenons la dfinition du taux de dfaillance (ou taux de panne) ():
0,
() = lim
1 ( < + ) ()
( > )
()
(2.6)
Le taux de dfaillance permet de renseigner sur lusure ou le vieillissement de lentit. Un

taux de dfaillance croissant signale une entit qui vieillit . Dans ce contexte, vieillir
signifie que la probabilit conditionnelle de dfaillance de lentit augmente mesure que le
temps avance. A linverse, quand le taux de dfaillance dcroit, cette probabilit diminue
mesure que le temps passe. On parlera ici dun rajeunissement de lentit.
26

De nombreux travaux ont montr que lallure du taux de dfaillance () pour une entit
non rparable a gnralement une forme en baignoire (cf. figure 2.3). Dans ce cas, la
fonction () se dcompose en trois parties:
-
La priode de jeunesse, synonyme de rodage ou de dverminage, illustre les

dfaillances prcoces que lon peut observer sur une entit neuve. Pendant cette
priode, le taux de dfaillance est initialement assez fort puis dcroit
progressivement.
La priode de vie utile, reprsente la phase la plus importante de la vie dune entit
car cest le moment o le nombre de pannes est le plus faible. Il est gnralement
admis de reprsenter () par une constante pendant cette priode.
La priode de vieillissement, identifie la phase dusure de lentit pendant laquelle le

risque de dfaillance va augmenter.
Figure 2.3: Allure gnrale du taux de dfaillance

Enfin, pour clore cette sous partie, la dernire mesure fondamentale de la fiabilit est le
(Mean Time To Failure). Le dune entit est la dure moyenne de bon
fonctionnement avant sa dfaillance. Cette mesure est donne par:
= [] = ()
(2.7)
Si < ,
= ()
(2.8)
Dans le monde industriel, cet indicateur joue un rle important. Il est en effet souvent utilis
pour comparer les fiabilits dentits fournies par diffrents constructeurs, mme si la
comparaison de moyennes pour comparer des lois de dure de vie est peu pertinente.
27
2.1.3
Fiabilit et mthodes dvaluation
Prcdemment, la fiabilit ainsi que les concepts et grandeurs associs ont t introduits.
Dans cette sous-partie, nous nous focalisons sur les mthodes employes en pratique pour
valuer cette fiabilit. Trs schmatiquement, trois mthodes principales peuvent tre
distingues: le recours des bases de donnes gnriques, la ralisation dessais et enfin
lutilisation du retour dexprience (Berthon, 2008).
Une premire dmarche employe par les industriels est dutiliser des bases de
donnes gnriques de fiabilit (MIL-HDBK-217F, 1991). Celles-ci proposent des
modles empiriques permettant de calculer le taux de dfaillance basique dune
entit donne. Ce taux de dfaillance devra ensuite tre ajust en fonction des
paramtres dutilisation.
Une toute autre dmarche consiste raliser des essais sur des entits donnes pour
valuer leur fiabilit. Ces essais ont pour objectif de mettre lentit dans des
conditions proches de la ralit pour vrifier son fonctionnement. Dans lindustrie
des vhicules industriels, un grand nombre de composants possdent une dure de
vie importante. Les essais sur des composants de ce type sont particulirement longs.
Il nest, ds lors, pas envisageable pour des contraintes de temps et dargent de
raliser de tels essais. Dans ce contexte, les industriels privilgient des essais dits
acclrs. Ces essais consistent rduire significativement la dure de vie dune
entit par lacclration des dgradations provoquant la dfaillance. Pour retrouver
la loi de fiabilit en conditions normales partir des rsultats dessais acclrs, des
modles spcifiques sont employs (Nelson, 1990). La complexit des essais, quils
soient standards ou acclrs, est de reproduire fidlement les contraintes relles
rencontres par ces entits.
Enfin, une autre mthode consiste valuer la fiabilit dune entit partir des
donnes issues du retour dexprience. Pour le groupe AB Volvo, celle-ci sappuie
principalement sur lhistorique de maintenance des vhicules. Cette mthode a pour
avantage de se focaliser sur la fiabilit telle quelle est rellement observe par les
utilisateurs. Hormis la question du cot, le principal inconvnient est dattendre
plusieurs annes avant davoir suffisamment de donnes exploitables. A noter que
lvaluation de la fiabilit partir du retour dexprience est la mthode que nous
allons privilgier dans cette thse.
Pour exploiter ce retour dexprience, des mthodes statistiques de traitement des
donnes sont introduites. Elles ont pour objectif de proposer des modles ralistes
pour reprsenter les grandeurs caractristiques de la fiabilit. Ces modles seront
prsents dans les parties suivantes. Au-del des modles proposs, ceux-ci ont des
paramtres inconnus quil faut estimer. A partir dun chantillon de donnes, ces
28

paramtres peuvent tre estims en utilisant des mthodes destimations classiques
telles la mthode des moments ou la mthode du maximum de vraisemblance. Si une
information a priori est disponible, typiquement un jugement dexpert, lapproche
baysienne peut galement tre employe. Un autre paramtre, non ngligeable, est
la qualit des donnes recueillies. Celles-ci peuvent tre manquantes, errones ou
bien encore censures. La pertinence de notre modle dpendra fortement de notre
capacit identifier et/ou corriger ces problmes de qualit.
2.2
Modles de survie
Pour valuer les grandeurs caractristiques de la fiabilit nonces prcdemment, nous

proposons dutiliser une modlisation stochastique de la dfaillance. Dans ce cadre, deux
grandes classes de modles se distinguent: les modles de survie et les modles de
dgradation. La distinction entre ces modles est lie au niveau de connaissance disponible
sur le fonctionnement de lentit modlise.
Dfaillance
1
Fonctionnement
Panne
Figure 2.4: Fonctionnement d'une entit deux tats

Pour les modles de survie, cette connaissance se limite une information binaire, lentit
est soit en fonctionnement, soit en panne (cf. figure 2.4). Son tat un instant peut tre
dcrit par une variable dtat () tel que:
() = {
1 si l'entit fonctionne
0 si l'entit est en panne
(2.9)
Cette modlisation ne prend pas en compte les tats intermdiaires entre ltat neuf et la
dfaillance. Pour ces modles, il sagit gnralement de dfinir une loi de probabilit
dcrivant la dure de fonctionnement de lentit. Dans cette partie, nous nous focalisons
sur les lois de probabilit les plus utilises en fiabilit. Nous abordons galement les modles
de survie qui intgrent la prise en compte dun environnement dynamique.
29
2.2.1
La loi exponentielle
Cette sous-partie introduit la loi exponentielle et ses applications. Une variable alatoire
suit une loi exponentielle de paramtre , note exp(), si et seulement si sa densit de
probabilit () sexprime de la faon suivante:
() = pour 0, > 0
(2.10)
La fonction de fiabilit () est dfinie par:

() = pour 0
(2.11)
La dure moyenne de bon fonctionnement correspond :
= () = =
0
(2.12)
Enfin, le taux de dfaillance () est donn par:

() =
()
= =
()
(2.13)
Ce rsultat illustre la proprit principale de cette loi, un taux de dfaillance constant. Celuici implique que les entits modlises par cette loi ne se dgradent pas et ne samliorent
pas. Si ~ exp(), alors:
( > + | > ) =
( + )
(+)
=
= = ()
()
(2.14)
Cette loi est souvent appele loi sans mmoire dans le sens o la probabilit que lentit
fonctionne est sans mmoire du temps coul. Lentit est en quelque sorte considre
comme neuve linstant . Cette proprit dabsence de mmoire restreint le champ
dapplication de cette loi. En thorie, elle ne peut tre employe que pour des entits qui ne
susent pas. Elle est ainsi principalement utilise pour des composants lectroniques ou pour
modliser la fiabilit dun logiciel. En pratique, elle est galement utilise pour modliser la
phase de dure de vie utile de systmes mcaniques.
Cependant, comme la plupart des entits se dgradent, dautres lois permettant de prendre
en compte cette caractristique doivent tre introduites. Certaines de ces lois sont
prsentes dans les sous-parties suivantes.
30
2.2.2
La loi de Weibull
Autre loi prpondrante en fiabilit, la loi de Weibull et ses applications sont illustres cidessous. La dure de fonctionnement dun systme suit une loi de Weibull de paramtres
> 0 et > 0 , si sa fonction de rpartition () est donne par:
() = 1

( )

pour 0
(2.15)
Notons que, dans lexpression ci-dessus, correspond au paramtre de forme et au

paramtre dchelle. Le paramtre dchelle informe sur ltendue de la distribution. Le
paramtre de forme, quant lui, est associ la cintique du processus observ.
La densit de probabilit correspondante est:
1 ( )
() = () = ( )
pour 0
(2.16)
La fonction de fiabilit () pour cette loi est dfinie par:

() =

( )

pour 0
(2.17)
La dure moyenne de bon fonctionnement est:
1
= () = ( + 1)
(2.18)
avec (. ) la fonction gamma qui sexprime de la faon suivante:
() = 1
(2.19)
Enfin, le taux de dfaillance () est donn par:

() 1
() =
= ( )
pour 0
()
(2.20)
Contrairement la loi exponentielle, le taux de dfaillance de la loi de Weibull est fonction

du temps. Cela permet, en faisant voluer les paramtres, de modliser des situations o
lentit samliore ( < 1), o lentit se dgrade ( > 1) mais galement des situations o
31

lentit ne suse pas et ne samliore pas ( = 1). La figure 2.5 permet dillustrer ces
diffrentes situations. La grande flexibilit de cette loi justifie son utilisation rcurrente pour
les modlisations de dures de vie.
3
2.5
=3
z(t)
2
1.5
=1
1
0.5
= 0,5
0
0
0.2
0.4
0.6
0.8
Figure 2.5: Taux de dfaillance de la loi de Weibull, =
2.2.3
Autres lois usuelles
Dans cette sous-partie, nous allons prsenter succinctement deux autres lois utilises pour
modliser la fiabilit dune entit: la loi Gamma et la loi Lognormale. La fonction de
rpartition, la fiabilit et le taux de dfaillance de ces lois ont la particularit de ne pas avoir
dexpression explicite. Seule lexpression de la densit de probabilit () et du
seront introduits.
Loi Gamma
La dure de fonctionnement dune entit suit une loi Gamma de paramtre de forme
> 0 et de paramtre dchelle > 0, si sa densit de probabilit () est donne par:
1
() =

pour > 0
()
(2.21)
avec (. ) la fonction gamma dfinie au paragraphe 2.2.2.

La dure moyenne de bon fonctionnement correspondante est:
=
32
(2.22)

En utilisant les proprits de cette loi, on peut montrer que la loi dune somme de
variables alatoires indpendantes de loi exp() est une loi Gamma(, ). De mme, la
somme de deux variables alatoires indpendantes de loi Gamma(1 , ) et Gamma(2 , )
a pour loi Gamma(1 + 2 , ).
Loi Lognormale
La dure de fonctionnement dune entit suit une loi Lognormale de paramtres

et 2 > 0, si ln est de loi Normale (, 2 ). En se basant sur cette dfinition, la densit
de probabilit de la loi Lognormale est donne par:
() =
1
2
1
(ln )2 )
22
pour > 0
(2.23)
La dure moyenne de bon fonctionnement est:

=
(+
2
)
2
(2.24)
Mme si le taux de dfaillance na pas dexpression explicite, notons que sa forme gnrale
crot dans une premire phase puis dcroit en tendant vers 0 dans une seconde phase (cf.
figure 2.6). Cette loi a donc vocation modliser des entits qui se dgradent puis
samliorent au bout dun certain temps.
0.12
0.1
z(t)
0.08
0.06
0.04
0.02
0
0
20
40
60
80
100
Figure 2.6: Forme gnrale du taux de dfaillance d'une loi Lognormale
33
2.2.4
Modles de survie et environnement dynamique
Un vhicule industriel est un systme complexe du fait de sa mobilit mais aussi de son
environnement oprationnel trs changeant. Suivant les caractristiques de cet
environnement dynamique, la nature ou la vitesse de la dgradation des composants
peuvent varier. Dans ce contexte, lhypothse simplificatrice qui consiste ngliger limpact
de lenvironnement sur la dgradation de lentit doit tre abandonne. Cela ncessite
dtre en mesure de modliser les interactions entre cet environnement dynamique et la
progression du composant vers la panne.
On observe actuellement dans la littrature un intrt accru pour la prise en compte des
covariables (Singpurwalla, 1995). Une covariable se dfinit comme une variable externe
lentit qui influence sa dgradation. Certaines covariables influencent plus ou moins ltat
de sant des composants. Il faut donc tre capable didentifier les covariables les plus
reprsentatives. Cette identification est souvent ralise avec laide des experts composants.
Pour des systmes industriels, les covariables reprsentent souvent des grandeurs relatives
aux conditions dutilisation et lenvironnement oprationnel (Khoury, 2012). Typiquement,
pour un vhicule industriel, ces covariables sont:
-
la topographie de la route,
laltitude,
la temprature extrieure,
la charge du vhicule,
le type de trajet,
le revtement de la route,
etc.
Diffrents modles de survie intgrant des covariables existent (Fusaro et al., 1993) (Myers,
1981). Nous prsentons ici les modles hasard proportionnel. Ces modles permettent
dexprimer le taux de dfaillance en fonction du temps et des variables explicatives.
Lhypothse de risques proportionnels signifie que le risque dun individu possdant une
caractristique donne est multipli par une constante, en comparaison avec les individus
qui ne possdent pas cette caractristique (Deloux, 2008). Parmi les modles hasard
proportionnel disponibles dans la littrature, le modle de Cox (Cox, 1972) est le plus connu.
Ce modle a dabord t utilis en bio-statistique avant dtre utilis en fiabilit (Ansell &
Phillips, 1997).
Cependant, mme si la prise en compte des covariables permet destimer les grandeurs de
fiabilit dans un environnement dynamique, ces modles ne sont pas en mesure de rendre
compte de ltat de sant dun composant spcifique.
34
2.3
Modles de dgradation
Les modles de survie, prsents dans la partie prcdente, ne permettent pas de dcrire
lvolution de lentit vers la panne. Pour modliser cette volution dune manire plus fine,
une seconde classe de modles, dit modles de dgradation, est introduite. Contrairement
aux modles de survie, ils font rfrence des modles dont lespace dtat ne se rduit pas
uniquement un tat de marche et de panne. On suppose alors quil existe des tats
intermdiaires, appels galement tats dgrads. Pour mettre en place ce genre de
modlisation, la premire tape consiste dfinir un indicateur de dgradation directement
li ltat de dtrioration de lentit. Le principal objectif vise ensuite reprsenter
lvolution de cet indicateur, not (). Une entit est considre en panne lorsque son
indicateur de dgradation dpasse un certain seuil, not . Dans ce cadre, les modles de
survie et les modles de dgradation peuvent tre vus comme deux modlisations possibles
dune mme entit avec des niveaux dinformations diffrents.
Premirement, cette partie est consacre la prsentation des diffrents modles
disponibles pour dcrire lvolution de lindicateur de dgradation. Le choix entre ces
modles est bas sur la nature de la dgradation que lon souhaite modliser. Nous nous
focalisons ensuite sur un modle particulier, le processus Gamma, trs utilis pour
reprsenter la dtrioration de systmes industriels. Enfin, les problmatiques lies la
modlisation de la dgradation dans un environnement dynamique sont introduites.
2.3.1
Diffrentes classes de dgradation
Comme nous lavons mentionn prcdemment, les modles de dgradation ne se limitent

pas un fonctionnement binaire mais intgrent des tats supplmentaires entre ltat de
marche et ltat de panne. Pour modliser lvolution de la dgradation dune entit, il est
ncessaire de dterminer des lois de passage entre les diffrents tats. Cette modlisation
devra tenir compte de la nature de lindicateur de dgradation que lon dcide de suivre.
Pour ce faire, on distingue gnralement deux grandes classes de dgradation : les modles
dgradation discrte et les modles dgradation continue (Deloux, 2008).
Les modles dgradation discrte font rfrence des dgradations de type chocs
(cf. figure 2.7). Chaque choc, occurrence alatoire, va incrmenter la dgradation
de lentit modlise. Cet incrment de dgradation peut tre dterministe ou
alatoire. Un choc entraine un saut dun tat de dgradation un autre. Entre deux
chocs conscutifs, on considre que ltat du systme reste stable. Les incrments de
dgradation sadditionnent jusqu la dfaillance totale de lentit. Pour cette classe
de dgradation, les processus markoviens ou semi-markoviens sont gnralement
utiliss (Castanier, 2002). En pratique, la caractrisation des transitions entre les
diffrents tats peut savrer dlicate. De plus, un grand nombre de donnes est
ncessaire pour garantir la pertinence de lestimation.
35

Fonctionnement
Panne
0
Choc 1
Choc 2 Choc 3
Figure 2.7: Reprsentation d'un modle dgradation discrte
Les modles dgradation continue sont, quant eux, pertinents pour modliser des
phnomnes tels que la fatigue, lrosion graduelle dun matriau ou encore lusure
progressive dune pice mcanique, etc. Pour ces modles, il est ncessaire de
connatre la loi des incrments de dgradation entre deux instants conscutifs afin de
prdire le niveau de dgradation tout instant (cf. figure 2.8). On considre
gnralement que le processus de dgradation est markovien. Cela implique que les
incrments de dtrioration ne dpendent ni de lge, ni de ltat de sant de lentit
mais uniquement de la dure dobservation. Cette hypothse se justifie
naturellement si la seule information disponible sur ltat de lentit est
laccroissement de sa dgradation entre deux observations. Les proprits
dindpendance et de stationnarit des incrments conduisent retenir la classe des
processus de Lvy (Asmussen, 2003) pour la modlisation de la dgradation dune
entit. Ces processus sont dtaills dans la sous-partie suivante.
Fonctionnement
Panne
Figure 2.8: Reprsentation d'un modle dgradation continue

36
2.3.2
Processus de Lvy
Les modles dgradation continue conviennent pour reprsenter des phnomnes

observables sur de nombreux systmes industriels. Ce constat conduit naturellement nous
focaliser sur cette classe de dgradation et plus particulirement sur les processus de Lvy
(Bagdonavicius & Nikulin, 2009) (Singpurwalla, 1995). La famille des processus de Lvy
comporte principalement deux types de processus: les processus de Wiener et les processus
Gamma.
Le processus de Wiener est un processus de Lvy trajectoire continue dont les incrments
suivent des lois normales. Il permet de modliser une dgradation continue et croissante en
moyenne mais non monotone. Cela signifie que lincrment de dgradation a une
probabilit non nulle dtre ngatif. Cette proprit tolre dans certaines conditions
(Whitemore, 1995) (Antelman & Savage, 1965) (Crowder & Lawless, 2007) ne permet pas de
modliser des dgradations monotones comme la propagation dune fissure ou les
phnomnes dusure par abrasion. Il est donc ncessaire de se tourner vers des processus
qui privilgient la monotonie.
En thorie, un processus de Lvy ne peut pas tre utilis pour modliser une dgradation
la fois continue et croissante. La solution consiste alors se placer dans le cas limite dun
processus de sauts prsentant un nombre infini de sauts sur un intervalle de temps fini.
Cette solution implique que la loi de probabilit des incrments soit support positif et
infiniment divisible. Cela nous amne introduire un processus qui vrifie ces conditions: le
processus Gamma.
Le processus Gamma est un processus de Lvy dont les incrments de dgradation suivent
une loi Gamma (Abdel-Hameed, 1975). Cette caractristique donne aux processus Gamma
une grande flexibilit pour modliser des comportements de dgradation trs diffrents.
Notons que la loi Gamma est support positif. Par consquent, le processus Gamma dfinit
un processus accroissements positifs, adapt la modlisation de dgradation continue et
monotone contrairement au processus de Wiener. Nous modlisons ainsi le fait que ltat de
sant de lentit ne peut pas samliorer sans intervention extrieure. Ce processus a t
largement utilis dans la littrature pour modliser des phnomnes aussi varis que lusure
par abrasion, la fatigue, la corrosion, la croissance des fissures, etc (Bouvard, 2010) (Van
Noortwijk, 2009) (Lawless & Crowder, 2004).
Un processus Gamma stationnaire (), > 0, de paramtre de forme et de paramtre
dchelle est dfini mathmatiquement de la faon suivante (cf. figure 2.9):
-
(0) = 0 ;
Les incrments de () sont indpendants ;
Quelque soit > 0 et > 0, la loi daccroissement ( + ) () suit une loi
Gamma de densit:
37
() =
pour > 0
()
(2.25)
avec (. ) la fonction gamma dfinie au paragraphe 2.2.2.

Notons que la mthode la plus courante pour lvaluation des paramtres du processus
Gamma est la mthode du maximum de vraisemblance (Van Noortwijk, 2009). On dfinit
ensuite lesprance et la variance des incrments telles que:
=
= 2
(2.26)
Pour les entits dont la dgradation est dfinie par un processus Gamma de paramtre
et , la dfaillance apparat suite un excs de dgradation. Autrement dit quand
lindicateur de dgradation () > . Dans ce cadre, la fonction de rpartition est donne
par:
() = ( ) =
(, )
()
(2.27)
La fiabilit, quant elle, sexprime par:

() = ( > ) = (() < ) = 1
(, )
()
(2.28)
25
20
Trajectoire de dgradation
Seuil limite d'usure (L)
Z(t)
15
10
5
0
0
10
20
30
40
t
50
60
70
80
Figure 2.9: Illustration de trajectoires de dgradation issues d'un processus Gamma de

paramtre = et =
Prcisons que la connaissance de cet indicateur de dgradation () entraine une mise
jour de la fiabilit conditionnelle de lentit beaucoup plus fine que la simple connaissance
de ltat marche/panne. Cette information permet dinfluencer lvaluation de la dure de
38

vie rsiduelle de lentit et potentiellement de modifier les dcisions de maintenance. Ces
diffrents points sont dtaills dans le chapitre suivant.
2.3.3
Dgradation et environnement dynamique
Dans la partie 2.2.4, nous avons prcis que lenvironnement dynamique dans lequel
voluait le vhicule industriel pouvait impacter la dgradation des composants. Dans ce
contexte, lobjectif est de construire un modle de dgradation capable de prendre en
compte les informations complmentaires fournies par les covariables pour expliquer au
mieux le phnomne de dtrioration (Fouladirad et al., 2008) (Saassouh, 2007). Cette
capacit intgrer lenvironnement dynamique dans les modles de dgradation vise, au
final, amliorer le processus de dcision de maintenance.
Pour une entit expose une dgradation continue, leffet des covariables peut prendre
diffrentes formes. Premirement, intressons-nous au cas o la covariable impacte
directement la dgradation (Deloux et al., 2008). Cet impact peut tre ponctuel (Wang &
Pham, 2011), en entrainant une augmentation soudaine du niveau de dtrioration, ou
temporel en modifiant la vitesse et/ou la variance de la dgradation (Zhao et al., 2010)
(Ponchet et al., 2010). Dans le cas du processus Gamma, cet effet temporel est pris en
compte travers les paramtres de forme et dchelle qui seront dfinis en fonction des
covariables. Celles-ci peuvent galement avoir un impact direct sur la dfaillance en
modifiant notamment le seuil partir duquel lentit sera non-fonctionnelle (Wang & Coit,
2007). Dans ce cas, le seuil de dfaillance apparat comme une variable alatoire dpendant
de la valeur des covariables.
2.4
Fiabilit des systmes
Les parties prcdentes se sont concentres sur la dfinition qualitative et quantitative de la

fiabilit ainsi que sur la modlisation stochastique de la dfaillance dune entit. Lobjectif
affich dans cette dernire partie est de dfinir les outils mthodologiques notre
disposition pour intgrer la structure du systme dans lvaluation de la fiabilit.
Pour valuer la fiabilit dun systme, une premire approche consiste considrer le
systme comme un tout, sans envisager une dcomposition en composants lmentaires. La
modlisation de la fiabilit du systme complet est alors base directement sur les modles
prsents dans les parties prcdentes. Cette approche, appele boite noire , ne permet
pas dintgrer la structure gnrale du systme dans lvaluation de la fiabilit.
Par opposition, une seconde approche appele bote blanche , vise prendre en compte
cette structure dans le calcul de la fiabilit. Dans ce cadre, il va falloir tre capable de
modliser la fiabilit de chaque composant lmentaire et de dfinir la logique de
39

fonctionnement du systme. Afin de rpondre aux objectifs dtaills dans le chapitre 1,
cette approche est retenue dans la suite de cette thse.
Dans cette partie, nous prsentons premirement les mthodes notre disposition pour
analyser et reprsenter la logique de fonctionnement du systme. Dans un second temps,
nous dtaillons les calculs de fiabilit associs aux diffrents types de structures
lmentaires.
2.4.1
Analyse et reprsentation de la structure fiabiliste
Pour dfinir la logique de fonctionnement dun systme, lobjectif est de dterminer

comment le fonctionnement ou la panne de chaque composant lmentaire va impacter le
systme global. Pour atteindre cet objectif, une premire tape consiste raliser une
Analyse des Modes de Dfaillance, de leurs Effets et de leur Criticit (AMDEC) (Rausand &
Hyland, 2004).
Cette technique est apparue initialement dans le secteur aronautique, puis sest rpandue
dans les principales industries (automobile, chimique, nuclaire, etc). Elle est utilise pour
identifier les modes de dfaillances des composants lmentaires et pour tudier les effets
que ces pannes peuvent entraner sur le systme. Durant cette analyse, chaque panne est
considre individuellement. Les consquences engendres par la prsence de plusieurs
pannes sur des composants lmentaires ne sont pas tudies. Cette proprit ne permet
donc pas de sadapter la structure du systme tudi si celui-ci contient des redondances.
Cette limite conduit le plus souvent considrer une AMDEC comme un travail prliminaire
avant des tudes de fiabilit plus pousses.
Entre
Sortie
2
5
Figure 2.10: Reprsentation d'un diagramme de fiabilit

Pour remdier cette limite, plusieurs mthodes complmentaires peuvent tre envisages:
diagrammes de fiabilit, arbre de dfaillance, graphe de Markov, rseau de Petri, etc... Dans
la suite de cette thse, nous nous intressons uniquement des systmes constitus de
composants lmentaires non rparables. Pour ces systmes, nous supposons que les
composants lmentaires sont indpendants et que lordre dans lequel les pannes
apparaissent na pas dimportance. Dans ce cadre, le diagramme de fiabilit apparait comme
la reprsentation la plus pertinente (Rausand & Hyland, 2004).
40

Le diagramme de fiabilit est utilis pour analyser et calculer la disponibilit des systmes
(Pags & Gondran, 1980). Il correspond une reprsentation logique du fonctionnement du
systme sous forme de graphe. A lintrieur de ce graphe, les blocs reprsentent les
composants lmentaires du systme et les arcs traduisent les relations entre ces
composants (cf. figure 2.10). Notons que les liens entre les composants ne correspondent
pas des liens physiques mais uniquement des liens fonctionnels.
Le systme est considr en marche si au moins un chemin, compos exclusivement de
composants en fonctionnement, existe entre son point dentre et de sortie. Ce parcours
permettant au systme de raliser sa fonction est appel chemin de succs. Ce cadre de
modlisation permet ainsi de sadapter la structure du systme tudi.
Lintrt de cette reprsentation est double (Mihalache, 2007). Premirement, le
diagramme de fiabilit permet de raliser une analyse qualitative du systme en analysant
les chemins de succs et les scnarios qui entrainent la panne du systme appels des
coupes . Cet outil vise galement mener une analyse quantitative en dfinissant la
fiabilit du systme tudi partir de la fiabilit de ses constituants. Ces calculs sont illustrs
dans la sous-partie suivante pour des systmes structure lmentaire.
2.4.2
Calculs de fiabilit pour des structures lmentaires
Dans les tudes de fiabilit, nous distinguons gnralement deux grands types de structures:
les structures lmentaires et les structures complexes (Pags & Gondran, 1980). Par
dfinition, une structure lmentaire est compose de composants indpendants dont le
fonctionnement peut tre modlis par des liaisons sries, parallles ou une combinaison
des deux. Un systme qui se dcompose uniquement en structures lmentaires est nomm
systme simple ou compliqu suivant le nombre de composants impliqus. Par opposition,
un systme structure complexe considre des dpendances entre les composants et ne se
rsume pas des liaisons sries/parallles.
Par la suite, nous faisons lhypothse que les systmes considrs peuvent tre modliss
par des structures lmentaires et non complexes. Dans cette sous-partie, les calculs de
fiabilit lis ces systmes sont dtaills. Pour exprimer cette fiabilit, nous introduisons les
notations suivantes:
-
: la dure de bon fonctionnement du systme
: la dure de bon fonctionnement du composant
() : la fiabilit du systme linstant
() : la fiabilit du composant linstant
Dfinition 6 Un systme srie est en capacit de remplir sa fonction spcifique uniquement si

lensemble de ses constituants fonctionne.
41
Entre
Sortie
1
Figure 2.11: Diagramme de fiabilit d'un systme srie

La figure 2.11 illustre la logique de fonctionnement de ce systme. On en dduit donc que la
panne dans un systme srie intervient ds lors quun de ses composants ne fonctionne
plus. En supposant que le systme srie est compos de composants, on peut donc crire
que:
= min
(2.29)
=1
La fiabilit du systme est alors:

() = ( > ) = ( min > )
=1
(2.30)
Comme nous avons fait lhypothse que les composants taient indpendants, la fiabilit du
systme ci-dessus devient:
() = ()
(2.31)
=1
Dfinition 7 Un systme parallle est en capacit de remplir sa fonction spcifique si au

moins un de ses constituants fonctionne.
Entre
Sortie
Figure 2.12: Diagramme de fiabilit d'un systme parallle

Autrement dit, le systme est en panne quand tous ses composants sont en panne. Cette
proprit est illustre par la figure 2.12 ci-dessus. Contrairement un systme srie, la
42

dure de bon fonctionnement dun systme parallle est base sur le composant de dure
de vie maximale. On a alors:
= max
(2.32)
=1
En conservant les mmes hypothses, la fiabilit du systme parallle devient:
() = ( > ) = ( max > ) = 1 (1 ())

=1
(2.33)
=1
Cependant, dans de nombreux cas, un systme structure lmentaire est constitu dune
combinaison de systmes srie et parallle. Pour valuer la fiabilit de ces systmes, dits
mixtes, on veillera dcomposer le calcul afin de se ramener aux configurations srie et
parallle connues.
2.5
Conclusion
Dans ce chapitre, les questions lies la modlisation et lvaluation de la fiabilit des

systmes ont t abordes. Lapproche choisie nous impose de prendre en compte la
logique de fonctionnement du systme et dtre capable de modliser la fiabilit de chaque
composant qui le compose. Pour exprimer cette fiabilit, plusieurs types de modles
peuvent tre envisags. Leur objectif commun est de dcrire lvolution du composant dun
tat de marche vers un tat de panne.
Lorsquil est impossible de traduire la complexit du mcanisme de dfaillance par des
modles physiques, la modlisation stochastique est recommande. Cette modlisation
intgre deux grands types de modles: les modles de survie et les modles de dgradation.
Pour les modles de survie, plus simples mettre en uvre, la connaissance ncessaire se
limite une information binaire marche/panne. La modlisation vise ainsi dfinir une loi de
probabilit dcrivant la dure de fonctionnement du composant. Pour les modles de
dgradation, il est ncessaire de pouvoir dfinir des tats dgrads entre ltat initial et la
panne. Cette connaissance supplmentaire permet de pouvoir valuer ltat de sant de
lentit au cours du temps. Ces deux types de modles permettent de caractriser la fiabilit
des composants du systme en sadaptant, pour chacun deux, la connaissance disponible.
En sappuyant sur ces modles, un outil tel que le diagramme de fiabilit peut tre utilis
pour analyser et valuer la fiabilit du systme en intgrant sa structure.
Cette question de la modlisation de la fiabilit du systme correspond la premire tape
en vue de rpondre aux objectifs mentionns dans le chapitre prcdent. Premirement, la
modlisation explicite dans ce chapitre retient le principe dune approche systmique en
43

utilisant la structure du systme pour valuer la fiabilit. Ensuite, par lintermdiaire
notamment des modles de dgradation, elle permet dtablir le lien entre la maintenance
et la surveillance du systme. Cette surveillance prend ici la forme dinformations relatives
aux conditions dutilisation des composants (covariables) mais aussi de mesures de
dtrioration. Lavantage rside dans la capacit faire voluer les caractristiques de
fiabilit des composants et par extension du systme chaque fois quune information de
surveillance est disponible. Ce lien est primordial pour optimiser le processus de dcision
intgrer dans la politique de maintenance dynamique.
Rappelons que notre objectif principal vise dvelopper une approche systmique
impactant conjointement la politique de maintenance et la conception des systmes. En se
basant sur ces premiers dveloppements, la prochaine tape va se concentrer sur la
question de la modlisation de la maintenance et llaboration de la politique. La difficult
qui sen suit est de proposer un modle de maintenance capable de reproduire fidlement
les effets de la maintenance sur ltat du systme. Ce modle est utilis pour valuer aussi
bien la plus-value de la politique de maintenance dveloppe que les diverses propositions
de conception proposes.
44
Chapitre 3 Modlisation de la maintenance
Chapitre 3
Modlisation de la maintenance
Ce chapitre vise faire un tour dhorizon rapide sur llaboration, lvaluation et
loptimisation des politiques de maintenance. Une politique de maintenance a pour objectif
de prvenir, viter ou corriger les dysfonctionnements dun systme. Elle consiste dfinir
un ensemble de rgles permettant de planifier les dates et la nature des actions de
maintenance excuter. Le but tant terme de dterminer une politique de maintenance
capable doptimiser le/les critre/s dfini/s.
Pour rpondre ce genre de problmatique, il est souvent ncessaire de sappuyer sur une
modlisation stochastique de la ralit afin de traduire mathmatiquement la complexit
des problmes abords. Autrement dit, nous avons besoin dutiliser la modlisation pour
valuer les performances et optimiser la maintenance. Nous devons donc construire un
modle capable de rendre compte de lvolution de ltat dun systme soumis une
politique de maintenance spcifique. Un modle de maintenance apparat ainsi comme un
vritable outil daide la dcision utilis pour valuer et comparer les performances des
politiques de maintenance entre elles. Dans cette thse, cet outil est galement utilis pour
valuer les diffrentes conceptions proposes pour un systme donn.
Le chapitre prcdent sest focalis sur la modlisation de la fiabilit dun systme qui est la
premire composante du modle de maintenance. Ce chapitre vise, plus particulirement,
prsenter les notions gnrales lies la maintenance et introduire un tat des lieux des
politiques utilises dans la littrature. Ces diffrents lments prcisent le contexte de nos
travaux, notamment la dfinition et loptimisation du processus de dcision en maintenance.
3.1
Notions gnrales
Dfinition 8 La maintenance est 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. (AFNOR, 2001)
Dans cette dfinition, les termes maintenir et rtablir introduisent les deux grands
aspects de la maintenance. Pour le premier, la notion de prvention est sous-entendue sur
une entit suppose encore en fonctionnement. Pour le second, nous assimilons le verbe
rtablir une notion de correction sur une entit qui nest plus en mesure daccomplir
convenablement sa fonction. En sappuyant sur cette dfinition, cette partie a pour objectif
de prsenter les notions gnrales lies la maintenance. Nous nous focalisons en premier
lieu sur les diffrents types de maintenance et les moyens dactions associs avant de se
concentrer sur lvaluation des performances.
45
3.1.1
Types de maintenance
Pour classifier les diffrents types de maintenance, deux grandes catgories composes
elles-mmes de sous-catgories se distinguent (cf. figure 3.1): la maintenance corrective et
la maintenance prventive (Castanier, 2002) (Rausand & Hyland, 2004).
Maintenance
Corrective
Prventive
Palliative
Curative
Systmatique
Conditionnelle
Prvisionnelle
Suite une
dfaillance
Suite une
dfaillance
En fonction du
temps
En fonction de
ltat
En fonction de
ltat
Dpannage
provisoire
Rparation
dfinitive
Suivant un
chancier
Suivant un seuil de
dcision
Suivant lvolution
des paramtres
Figure 3.1: Les diffrents types de maintenance

Dfinition 9 La maintenance corrective est la maintenance excute aprs dtection dune
panne et destine remettre un bien dans un tat dans lequel il peut accomplir une fonction
requise (AFNOR, 2001).
La maintenance corrective est souvent qualifie de maintenance passive car cest la panne
de lentit qui entraine laction de maintenance. Nous nous retrouvons donc dans une
attitude dfensive face une dfaillance subie. A lintrieur de cette catgorie, nous
distinguons les maintenances palliative et curative. La maintenance palliative qualifie des
oprations de dpannages caractre provisoire permettant une entit daccomplir tout
ou une partie de la fonction requise. A linverse, la maintenance curative qualifie des
rparations permettant lentit de retrouver son tat initial. Dans ce manuscrit, la
maintenance palliative ne sera pas tudie. Nous assimilons la maintenance corrective
uniquement la maintenance curative.
La maintenance corrective est porteuse de sens lorsque la panne de lentit nentraine pas
de consquences conomiques majeures ou quand les contraintes en termes de scurit
sont faibles.
46

Dfinition 10 La maintenance prventive est la maintenance excute des intervalles
prdtermins ou selon des critres prescrits et destine rduire la probabilit de
dfaillance ou la dgradation du fonctionnement dun bien (AFNOR, 2001).
Contrairement la maintenance corrective, elle sinscrit dans une dmarche proactive, en
intervenant sur une entit avant que celle-ci ne soit dfaillante. La maintenance prventive
trouve son intrt:
-
soit pour des raisons de scurit quand les consquences de la panne sont juges
inacceptables,
soit pour des raisons conomiques quand la maintenance prventive est beaucoup
plus rentable que lattente passive de la dfaillance,
soit pour des raisons pratiques qui imposent deffectuer la maintenance des
moments prcis.
La maintenance prventive se divise en trois sous-groupes : maintenance systmatique,

maintenance conditionnelle et maintenance prvisionnelle.
Dfinition 11 La maintenance systmatique est la maintenance prventive excute des
intervalles de temps prtablis ou selon un nombre dfini d'units d'usage mais sans contrle
pralable de l'tat du bien. (AFNOR, 2001).
Avec cette politique de maintenance, les oprations sont effectues sur la base dun
chancier dtermin priori. Les priodes entre deux interventions sont spcifies, soit par
un intervalle de temps, soit par des cycles de fonctionnement. Lobjectif consiste
uniquement dterminer au mieux la priodicit des interventions pour optimiser le/les
critres prtablis. Ce type de maintenance, trs simple mettre en place, trouve son
intrt quand la surveillance de lentit est impossible ou quand celle-ci engendre des cots
suprieurs aux gains esprs.
Dfinition 12 La maintenance conditionnelle correspond la maintenance prventive base
sur une surveillance du fonctionnement du bien et/ou des paramtres significatifs de ce
fonctionnement intgrant les actions qui en dcoulent (AFNOR, 2001).
Cette politique de maintenance est subordonne lapparition de certains paramtres
rvlateurs de la dtrioration ou de la baisse de performance de lentit considre. Les
donnes recueillies ou mesures sont compares un seuil prdtermin, appel galement
seuil de dcision. Le franchissement de ce seuil fonctionne comme une alerte qui dclenche
une intervention de maintenance.
Dfinition 13 La maintenance prvisionnelle est une maintenance conditionnelle excute en
suivant les prvisions extrapoles de l'analyse et de l'valuation de paramtres significatifs
de la dgradation du bien (AFNOR, 2001).
47

Prcisions que cette maintenance prvisionnelle intgre galement les conditions
dutilisations et lenvironnement futurs du systme. Contrairement la maintenance
conditionnelle, elle associe une prvision sur les indicateurs de sant pour la prise de
dcision de maintenance. Pour envisager la mise en place de cette maintenance
prvisionnelle, il est ncessaire de matriser en dtails le comportement de lentit
concerne. Lutilisation de cette connaissance permet danticiper et de prvoir au mieux le
moment o lintervention doit tre excute.
Notons que la maintenance conditionnelle (ou prvisionnelle) ncessite souvent plus
dinvestissements que les autres formes de maintenance. Cette augmentation du cot
sexplique principalement par les technologies de surveillance utilises (capteurs,
instrumentation, logiciels ). Dans ce cadre, lenjeu de la modlisation est de raliser une
analyse cot/bnfice pour valuer si la mise en place de ce type de maintenance est
pertinente pour une entit donne.
Ces dfinitions nous donnent une vision globale des diffrents types de maintenance qui
peuvent sappliquer une entit. Cependant, dans la ralit, on emploie gnralement une
maintenance mixte qui va combiner maintenance prventive et corrective. Lquilibre
optimal entre prventif et correctif est dtermin grce la modlisation de maintenance.
3.1.2
Moyens daction de la maintenance
Prcdemment, nous avons introduit les diffrents types de maintenance pouvant tre
appliqus une entit. Nous allons, maintenant, nous focaliser sur les moyens daction de la
maintenance. Pour ce faire, nous allons distinguer les oprations de maintenance
(maintenance parfaite, imparfaite et minimale) et la surveillance (inspections, contrles, ).
Maintenance parfaite
Nous allons classifier les oprations de maintenance en fonction du niveau de restauration
du systme aprs intervention. Une premire classe dsigne la maintenance dite parfaite.
Elle dfinit un remplacement complet ou une rparation totale de lentit lui permettant de
retrouver un tat aussi bon que neuf ( As Good As New AGAN ). Nous supposons ainsi
que lentit revient son tat initial la suite de chaque intervention. Cette opration de
maintenance peut aussi bien correspondre la maintenance prventive ou corrective. Cette
hypothse a t largement utilise dans la littrature (Huynh, 2011) (Newby & Dagg, 2004).
Elle simplifie considrablement la modlisation de la maintenance et lvaluation des
performances.
Maintenance minimale
Une seconde classe dsigne la maintenance (ou la rparation) dite minimale (Barlow &
Proschan, 1996). Cette forme dopration curative permet de rendre lentit uniquement
une partie de ses performances. Nous considrons ainsi quelle se retrouve dans un tat de
48

fonctionnement similaire avant la panne. Ltat de lentit aprs intervention est suppos
aussi mauvais que vieux ( As Bad As Old ABAO ). Ce type de rparation, associ
gnralement la maintenance corrective, permet lentit de conclure sa mission en
rduisant au maximum le temps dintervention. Une synthse des travaux sur la rparation
minimale est disponible dans (Ouali et al., 2011).
Maintenance imparfaite
Enfin, la maintenance imparfaite reprsente le cas intermdiaire entre la maintenance
parfaite et la maintenance minimale. Cette maintenance vise amliorer ltat de lentit en
rduisant par exemple son niveau de dgradation mais sans la remettre ltat neuf. Ce
type dintervention est adquat, par exemple, pour une entit utilise sur une dure limite.
Dans ce cas, la maintenance imparfaite peut assurer la disponibilit du systme sur la dure
restante moindre cot (Nicolai et al., 2009) (Wang H. , 2002).
Comme nous lavons mentionn dans le chapitre prcdent, seuls les systmes multicomposants constitus de composants lmentaires non rparables sont considrs. Pour
ces systmes, seuls les remplacements sont autoriss. Nous supposons donc que les
oprations de maintenance effectues sur un composant lmentaire lui permettent de
retrouver son tat initial de fonctionnement.
Surveillance
Les oprations de surveillance visent, quant elles, informer sur ltat de sant de lentit
et sur ses conditions dutilisation. Elles sont principalement utilises dans le cadre dune
politique de maintenance prventive conditionnelle ou prvisionnelle. Suivant la qualit de
linformation disponible, ltat de fonctionnement et les conditions dutilisation sont alors
connus parfaitement ou partiellement. Les liens existants entre la maintenance et les
informations de surveillance sont dtaills dans la partie suivante.
3.1.3
Evaluation et optimisation des performances
Pour optimiser la maintenance dune entit donne, il est primordial de pouvoir valuer les
performances des diffrentes politiques qui lui sont appliques. Cette valuation permet de
dfinir la politique optimale en fonction dun critre fix. Notons quune multitude de
critres existe pour comparer les politiques de maintenance entre elles. Dans la littrature,
on distingue gnralement trois critres principaux (Huynh, 2011): le critre conomique, le
critre de disponibilit et le critre de scurit.
Dans les industries risques, comme laronautique ou le nuclaire, un dysfonctionnement
peut avoir des consquences catastrophiques. Les politiques de maintenance que lon
applique sur ces entits, soumises des normes et des rglementations drastiques, visent
avant tout viter que ces dfaillances se produisent. Dans ce cadre, la scurit sera bien
videment le critre retenu.
49

Cependant, hormis ces industries trs spcifiques, loptimisation de la politique de
maintenance sappuie majoritairement sur un critre de cot (Bouvard et al., 2011) (Khoury,
2012). Cette notion de cot est rappele dans lintroduction de la norme AFNOR (AFNOR,
2001) en prcisant que bien maintenir, cest assurer ces oprations au cot optimal . Il
sagit donc de trouver lquilibre entre maintenances prventive et corrective pour
maximiser les effets positifs de la maintenance, tout en minimisant le cot global (cf. figure
3.2). Celui-ci inclut les cots directs inhrents aux activits de maintenance (inspections,
remplacements, logistique, etc.) et les cots indirects entrains par leurs consquences
(surmaintenance, indisponibilit, remorquage, perte de cargaison, etc.). Cette dfinition du
cot global de maintenance permet dintgrer les problmatiques de disponibilit dans la
prise de dcision. Dans la ralit, il est parfois difficile de quantifier les cots lis la
disponibilit de lentit. Dans ce cas, un critre bas uniquement sur la disponibilit peut
tre considr dans certains travaux (Liao et al., 2006).
Figure 3.2: Equilibre entre maintenance prventive et maintenance corrective

Dune manire gnrale, lvaluation du critre de cot sera fortement lie lhorizon de
temps considr qui pourra tre fini ou infini. Si lhorizon doptimisation est suppos infini,
le cot moyen asymptotique est le plus souvent utilis pour valuer les performances des
politiques de maintenance. Ce critre, assez simple calculer, est dfini comme tant
lesprance du cot de maintenance par unit de temps. Soit () le cot global de la
maintenance sur une dure , le cot moyen asymptotique est donn par:
()

= lim
(3.1)
Dans le cas o les remplacements permettent lentit de retrouver son tat initial, un
processus de renouvellement peut tre considr (Tijms, 1986). Ltude du cot moyen de
maintenance par unit de temps sur un horizon infini peut alors se rduire sur un cycle de
renouvellement. Dans ce cas, le cot moyen asymptotique sexprime de la faon suivante:
50

() [( )]
=

[ ]
= lim
(3.2)
Avec [( )] qui reprsente le cot moyen sur un cycle et [ ] qui dsigne la

longueur moyenne de ce cycle. Dans certains cas, lhorizon fini, plus proche de la ralit
industrielle peut galement tre utilis. La modlisation mathmatique est en gnral plus
complexe mettre en uvre dans le cas dun horizon fini. La difficult rside avant tout
dans la longueur de lintervalle de temps considr qui influe fortement sur la pertinence et
la robustesse des rsultats (Puterman, 1994).
En pratique, pour des politiques de maintenance assez simples, un calcul analytique peut
tre utilis afin dvaluer le cot global de maintenance. Lorsque les politiques se
complexifient, des mthodes numriques par simulation stochastique et notamment la
mthode de Monte Carlo sont privilgies.
Dans le cadre de nos travaux, un critre conomique intgrant les cots de maintenance
directs et indirects est considr sur un horizon fini. Lhorizon, fix 5 ans, correspond la
dure dun contrat de maintenance dans le secteur des vhicules industriels. Notons que la
problmatique de disponibilit, trs importante dans ce secteur, est intgre dans le critre
conomique. Des modles de cot sont intgrs dans le modle de maintenance afin de
pouvoir comparer les politiques entre elles.
3.2
Maintenance et surveillance
Aprs avoir rappel les notions gnrales lies aux activits de maintenance, nous nous
focalisons, dans cette partie, sur la surveillance. Nous allons, dans un premier temps,
dtailler les diffrents types dinformations de surveillance ainsi que les problmes de
qualit et de planifications des inspections. Nous voquons ensuite lutilisation de ces
informations pour la prise de dcision en maintenance.
3.2.1
Informations de surveillance
Actuellement, le domaine de la surveillance occupe une place centrale pour laborer et

optimiser la structure de dcision dune politique de maintenance. Il est raisonnable de
penser quune dcision de maintenance est dautant plus pertinente quelle intgre un
ensemble riche dinformations sur le systme maintenir et son environnement. Ces
informations peuvent concerner ltat courant de lentit surveille mais galement la
connaissance de lenvironnement dans lequel celle-ci volue. Cet essor de la surveillance en
maintenance sappuie principalement sur les nombreux dveloppements technologiques
apparus ces dernires annes. Ils permettent notamment davoir accs des informations
de plus en plus prcises sur un certain nombre de systmes. Nanmoins, lenjeu nest pas
uniquement davoir accs cette information de surveillance, encore faut-il savoir comment
lutiliser dans le processus de dcision de maintenance.
51

La surveillance dune entit est fonction de sa complexit, de son accessibilit, de son
environnement et des outils de mesures disponibles. Comme nous lavons mentionn
brivement dans la partie prcdente, on distingue gnralement deux types de
surveillance: la surveillance parfaite et la surveillance imparfaite (Huynh, 2011). Cette
classification se base sur la qualit de linformation de surveillance disponible.
Surveillance parfaite
La surveillance parfaite permet davoir accs une information exacte de lentit surveille.
Nous supposons alors que les mesures ou les donnes reues fournissent une information
prcise et fiable sur ltat courant de lentit. En pratique, la surveillance parfaite ne
correspond pas une surveillance idalise, sans erreur, mais plutt des situations o les
erreurs sont juges ngligeables. Dans la littrature, cette hypothse est retenue dans un
trs grand nombre de travaux (Barata et al., 2002) (Dieulle et al., 2003).
Surveillance imparfaite
Cependant, dans certaines conditions, cette hypothse de surveillance parfaite ne
correspond pas la ralit du terrain. Dans ce contexte, les problmatiques lies la
surveillance imparfaite doivent tre considres (Barros, 2006). Parfois, la complexit de
lentit, limprcision des mesures de surveillance ou lenvironnement dans lequel elle
volue peuvent conduire une information entache derreurs sur son tat courant. En
gnral, nous sommes confront des erreurs de diagnostics classiques de type fausse
alarme, retard la dtection, non-dtection ou encore des erreurs de mesure. La politique
de maintenance dveloppe devra alors tenir compte de ces erreurs dans le processus de
dcision de maintenance. Typiquement, si un test indique que lentit a atteint un seuil fix,
il est possible que ce soit vrai, mais la structure de dcision doit considrer une certaine
probabilit que ce soit une fausse alarme. Tout le problme est alors de savoir comment
utiliser cette information imparfaite de faon prendre une dcision qui soit meilleure
quune dcision prise sans information.
Surveillance continue
Au-del de laspect qualitatif des informations de surveillance, les problmatiques
inhrentes la disponibilit de linformation doivent galement tre considres. Nous
distinguons ici le cas o linformation de surveillance est disponible de manire continue ou
de manire discrte (Goffaux et al., 2009). Pour la surveillance continue, nous supposons
que ltat courant de lentit est disponible tout instant. Cette surveillance est
gnralement mise en place pour des entits critiques ou lorsque les cots de surveillance
sont relativement faibles. Pour ces entits soumises une surveillance continue, les
problmatiques de maintenance portent gnralement sur des contraintes lies aux
interventions. Nous pouvons, par exemple, nous intresser aux dlais entre lapparition
dune alarme et une intervention ou plus simplement des contraintes sur les instants
possibles dintervention.
52

Surveillance discrte
A linverse, si linformation de surveillance est uniquement disponible certains instants, au
travers dinspections, les problmatiques de maintenance sont toutes autres. A chaque
inspection, qui peut aller de la visite lmentaire une opration de contrle beaucoup plus
sophistique, deux dcisions doivent tre prises:
-
1/ dterminer si une opration de maintenance est ncessaire au vu de ltat actuel

de lentit,
2/ dterminer quand doit avoir lieu la prochaine inspection.
Il est donc primordial de planifier au mieux ces inspections pour optimiser la politique de
maintenance mise en place. De nombreux schmas dinspections considrent une
planification priodique, indpendante de lvolution de lentit surveille (Christer & Wang,
1992). Lobjectif est donc de dterminer la priode optimale dinspection en fonction de la
politique de maintenance applique ou linverse de dfinir la politique optimale tant
donnes les priodes dinspections (Park, 1988) (Zuckerman, 1989). On trouve galement
dans la littrature des schmas plus complexes dans lesquels les dates dinspections sont
planifies de faon dynamique partir de lvolution du systme (Castanier et al., 2005)
(Grall et al., 2002). Ces schmas conviennent particulirement pour une entit qui se
dgrade. Notons quune inspection est qualifie de conservatrice si ltat de lentit aprs
inspection reste inchang et de destructrice si son tat est altr.
Surveillance de lenvironnement
Les diffrentes classifications prsentes dans cette sous-partie font rfrences des
informations de surveillance relatives ltat courant de lentit surveille (marche, panne,
niveau de dgradation). Cependant, la surveillance permet galement dobtenir des
informations sur lenvironnement oprationnel dans lequel lentit volue. Pour des
systmes qui voluent dans un environnement dynamique, comme les vhicules industriels,
cette information est primordiale. En effet, ltat courant de lentit na pas la mme
signification dans un environnement stress ou non. Dans ce cadre, il va sagir de surveiller
un ensemble de paramtres qui influence lvolution de la dtrioration de lentit.
Typiquement, pour un vhicule industriel, nous retrouvons la topographie, ltat et le
revtement de la route, la temprature, la charge transporte, etc
Cot de la surveillance
Prcisons enfin, que laccs linformation de surveillance a un cot quil convient de
prendre en compte dans lvaluation et loptimisation de la politique de maintenance. Toute
la question est de savoir si les investissements consentis dans larchitecture de surveillance
sont compenss par les bnfices obtenus au niveau de la maintenance. Cette question
justifie encore une fois le besoin de modlisation.
53

Dans cette thse, nous supposons que le niveau dinformation disponible pour les diffrents
composants du systme peut ne pas tre homogne. Pour certains composants, nous faisons
lhypothse quaucune information de surveillance nest disponible. Pour dautres, nous
avons accs uniquement une information binaire marche/panne ou dans le meilleur des
cas une information de dgradation. De la mme faon, nous supposons que la
connaissance des covariables qui vont influencer la dgradation nest pas connue de
manire homogne pour tous les composants. Nous considrons nanmoins, que les
informations de surveillance disponibles sont parfaites.
3.2.2
Surveillance et processus de dcision
Pour mettre en place et optimiser une politique de maintenance conditionnelle ou

prvisionnelle sur une entit spcifique, la surveillance occupe une place primordiale. Elle
permet de mettre disposition des dcideurs un ensemble dinformations leurs permettant
de prendre une dcision. Dans cette sous-partie, nous allons nous intresser la faon dont
ces informations de surveillance peuvent tre utilises pour construire un outil daide la
dcision efficace.
Pour la maintenance conditionnelle, les oprations de maintenance sont dclenches par
lapparition de paramtres rvlateurs de la dgradation de lentit. Pour prendre la
dcision de maintenance, le maintenancier sappuie gnralement sur le niveau de
dgradation du systme. Cet indicateur, largement employ dans la littrature (Castanier et
al., 2005) (Fouladirad & Grall, 2011), a pour avantage dtre utilisable directement sans
aucune autre transformation. Cependant, il omet totalement le contexte, cest--dire
lenvironnement dans lequel lentit volue. Pour une entit voluant dans un
environnement dynamique trs changeant, cette information peut avoir un impact trs
important sur linterprtation de la mesure de dgradation. Pour un niveau de dgradation
donn, celui-ci pourra tre catgoris comme faible dans un environnement o la
dtrioration volue lentement et fort dans le cas contraire.
En rsum, le niveau de dgradation aide comprendre le pass et le prsent de lentit
considre pour btir une dcision de maintenance. Cependant, dans labsolu, le
maintenancier a besoin de planifier, de prvoir les interventions venir. Il est donc
prfrable de complter ces informations sur le pass et le prsent de lentit par une
caractrisation de son volution future. Ce constat est la base de la maintenance
prvisionnelle qui intgre une part de gestion dactifs.
Cette approche prvisionnelle intgre surtout des hypothses sur le futur de lutilisation du
systme. Ce type de maintenance prventive est un domaine dintrt assez rcent en
maintenance. Au niveau des rsultats, de nombreux travaux montrent la plus-value dutiliser
ce type de maintenance pour optimiser le processus de dcision (Khoury, 2012) (Bouvard,
2010) (Carr & Wang, 2011) (Si et al., 2011). Il apparat donc intressant et ncessaire de
54

dvelopper des politiques de maintenance capables de prendre en compte cet aspect
prvisionnel.
Aprs cette distinction entre maintenance conditionnelle et prvisionnelle, intressons-nous
maintenant illustrer limpact de linformation de surveillance sur le processus de dcision
de maintenance. Pour ce faire, nous allons valuer la dure de vie rsiduelle dune entit
suivant les informations de surveillance disponibles. Il sagit ici de montrer comment les
donnes de surveillance vont permettre dinfluencer la dcision de maintenance.
Supposons que la dgradation dun composant suive un processus Gamma de paramtres
= 1 et = 1 avec une limite de dfaillance fixe = 100. Evaluer la dure de vie
rsiduelle dune entit revient valuer sa fiabilit conditionnellement son niveau de
dgradation observ. Sachant qu linstant 1 , le niveau de dgradation de lentit
vaut (1 ), la fiabilit conditionnelle est donne par:
(|(1 )) = 1
(( 1 ), ( (1 )))
(( 1 ))
1
Cas 1
Cas 2
Seuil limite d'usure
Z(t)
100
50
45.58
34.15
0
0
10
20
t
30
Fiabilit conditionnelle
150
(3.3)
0.8
0.6
0.4
0.2
0
40
Cas 1
Cas 2
50
100
t
150
Figure 3.3: Illustration de la mise jour de la fiabilit conditionnelle base sur les
informations de surveillance
Dans la figure 3.3, nous prsentons lvaluation de cette fiabilit conditionnelle pour deux
cas de dgradation distincts. La connaissance du niveau de dgradation, dans les deux cas
spcifis, va permettre dinfluencer lvaluation de la dure de vie rsiduelle. Celle-ci tant,
en effet, mise jour en fonction de ltat rel de lentit. En consquence, la dcision de
maintenance peut possiblement tre modifie.
55
3.3
Politiques de maintenance appliques un

composant lmentaire
Les deux parties prcdentes ont permis de fixer le cadre gnral dans lequel sinscrivent
llaboration et loptimisation dune politique de maintenance. Dans cette partie, nous allons
dtailler les politiques prventives les plus couramment utilises pour maintenir un
composant lmentaire. Dans la littrature, ces politiques se dcoupent en deux catgories
principales en fonction du type dinformation utilise pour prendre la dcision de
maintenance (Gertsbakh, 1977) (Gertsbakh, 2000).
Dans une premire classe, nous regroupons les politiques de maintenance bases
exclusivement sur le comportement a priori du composant. Nous utilisons ainsi les modles
de dure de vie ou de dgradation disponibles afin de raisonner en termes de probabilit
doccurrence (probabilit de tomber en panne chaque instant ou dtre dans un tat de
dgradation donn en fonction du temps). La seconde classe concerne les politiques bases
sur le suivi du niveau de dgradation du composant. Dans ce cas, la dcision de maintenance
sappuie toujours sur les modles de dfaillance mais elle est complte par des
informations de surveillance permettant daccder ltat rel (courant) du composant.
Nous opposons ainsi laspect statique de la premire classe laspect dynamique de la
seconde. Prcisons enfin que cet tat de lart repose sur de nombreux travaux tels que
(Wang H. , 2002) (Valdez-Flores & Feldman., 1989) (Sheriff & Smith, 1981).
3.3.1
Politiques bases sur la loi de dure de vie du

composant
Dans cette sous-partie, nous nous focalisons sur les politiques de maintenance bases
uniquement sur les proprits a priori du composant sans tenir compte des informations de
surveillance. Pour ces politiques, la planification des instants de remplacements repose sur
un modle de dfaillance suppos connu. Les actions de maintenance sont alors prvues sur
le composant des chances fixes sans tenir compte de son tat dusure. Elles sont alors
qualifies de systmatiques et de statiques. Loptimisation de ces politiques vise
dterminer la date de remplacement optimale pour minimiser un critre de cot donn.
Nous distinguons ici les politiques de remplacement bases sur lge et les politiques de
remplacement par bloc.
Politique de remplacement base sur lge
Pour la politique de remplacement base sur lge, lide directrice est dviter au maximum
les dfaillances du composant en proposant de le remplacer quand son ge atteint les 0
units de temps (Rausand & Hyland, 2004). Notons ici que la notion dge reprsente le
temps coul depuis le dernier remplacement. Loptimisation de cette politique vise
56

dterminer lintervalle de temps 0 qui offre le meilleur compromis afin de minimiser le cot
de maintenance par unit de temps sur un horizon infini. Il sagit de dfinir un intervalle de
temps ni trop faible pour ne pas entrainer une augmentation significative de la maintenance
prventive, ni trop lev pour viter laugmentation du nombre de pannes.
Maintenance
prventive
Cot =
Maintenance
corrective
Cot =
Maintenance
prventive
Cot =
Temps
Panne
Figure 3.4 : Schma d'une politique de maintenance base sur l'ge

Pour dfinir plus prcisment le calcul de cet intervalle de temps optimal 0 , on considre
que le remplacement prventif dun composant lge 0 entraine un cot unitaire de
remplacement et la dfaillance dun composant avant 0 entraine un cot additionnel
(cf. figure 3.4). En sappuyant sur ces informations, le cot moyen long terme par unit de
temps est donn par:
( + )[ ()] + [ ()]
()
= lim

= lim
(3.4)
avec () le nombre de remplacements correctifs sur lintervalle [0, ] et () le

nombre de remplacements prventifs sur [0, ]. Si on considre que les remplacements
effectus permettent au composant de retrouver son tat initial de fonctionnement, il est
alors possible dutiliser le thorme de renouvellement. Dans ce cas, le cot moyen de
maintenance par unit de temps sur un horizon infini sexprime par:
(0 ) =
[( )]
[ ]
+ . (0 )
0
0 ()
(3.5)
La priode de remplacement optimale 0 est dtermine en minimisant le cot (0 ) dans

lquation 3.5. Une illustration du cot moyen asymptotique est prsente dans la figure 3.5
pour un composant dont la dure de vie est modlise par une loi de Weibull de paramtres
= 5 et = 300000. Nous supposons galement un cot unitaire de remplacement
= 500 et un cot additionnel {1000, 4000, 7000}. Cette figure permet de
montrer que plus le cot additionnel est lev plus la valeur de la priode optimale sera
dcale vers la gauche.
57
Cot moyen asymptotique
0.03
k=1000
k=4000
k=7000
0.025
0.02
0.015
0.01
0.005
0
0
4
6
Distance [km]
10
5
x 10
Figure 3.5: Cots moyens asymptotiques de maintenance pour une politique de

maintenance base sur l'ge
Pour implmenter cette politique de remplacement, il est ncessaire de surveiller lge du
composant. Cette proprit peut savrer problmatique car il est parfois difficile, en
pratique, de recueillir, de traiter ou de stocker cette information. De plus, cette politique ne
permet pas dtablir un calendrier des interventions long terme. En effet, une dfaillance
sur le composant conduit dcaler toutes les oprations suivantes. Cependant, il a t
dmontr que pour un horizon dtudes infini, cette politique est la meilleure de la classe
des politiques priodiques alatoires (Barlow & Proschan, 1996).
Politique de remplacement par bloc
Maintenance
prventive
Cot =
Maintenance
corrective
Cot =
Maintenance
prventive
Cot =
Temps
Panne
Figure 3.6: Schma d'une politique de remplacement par bloc

Intressons-nous maintenant la politique de remplacement par bloc. Cette politique
consiste remplacer le composant intervalle rgulier de priode 0 sans tenir compte de
lhistorique des pannes (Barlow & Unter, 1960). Elle soppose la maintenance base sur
lge dans le sens o la rgle de dcision nest pas rinitialise aprs une dfaillance. En
dautres termes, le programme de remplacement prventif 0 , 20 , 30 reste inchang
malgr lapparition dune panne (cf. figure 3.6).
58

Comme prcdemment, nous nous intressons au cot moyen de maintenance par unit de
temps sur un horizon fini. Le paramtre optimiser est la priode de remplacement 0 . En
utilisant le thorme de renouvellement et la supposition quun composant ne peut tomber
en panne quune seule fois sur un intervalle de temps 0 , nous obtenons:
(0 ) =
[( )]
[ ]
+ ( + ). (0 )
0
(3.6)
La priode de remplacement optimale 0 pour cette politique est dtermine en minimisant

le cot (0 ) dans lquation 3.6. La politique de remplacement par bloc est plus simple
grer quune politique de remplacement base sur lge. Elle offre galement la possibilit
de dterminer un calendrier dintervention long terme, stable au cours du temps.
Nanmoins, cette politique nest souvent pas la meilleure en termes de cot. En effet, nous
pouvons tre amens remplacer des composants presque neufs. Pour rduire les
consquences de ce risque, des travaux proposent dintroduire des rparations minimales
lors dune dfaillance ou de considrer un ge minimal, pour le composant, en dessous
duquel il ne peut tre remplac (Berg & Epstein, 1976) (Tango, 1978).
3.3.2
Politiques bases sur ltat courant du composant
Nous allons maintenant nous intresser aux politiques de maintenance bases sur ltat
courant du composant. Pour le composant dont la dfaillance fait suite une dgradation
graduelle, celui-ci volue dun tat neuf en passant par diffrents tats intermdiaires avant
de tomber en panne. Dans cette sous-partie, nous supposons que le modle dcrivant sa
dgradation est connu. Nous faisons galement lhypothse que des informations de
surveillances corrles la dgradation du composant sont disponibles.
Il est alors intressant dutiliser ces informations pour adapter les dcisions de maintenance.
Cela permet de faire voluer la maintenance systmatique, prsente dans la sous-partie
prcdente, vers des politiques plus dynamiques. Dans ce cadre, nous prsentons une
politique de maintenance conditionnelle et une politique de maintenance prvisionnelle.
Politique de maintenance conditionnelle la dtrioration
Cette politique vise mieux contrler le composant en surveillant sa dgradation. Par
consquent, lobjectif est de pouvoir augmenter sa dure dutilisation, de rduire son cot
de maintenance et damliorer sa scurit (Boulenger, 1988). Ce type de maintenance est
utilis de manire prfrentielle sur des composants critiques en termes de cot ou de
scurit.
59
Inspections
Remplacement prventif
Remplacement correctif
Figure 3.7: Schma d'une politique de maintenance conditionnelle

Le schma classique de cette politique est prsent dans la figure 3.7. Comme nous lavons
explicit prcdemment, le maintenancier prend sa dcision en fonction de la dgradation
observe (Christer & Wang, 1992). Il est donc ncessaire de vrifier, laide dinspections
rgulires (ou plutt bien choisies), ltat courant du composant, not . Dans la figure 3.7,
le parti pris est de considrer que les inspections (1 , 2 , 3 , etc.) sont ralises des
intervalles rguliers nots . Dans une politique de maintenance conditionnelle, une
inspection est perue comme une opportunit de maintenance. En effet, chaque
inspection, une action de maintenance est effectue si le niveau de dgradation dpasse
un seuil prventif fix, not . Le cot li ce remplacement prventif vaut auquel on
ajoute le cot pour linspection. A linverse, si < , le composant fonctionne
normalement et nous ajoutons uniquement le cot . Enfin nous considrons que le
composant est en panne ds lors que dpasse la limite , dtermine initialement. Dans ce
cas, un cot correctif + est imput.
En sappuyant sur ces diverses informations, le cot de maintenance un instant , est
donn par:
() = (). + (). ( + ) + ().
(3.7)
avec (), (), () respectivement le nombre dinspections, de remplacement

correctifs et de remplacement prventifs linstant . De faon similaire aux politiques
mentionnes prcdemment, le cot moyen de maintenance par unit de temps sur un
horizon infini peut tre calcul laide de la thorie du renouvellement. Lutilisation dun
modle de maintenance permettra dans ce cas doptimiser le rglage des variables de
dcisions savoir et .
60

Politique de maintenance prvisionnelle base sur la dure de vie rsiduelle
Comme nous avons pu le voir prcdemment, lapproche de la maintenance prvisionnelle
permet de prendre en compte une prdiction sur les indicateurs de sant ou une
caractristique du systme dans la prise de dcision.
La dure de vie rsiduelle peut intgrer diffrentes informations telles que le niveau de
dgradation ou ltat futur de lenvironnement sil est connu. Dans ce qui suit, nous allons
dtailler une politique de maintenance prvisionnelle qui consiste prendre en compte la
dure de vie rsiduelle du composant dans le processus de dcision. Cette politique, base
sur le risque (Khoury, 2012), vise utiliser le pronostic dune manire directe pour la prise de
dcision de maintenance.
Le fonctionnement gnral de cette politique vise assurer que le risque de dfaillance du
composant ne soit jamais suprieur un seuil fix (risque) . Cela signifie que la fiabilit
conditionnelle du composant doit, chaque instant, dpasser la valeur 1 . Cette valeur
de risque doit tre optimise laide du modle de maintenance utilis ou donne par les
contraintes de lapplication.
Cas 2
Cas 1
Figure 3.8: Schma d'une politique de maintenance prvisionnelle base sur le risque
Considrons maintenant que lon connaisse pour un composant donn, ses deux prochaines
opportunits de maintenance 1 et 2 . Si lvaluation de la dure de vie rsiduelle 1
indique que la contrainte de risque nest pas respecte pour la seconde opportunit, nous
optons alors pour un remplacement prventif. Sinon, le remplacement prventif nest pas
planifi. En pratique, il sagit dajouter la dure de vie rsiduelle du composant pour un
risque donn avec 1 et de comparer la date obtenue avec 2 (cf. figure 3.8).
Si 1 + < 2 , la dure de vie rsiduelle du composant est insuffisante pour
61

atteindre 2 (Cas 2). Un remplacement prventif est donc planifi en 1 . Dans le cas
contraire, le risque de dfaillance du composant est infrieur jusqu la prochaine
opportunit (Cas 1). Notons quune politique de maintenance prdictive non plus base sur
le risque mais sur les cots peut galement tre envisage. Dans ce cas, le choix de
lopportunit de maintenance se porte sur celle qui engendre un cot moindre.
A priori, les politiques de maintenance dynamiques prsentes dans cette sous-partie sont
plus efficaces que la politique base sur lge ou de remplacement par bloc car elles
dcident des actions de maintenance mener en fonction de la dgradation relle du
composant. Cependant, la maintenance conditionnelle et la maintenance prvisionnelle
supposent un cot supplmentaire pour accder linformation de surveillance. La
rentabilit de ces politiques doit donc tre value en utilisant un modle de maintenance.
3.4
Maintenance des systmes multi-composant
Rappelons que cette thse a vocation tudier des systmes multi-composants constitus
de composants lmentaires non rparables. Selon le niveau dinformation disponible, la
partie prcdente voque les politiques de maintenance applicables sur ces composants. En
ce qui concerne le processus de dcision de maintenance au niveau des systmes multicomposant, la problmatique est tout autre. Ce constat sappuie sur la remarque suivante:
les dcisions de maintenance optimales pour les composants pris sparment ne le sont pas
forcment quand on les assemble afin de remplir une fonction commune (Barros, 2006).
Cela implique que les dcisions de maintenance optimales pour un systme multicomposant ne peuvent se rsumer la simple juxtaposition des dcisions prises pour chaque
composant. Dans un systme multi-composant, la dcision de maintenance sappuie sur le
fonctionnement propre de chaque composant (modle de dure de vie, de dgradation,
etc.) mais galement sur la structure du systme (srie, parallle, etc.) et sur les
dpendances qui peuvent exister entre ses composants. Ces dpendances peuvent tre
conomiques, stochastiques ou structurelles (Thomas, 1986).
Les dpendances conomiques apparaissent quand il devient plus avantageux en terme de
cot dintervenir de faon groupe sur plusieurs composants plutt que de les remplacer
individuellement (Dekker et al., 1997). Le regroupement doprations vise ainsi conomiser
des cots logistiques lis lentre en maintenance du systme. Lorsquil est impossible de
maintenir un composant donn sans entrainer des consquences sur dautres composants
du systme, on parle de dpendances structurelles. Elles sillustrent notamment quand
lintervention de maintenance sur un composant ncessite den dmonter plusieurs autres. Il
peut alors tre intressant de profiter de lopration de maintenance en cours pour
remplacer dautres composants dj dmonts (Cho & Parlar, 1991). Enfin, pour des
situations o la dfaillance dun composant influence la loi de dure de vie ou la
dtrioration des autres composants, on parle de dpendances stochastiques (Ross, 1984).
Notons, toutefois, que dans la suite de ce manuscrit, les dpendances stochastiques ne sont
62

pas prises en compte. Nous considrons ainsi que les dures de vie ou les niveaux de
dgradation des diffrents composants lmentaires ne sont pas corrls.
Dans cette partie, lobjectif principal est de prsenter les politiques de maintenance les plus
utilises dans la littrature pour des systmes multi-composants (Andrasson, 2004) (Cho &
Parlar, 1991) (Dekker & Scarf, 1998) (Wang, 2002) (Wildeman, 1996) (Nicolai & Dekker,
2008) (Bouvard, 2010). Ces politiques bases principalement sur le regroupement des
interventions visent rduire le cot de maintenance global du systme. Elles se distinguent
principalement, comme pour la partie prcdente, par laspect statique ou dynamique de
leur processus de dcision.
3.4.1
Politiques de regroupement stationnaires
Les politiques de regroupement stationnaires planifient les oprations de maintenance sur

un horizon long terme en minimisant un critre donn, gnralement un critre de cot. Ces
politiques, qualifies de statiques ou stationnaires, nutilisent pas dinformations sur ltat
courant du systme pour mettre jour le planning dfini initialement. En consquence, les
rgles de maintenance restent stables pendant la dure de vie du systme. Dans cette souspartie, nous allons distinguer les politiques de regroupement stationnaires pour des
maintenances correctives et pour des maintenances prventives systmatiques.
Regroupement de maintenances correctives
Pour des systmes multi-composant spcifiques, comprenant un grand nombre de
redondances, certains travaux proposent de mettre en place une maintenance corrective
groupe. Avec cette politique de maintenance, les composants dfaillants attendent la date
de maintenance planifie initialement pour tre remplacs. Le regroupement doprations
de maintenance va permettre dconomiser des cots logistiques lis lentre du systme
en maintenance. Ce cot, indpendant du nombre de composants maintenus, est
uniquement li lintervention de maintenance. Rduire le nombre dinterventions en
regroupant les oprations permet donc de rduire ces cots. Cependant, mme si cette
politique entraine une rduction des cots logistiques, les cots lis lindisponibilit des
composants dfaillants doivent tre contrebalancs. Ce type de maintenance est souvent
propos pour une usine de production avec machines en parallle. Lobjectif est alors de
trouver un compromis entre le gain au niveau des cots logistiques et la perte de production
lie aux machines dfaillantes (Assaf & Shanthikumar, 1987) (Okumoto & Elsayed, 1983).
Regroupement de maintenances prventives systmatiques
Les politiques permettant de regrouper les maintenances prventives sappuient
gnralement sur les schmas dvelopps pour les composants lmentaires. On retrouve
ainsi les politiques bases sur lge et les politiques de remplacement par bloc.
63

Pour un systme multi-composant, le remplacement par bloc vise remplacer non plus un
composant mais un groupe de composants intervalles de temps rguliers 0 , 20 , 30 , etc.
De la mme manire que pour un composant lmentaire, les remplacements sont
indpendants de lhistorique des pannes constates. Le groupe de composants spcifi est
donc remplac priodiquement et lorsquun composant du groupe est dfaillant. Pour
optimiser cette politique, il va sagir de dterminer les groupes de composants afin de
minimiser le cot moyen de maintenance par unit de temps sur un horizon infini. De la
mme manire que pour les composants lmentaires, des travaux proposent dadapter
cette politique. Les solutions visent notamment introduire des rparations minimales mais
aussi une contrainte dge pour grer le remplacement des composants dfaillants
(Archibald & Dekker, 1996) (Ait Kadi & Clroux, 1991) .
Enfin, la politique de regroupement base sur lge a pour objectif de remplacer des groupes
de composants des intervalles dfinis. Contrairement la politique de remplacements par
bloc, on nimpose pas que les intervalles dfinis soient de la forme 0 , 20 , 30 . Chaque
composant peut donc avoir une frquence de remplacement quelconque dtermine en
fonction de la politique de maintenance base sur lge. Dans ce cas, la frquence des
remplacements calendaires est dabord optimise au niveau de chaque composant. Puis,
lobjectif est de la modifier pour grouper plusieurs oprations de maintenance en mme
temps. Cette planification vise optimiser le cot moyen par unit de temps sur un horizon
infini en profitant des dpendances conomiques pour conomiser des cots logistiques.
3.4.2
Politiques de regroupement dynamiques
Les politiques de regroupement dynamiques utilisent galement des rgles de maintenance

stationnaires mais celles-ci sont compltes par des informations court terme obtenues en
ligne. Dans ce contexte, lobjectif est dtre en mesure dadapter le planning de maintenance
en sappuyant sur ces informations dynamiques, issues de la surveillance.
Pour rpondre ces problmatiques, une politique de maintenance conditionnelle a t
propose pour un systme compos de deux composants lmentaires (Castanier et al.,
2005). A chaque inspection, suppose non priodique, la dgradation de chaque composant
est compare un seuil prventif. Si un composant dpasse ce seuil, celui-ci est maintenu
prventivement. Pour profiter de cette opportunit et ainsi rduire les cots logistiques,
cette politique propose deffectuer un remplacement sur lautre composant si sa
dgradation dpasse la limite dopportunit fixe. En intgrant les maintenances effectues,
la prochaine inspection est value partir du cot moyen par unit de temps sur un
horizon infini.
Toujours dans le cadre de cette problmatique, Wildeman et al. (1997) ont propos un
regroupement dynamique des oprations de maintenance sur un horizon roulant. Pour
mettre en place la politique de regroupement, il sagit dans un premier temps de dfinir la
date de maintenance optimale de chaque composant pris individuellement. Une fonction de
64

pnalit devra ensuite tre construite, par composant, afin dvaluer les cots additionnels
lis au dplacement dune opration de maintenance de sa date optimale. En sappuyant sur
ces informations initiales, un algorithme de planification dynamique est introduit afin de
trouver le planning de maintenance optimal. A partir des oprations prvues sur lhorizon
considr, lobjectif est de crer des regroupements afin de minimiser le cot total de
maintenance sur cet horizon. Ces diffrentes tapes sont ensuite rptes chaque fois
quune information court-terme est disponible. Les dates de maintenance sont donc
adaptes aux contraintes structurelles et aux taux dutilisation rels des composants.
Dans la littrature, de nombreux travaux ont cherch dvelopper cette politique de
maintenance. En sappuyant sur la programmation dynamique et sur lhorizon roulant
dfinis prcdemment, Bouvard et al. (2011) proposent dutiliser cette mthodologie pour
des systmes multi-composants dgradation graduelle. Lide est dutiliser les informations
lies ltat courant des composants pour mettre jour la planification de la maintenance.
Dans dautres travaux, lapproche base sur lhorizon roulant a t complte afin de
prendre en compte des contraintes temporelles sur les opportunits (Do Van et al., 2013)
mais galement des contraintes lies au nombre de rparateurs disponibles (Do Van et al.,
2012). Cependant, ces contributions traitent uniquement de systmes multi-composants
structure srie. Trs rcemment, des travaux ont permis dadapter cette politique de
regroupement dynamique dans le but de prendre en compte des systmes structure plus
labores pouvant mlanger des connections srie/parallle (Vu et al., 2014) (Vu et al.,
2012). En consquence, la programmation dynamique utilise dans les travaux prcdents a
t abandonne. En effet, la dtermination du planning de maintenance optimal devient un
problme NP-difficile si limpact de la structure est pris en compte. Dans ce cadre, un
algorithme gntique a t dvelopp pour planifier les oprations de maintenance
raliser sur lhorizon.
Les politiques de regroupement dynamiques prsentes dans cette partie reposent sur le
principe de la maintenance opportuniste (Cho & Parlar, 1991). Les politiques de
maintenance opportunistes ont pour objectif de prendre en compte des interactions entre
les composants dun mme systme. Ainsi une intervention sur une partie du systme cre
une opportunit de maintenance sur les autres parties du systme. Ces politiques visent
ainsi diminuer les interventions sur le systme et rduire les cots fixes. Cependant, par
dfinition, une opportunit est difficilement prvisible et elle ne permet pas de garantir
lutilisateur lautonomie de son systme sur une priode donne.
3.5
Conclusion
Aprs avoir dfini les concepts gnraux lis aux activits de maintenance, ce chapitre a
prsent un tat des lieux des politiques existantes. Quelles soient appliques un
composant lmentaire ou un systme multi-composant, lobjectif reste identique:
65

programmer les oprations de maintenance aux meilleurs moments pour minimiser un
critre spcifi.
Le niveau dinformation disponible sur le(s) composant(s) joue un rle majeur dans la
dfinition de la stratgie adopter. Si aucune information de surveillance nest disponible,
les politiques de maintenance sont construites en fonction des proprits a priori des
composants. Ces politiques dites stationnaires ne permettent pas de sadapter ltat rel
des composants. A linverse, une instrumentation spcifique peut tre dploye pour avoir
accs diffrentes informations de surveillance. Celles-ci peuvent renseigner sur ltat du
composant (marche/panne), sur son niveau de dgradation mais galement sur
lenvironnement oprationnel dans lequel il volue. Intgrer ces diverses informations dans
le processus de dcision de maintenance permet de dvelopper des politiques bases sur
ltat courant des composants. Ces politiques, qualifies de dynamiques, permettent de
dvelopper une mthode de planification adapte lutilisation relle des composants.
Compte tenu de ltat de lart et des objectifs de cette thse, la planification dynamique des
oprations de maintenance est retenir. Lide est ainsi de mettre au point une politique
capable dintgrer les informations de surveillance en ligne et la structure du systme multicomposant pour adapter la dcision de maintenance. Cette planification dynamique permet
galement de prendre en compte le niveau dinformation propre chaque composant
contrairement aux politiques statiques.
Comme nous avons pu le voir dans ce chapitre, les politiques de regroupement dynamiques
pour des systmes multi-composants sappuient principalement sur le concept
dopportunit. Il va sagir de profiter des opportunits de maintenance offertes pour
regrouper les oprations de maintenance et ainsi conomiser des cots logistiques. Ces
opportunits peuvent tre des remplacements, des inspections, des pannes, des priodes de
disponibilit pour lutilisateur, etc. Cependant, de par leur construction, ces politiques ne
permettent pas dassurer lautonomie du systme sur une priode donne comme nos
objectifs le mentionnent.
Dans ce contexte, nous proposons de dvelopper, dans le chapitre suivant, une forme
originale de regroupement dirig par le temps. La mise en place de cette politique base sur
la Maintenance Free Operating Period (MFOP) permet de dfinir des priodes la fin de
chaque mission ou le systme peut tre maintenu. Il sagit alors, en utilisant toutes les
informations de surveillance disponibles et la structure du systme multi-composant, de
quantifier le risque que le systme fonctionne jusqu la fin de la prochaine mission. Suivant
le risque calcul, le processus de dcision de maintenance value la ncessit de remplacer
ou non des composants dans le systme. Contrairement la plupart des politiques de
regroupement dynamiques o le regroupement est effectu autour des dates de
maintenance des composants, ici cest le systme qui fournit les opportunits de
maintenance.
66
Chapitre 4 Politique de maintenance dynamique

base sur le concept de la MFOP
Chapitre 4
Politique de maintenance dynamique
Le chapitre prcdent propose une synthse des politiques de maintenance dynamiques
utilises actuellement dans la littrature. Pour des systmes multi-composants, ltat de lart
fait principalement rfrence des politiques de regroupement dynamiques bases sur le
concept dopportunit.
Cependant, ces politiques de maintenance ne sont pas toujours adquates pour des
systmes qui requirent une disponibilit leve en opration et dont la panne entraine de
fortes consquences conomiques. Dans ce contexte, ce chapitre dfinit une forme originale
de regroupement dynamique pour la maintenance de systmes multi-composant. Les
actions de maintenance sont supposes impossibles pendant les priodes doprations sous
peine dentrainer des cots supplmentaires importants. En consquence, elles doivent tre
fortement regroupes la fin de ces priodes. Le regroupement nest donc plus dirig par
des vnements sur des composants mais doit tre planifi avec attention en fonction des
besoins et/ou des contraintes utilisateurs.
Premirement, ce chapitre vise introduire le concept de la MFOP en prcisant les notions
gnrales et les travaux existants. En sappuyant sur ce concept, nous prsentons la
politique de maintenance labore dans cette thse en dtaillant le processus de dcision et
lvaluation de cette politique. Nous nous concentrons ensuite sur la slection des
oprations de maintenance lors dune intervention. Diffrents critres de dcisions sont
construits pour dterminer la slection optimale des oprations. La rsolution du problme
doptimisation est base sur un algorithme gntique. Enfin, une illustration sur un systme
donn permet de comparer les diffrents critres de dcision et dvaluer limpact de la
mthode de rsolution propose.
4.1
Concept de la MFOP
Le concept de la MFOP a t initialement propos en 1996, par la Royal Air Force (RoyaumeUni), afin daider les fabricants davions militaires rpondre leurs besoins (Appleton,
1996) (Hockley & Appleton, 1997). Ces besoins incluent notamment une meilleure capacit
de planification de la maintenance, lamlioration de la disponibilit oprationnelle des
avions et une baisse des cots de fonctionnement.
67

Dans cette partie, nous commenons par donner quelques dfinitions gnrales associes
la MFOP. Nous illustrons ensuite la faon dont elle est aujourdhui utilise dans la littrature.
4.1.1
Dfinitions gnrales
Dfinition 14 La Maintenance Free Operating Period (MFOP) reprsente une priode de

fonctionnement pendant laquelle lquipement doit tre en mesure de mener bien les
missions qui lui sont assignes sans action de maintenance et sans que loprateur soit
restreint en aucune manire en raison de dfaillances ou de limitations du systme (Hockley,
1998).
En dautres termes, la MFOP dfinit une priode doprations sans interruption due des
maintenances non planifies. Pour Kumar et al. (1999), la MFOP est assimilable une
priode de garantie. Cependant, la garantie commerciale couvre gnralement les
premires annes du systme. Or lintrt de la MFOP est de sintresser la vie entire du
systme. De plus, elle ne sapplique pas uniquement sur des systmes neufs mais aussi sur
des systmes dont les composants ont des ges plus ou moins avancs.
Notons que, cette dfinition ninterdit pas les pannes de manire globale. Celles-ci peuvent
apparatre sur certains composants du systme condition que le droulement de la mission
ne soit pas affect. Par exemple, pour des systmes comprenant une structure parallle, les
composants redondants peuvent tre dfaillants sans impacter la ralisation de la mission.
Lvnement redout nest pas la panne dun composant mais bien la dfaillance du
systme. Manzini et al. (2010) affirment que dans une politique idale base sur la MFOP, la
maintenance corrective doit tre contourne. Pour ce faire, des priodes de maintenance
planifies doivent tre dfinies entre les MFOP. Cest ce quon appelle la Maintenance
Recovery Period (MRP).
Dfinition 15 La Maintenance Recovery Period (MRP) est dfinie comme la priode pendant
laquelle la maintenance approprie est effectue sur le systme afin de lui permettre
daccomplir avec succs la prochaine MFOP (Kumar, 1999) (Cini & Griffith, 1999).
Cette priode de maintenance qui suit une MFOP ou plusieurs cycles de MFOP est de
longueur flexible. La dure de larrt dpendra de ltendue du travail de maintenance
effectuer (Al Shaalane & Vlok, 2013). En pratique, il est videmment impossible de garantir
100% quaucune panne ninterviendra sur la prochaine MFOP. Il est donc primordial
dvaluer ce risque avec la Maintenance Free Operating Period Survivability ().
Dfinition 16 La Maintenance Free Operating Period Survivability (MFOPS) est la probabilit
que le systme survive pendant la dure de la MFOP sachant quil tait dans un tat de
fonctionnement au dbut de la priode (Kumar, 1999).
68

En supposant une MFOP de longueur units de temps, la probabilit linstant que
le systme survive sachant quil est dans un tat de fonctionnement est donne par:
() =
( + )
()
(4.1)
avec (), la fiabilit du systme linstant . Notons que et peuvent galement

tre dfinis en unit kilomtrique dans le domaine du transport.
Aprs avoir dfini prcisment les trois principales grandeurs associes la MFOP, nous
nous intressons maintenant aux motivations de ce concept (cf. figure 4.1). La MFOP spcifie
les besoins des clients de faon claire, ne laissant pas la place lambigut (Mitchell, 1999).
Elle consiste assurer aux utilisateurs lautonomie de leurs systmes sur des priodes
doprations donnes. Pour ce faire, la MFOP diffre virtuellement toutes les maintenances
correctives venir vers des priodes planifies de maintenances prventives. Cette
caractristique permet de maximiser la disponibilit oprationnelle des systmes. En vitant
au maximum les arrts non planifis, la MFOP rduit les cots de rparation du systme
mais galement le support logistique en diminuant le besoin de re-planifier les missions
(Hockley, 1998). Prcisons enfin, que ce concept facilite la gestion des pices de rechange en
rduisant lincertitude sur la planification des oprations de maintenance.
Fiabilit, Maintenabilit et
Testabilit
Minimiser les cots de

support
Maximiser lefficacit
oprationnelle
- Disponibilit des systmes

en fonction du besoin
- Aucun chec de la mission
Rduction du temps
dimmobilisation
Rduction
de la logistique
- Minimiser les cots de

rparation
- Minimiser le support logistique
MFOP
Figure 4.1 : Motivations pour la MFOP (Brown & Hockley, 2001)
4.1.2
La MFOP dans la littrature
Dans la littrature, de nombreux travaux font rfrences ce concept (Appleton, 1996)

(Brown & Hockley, 2001) (Cini & Griffith, 1999) (Hockley, 1998) (Hockley & Appleton, 1997)
69

(Warrington et al., 2002). Ils visent la plupart du temps dcrire les avantages de la MFOP et
prciser les outils notre disposition pour mettre en place cette notion. Nanmoins, trs
peu de travaux illustrent concrtement comment la MFOP peut tre implmente sur un
systme.
Kumar et al. (1999) sont notre connaissance les premiers mettre en place une politique
de maintenance base sur la probabilit de ralisation dune MFOP. Cette probabilit,
calcule par lintermdiaire de la (), est utilise pour planifier les MRP. Dans cet
article, cette politique est illustre sur un systme srie compos de quatre composants. Un
modle de dure de vie est suppos connu pour chaque composant du systme. La figure
4.2 illustre lvolution de la () sur plusieurs cycles de MFOP de 50h en considrant
que le systme fonctionne la fin de chaque priode.
0.96
0.94
MFOPS
0.92
0.9
0.88
0.86
0.84
0.82
5
6
7
8
9 10 11 12 13 14 15
Nombre de cycles (MFOP=50h)
Figure 4.2: Evolution de la sur plusieurs cycles de MFOP (Kumar et al., 1999)
A partir de cette probabilit et du niveau de confiance spcifi, la politique de maintenance
dtermine le nombre de cycles de MFOP avant de planifier la MRP. Par exemple, si le niveau
de confiance requis sur la () est suprieur 94%, une MRP doit tre planifie aprs
4 cycles de MFOP. En lien avec ces premiers travaux, Kumar (1999) aborde brivement la
faon dont la maintenance va impacter cette (). Son objectif est de dfinir une
politique de maintenance statique permettant destimer le besoin en pices de rechange
pour les diffrents composants du systme. Notons que cette politique est dfinie de
manire assez sommaire et quelle ne permet pas de garantir loptimalit de la solution
propose.
En sappuyant sur ces premiers dveloppements, Long et al. (2009) proposent une politique
de maintenance base sur la MFOP pour un systme mono-composant (Line Replaceable
Unit). Afin doptimiser la politique, diffrentes valeurs de MFOP et de niveaux de confiance
70

sont testes. Le choix entre ces diverses alternatives est bas sur la minimisation du cot
total dexploitation.
Nous retrouvons galement le concept de la MFOP dans les travaux de Chew et al. (2008) et
de Fritzsche (2012). Chew et al. se focalisent sur des systmes dont les missions sont
constitues de phases distinctes. Suivant les phases considres, la dure, les tches et les
composants utiliss au sein du systme diffrent. La ralisation dune srie de phases sans
maintenance est considre comme une MFOP. Lobjectif est ainsi de modliser les
diffrentes phases appliques au systme, en utilisant un rseau de Petri, et de dterminer
la fiabilit associe la MFOP. Quant Fritzsche, il utilise la MFOP pour optimiser la gestion
des pices de rechange. Notons, que ces travaux ne se concentrent pas sur llaboration de
politiques de maintenance.
En conclusion, cette partie confirme lintrt dutiliser la MFOP pour diriger le regroupement
des maintenances et garantir lutilisateur lautonomie de son systme sur des priodes
doprations donnes. Les politiques de maintenance bases sur ce concept semblent
intressantes mais elles doivent tre amliores pour rpondre nos objectifs initiaux.
Parmi les limites observes, nous distinguons premirement laspect statique de ces
politiques qui ne permet pas de tenir compte de ltat courant du systme. Nous observons
galement que ces politiques sont appliques essentiellement sur des systmes monocomposants simplifiant de fait les dcisions de maintenance. Une volution simpose pour
intgrer la structure du systme dans la politique dveloppe.
4.2
Description de la politique de maintenance
Cette partie a pour objectif de prsenter la politique de maintenance dveloppe dans ce

manuscrit. Premirement, prcisons que la construction de cette politique sappuie sur les
contraintes de lindustrie du poids lourd. Pour un vhicule industriel, la maintenance
prventive est ralise uniquement quand celui-ci retourne latelier. En dehors de ces
arrts, cest--dire en mission, la maintenance est quasiment impossible ou gnre des cots
importants dimmobilisation (Lesobre et al., 2014c). Ces contraintes se retrouvent galement
dans dautres systmes. Dans leur papier, Tinga et Janssen (2013) mentionnent que les
oprations de maintenance sur une frgate ne peuvent pas tre ralises en mission. En
consquence, il est ncessaire que le navire rentre au port pour effectuer sa maintenance ce
qui affecte fortement ses cots de fonctionnement et sa disponibilit.
Pour ce type de systme qui requiert une disponibilit leve en opration, sous peine de
fortes consquences conomiques, les politiques de regroupement bases sur lopportunit
ne sont pas recommandes. Le concept de la MFOP, dtaill dans la partie prcdente, est
alors porteur de sens (Tinga & Janssen, 2013). Il va permettre dassurer lautonomie du
systme sur des priodes doprations donnes et de diriger le regroupement des
maintenances en fonction de ces priodes.
71

La politique dveloppe dans cette thse, vise assurer le bon fonctionnement dun
systme multi-composant sur une priode donne moyennant un niveau de confiance
spcifi. Pour ce faire, elle value, la fin de chaque priode oprationnelle, la ncessit de
maintenir le systme. Si lintervention de maintenance est juge indispensable, la politique
slectionne les oprations effectuer. Contrairement la plupart des travaux dvelopps
sur le concept de la MFOP, cette politique est dynamique. Cela signifie que la dcision de
maintenance est adapte en fonction des informations de surveillance disponibles en ligne.
Dans cette partie, nous commenons par prsenter le processus de dcision de maintenance
mis en place. Nous dtaillons ensuite le modle de cot utilis pour valuer la politique de
maintenance considre.
4.2.1
Processus de dcision de maintenance
Comme nous venons de le mentionner en introduction, la politique de maintenance

propose repose sur le concept de la MFOP. Lide est ici dviter les immobilisations du
systme en opration. Pour atteindre cet objectif, ce concept vise dplacer toutes les
maintenances correctives venir vers des priodes planifies de maintenance prventive
(MRP). Ces caractristiques conviennent parfaitement aux contraintes des systmes de
transport o le nombre dopportunits de maintenance est limit et o limmobilisation
entraine de fortes consquences financires.
Dans la partie prcdente, des politiques de maintenance bases sur la philosophie MFOP
ont t prsentes (Kumar, 1999) (Long et al., 2009). Celles-ci sont gnralement appliques
dans un cadre statique. Cela signifie que les dcisions de maintenance ne sont pas adaptes
ltat courant du systme mais uniquement son tat a priori. Pour rpondre notre
cahier des charges, lobjectif est ici dtendre ses travaux en intgrant les possibilits
offertes par les nouvelles technologies de linformation et de la communication. Grce aux
informations de surveillance, la dcision de maintenance ne doit plus tre statique mais
base sur ltat courant du systme. Toujours dans lobjectif damliorer les travaux
disponibles, nous proposons une politique capable de sadapter la structure du systme
multi-composant. Rappelons que notre tude se focalise sur des systmes structure
lmentaire, constitus de composants non rparables. Pour ces systmes, seuls les
remplacements de composants sont autoriss. Nous supposons galement que le
remplacement permet au composant de retrouver son tat initial (AGAN).
La figure 4.3 prsente les diffrentes tapes de la politique de maintenance dveloppe:
-
La premire tape du processus de dcision consiste dfinir linstant la ncessit

dune intervention de maintenance sur le systme. Prcisons que linstant
reprsente soit la fin dune MFOP, soit une panne au niveau du systme. Pour
prendre cette dcision, nous cherchons valuer la probabilit que le systme
fonctionne jusqu la fin de la prochaine MFOP, sachant linformation disponible .
72

Nous supposons, quau minimum, linformation relative au fonctionnement du
systme multi-composant est connue linstant . Si celui-ci est en fonctionnement,
cette probabilit correspond la () dfinie prcdemment. A linverse, si le
systme est en panne, la () est nulle.
-
La seconde tape du processus de dcision consiste comparer la () du

systme avec un niveau de confiance spcifi:
o Si la () > , le processus de dcision considre que lintervention
de maintenance nest pas ncessaire. Le systme multi-composant peut alors
tre dploy sur la prochaine MFOP sans passer par latelier.
o Dans le cas contraire, si la () < , lintervention de maintenance
est juge indispensable.
Le systme peut tre dploy

sur la prochaine priode
Oui
MFOP
> NC
Non
Slectionner les oprations de
maintenance effectuer pendant
lintervention
Estimation de la
pour le systme spcifi
MFOP
MFOP
ou
Intervention de maintenance (MRP)
Panne
Figure 4.3: Synthse de la politique de maintenance propose
Lorsquune intervention de maintenance est requise, nous devons identifier les composants
remplacer pour que le systme puisse assurer la prochaine MFOP avec le niveau de
confiance demand. Dans ce cadre, un problme doptimisation sous contrainte est introduit
73

pour slectionner les remplacements raliser. En effet, contrairement un systme monocomposant (Long et al., 2009), le choix des maintenances effectuer sur un systme multicomposant peut tre ralis de diffrentes manires. De faon gnrale, le problme peut
tre exprim par:
min () avec (, ) >
{}
(4.2)
avec un ensemble de composants remplacer pour une solution donne, le critre de

dcision de maintenance avec lindice du critre de dcision tudi, (, ) la
du systme aprs remplacement de lensemble et le niveau de confiance
atteindre sur la prochaine MFOP. Des critres de dcision bass sur les cots de
remplacement mais galement sur lefficacit globale de lopration de maintenance sont
introduits et dtaills dans la partie suivante. Dans la politique de maintenance propose, la
dure des oprations de maintenance effectuer pendant la MRP nest pas considre
comme une contrainte. Il est nanmoins possible dadapter le processus de dcision pour
imposer que la MRP ne dpasse pas une certaine dure. Nous reviendrons sur ce point dans
le chapitre 8.
Dans ce processus de dcision, la () apparat donc comme une variable de dcision
permettant de statuer sur la ncessit dune intervention de maintenance. Celle-ci possde
plusieurs caractristiques intressantes en lien avec nos objectifs. Premirement,
la () permet de prendre en compte la structure du systme dans le processus de
dcision de maintenance. Cette structure est intgre dans le calcul de la fiabilit du
systme (). Cette caractristique permet de sortir de lapproche composant pour
aller vers une approche systme .
Un autre point intressant de la () rside dans sa capacit tre mise jour
linstant en sappuyant sur la fiabilit des composants du systme. Dans ce contexte,
lincertitude de la et par extension, la qualit de la dcision de maintenance
dpendent fortement de linformation de surveillance disponible. Celle-ci fait rfrence
linformation sur ltat des composants et leurs conditions dutilisation. Les principales
contributions vont ainsi consister intgrer ces informations et valuer leur impact sur
loptimisation de la politique propose. Ces diffrents travaux sont prciss dans le chapitre
suivant.
4.2.2
Evaluation de la politique de maintenance
La politique de maintenance dtaille dans la partie prcdente fixe le processus de dcision

qui rgit les activits de maintenance sur un systme. Il va sagir ensuite de spcifier les
diffrents paramtres impliqus dans ce processus. Dans notre cas, ces paramtres
correspondent la longueur de la MFOP, au niveau de confiance ou encore au niveau
dinformation de surveillance disponible par composant. Lobjectif final tant de dterminer
74

les valeurs de ces paramtres qui optimisent, selon un critre donn, la politique de
maintenance spcifie.
Pour dterminer ces paramtres, un critre dvaluation doit tre dfini. Nous proposons
dutiliser le cot de maintenance total du systme () calcul sur un horizon de temps
fini. Cet horizon est fix 5 ans, ce qui correspond la dure nominale dun contrat de
maintenance dun vhicule industriel. Ce cot () se dcompose de la faon suivante:
() = () + () + ()
(4.3)
avec () le cot de remplacement des composants du systme sur [0, ], () le surcot

li la maintenance corrective lorsque le systme est en panne sur [0, ] et enfin () le
surcot li au diagnostic lorsque le systme est en panne sur [0, ]. Dtaillons maintenant
lexpression de chacun de ces cots.
Le cot de remplacement () correspond :
()
() = [( , ( + )) + ]
=1
(4.4)
=1
avec () le nombre darrts de maintenance sur lintervalle de temps [0, ], le nombre

de composants dans le systme, , une variable binaire qui indique le remplacement du
composant pendant larrt de maintenance , le cot du composant , la dure de
remplacement du composant , le taux horaire de la main duvre et le cot
logistique li lentre du systme en atelier de maintenance. Le cot () intgre ainsi
tous les remplacements effectus de manire prventifs ou correctifs.
Quand une panne intervient sur le systme en opration, des cots supplmentaires lis
limmobilisation du systme vont venir sajouter au cot de remplacement. Ceux-ci sont pris
en compte par lintermdiaire des cots () et (). Le cot () est donn par:
()
() = [( , ( )) + + (( + ) )]
=1
(4.5)
=1
avec () le nombre de pannes du systme sur lintervalle de temps [0, ], , une variable
binaire qui indique le remplacement du composant pendant larrt de maintenance
correctif , le cot de la perte dexploitation par heure dimmobilisation, le cot de
remorquage du systme, la dure de remorquage du systme et enfin la dure
logistique de prise en charge du systme son entre en atelier. Ce cot () permet de
prendre en compte les cots supplmentaires lis au remorquage du systme ainsi que la
perte de production engendre par la dure des arrts non planifis. Cette perte de
75

production nest pas comptabilise lors dun arrt prventif du systme. Nous distinguons ici
le cot logistique comptabilis chaque arrt atelier et la dure logistique qui
intervient uniquement la panne du systme dans lestimation de la perte dexploitation.
Dans les deux cas, le terme logistique fait rfrence aux activits administratives et de
prparation lies lentre du systme en atelier de maintenance.
Lors dun arrt correctif, le diagnostic du systme est fondamental pour identifier le/les
composants responsables de la panne et ainsi diriger les actions de maintenance excuter.
Pour certains composants, linformation de surveillance disponible renseigne sur leur
fonctionnement. Dans ce cas, aucun cot supplmentaire de diagnostic ne sera
comptabilis. A linverse, pour les composants dont on ignore ltat de fonctionnement, un
test devra tre ralis engendrant des cots additionnels. Ces cots seront pris en compte
dans lexpression () donne par:
()
() = [( + ) ]
(4.6)
=1
avec le cot unitaire de diagnostic pour un composant (cot suppos fixe), la dure
unitaire de diagnostic pour un composant (dure suppos fixe) et enfin le nombre de
composants dans le systme dont linformation de surveillance nest pas disponible. Nous
choisissons donc de comptabiliser le diagnostic uniquement lors de la panne du systme sur
les composants non-surveills. Dans les autres situations, nous supposons que les cots lis
au diagnostic sont pris en compte dans le cot de larchitecture de surveillance, non
comptabilis dans le ().
Afin dvaluer le cot total de maintenance () pour les stratgies prdtermines, un
modle de maintenance bas sur une simulation de type Monte-Carlo a t dvelopp.
Celui-ci sappuie sur la politique de maintenance propose, sur la structure du systme ainsi
que sur la modlisation de la fiabilit de ses composants. Lorsque le nombre dhistoires est
suffisamment important pour garantir la convergence, cette simulation permet dvaluer le
cot total moyen de maintenance pour la politique considre et les paramtres associs. Ce
cot moyen peut tre utilis pour comparer et optimiser les paramtres de la politique. Audel de ce cot moyen, une analyse de la dispersion des cots totaux de maintenance pour
les diverses histoires considres est galement envisage.
4.3
Slection des oprations de maintenance
La partie prcdente a permis de prsenter de faon globale la politique de maintenance

propose dans ce manuscrit. Notre objectif est ici de revenir sur un point fondamental de
cette politique: la slection des remplacements effectuer pendant une intervention de
maintenance. En fonction des priorits de lutilisateur, cette slection peut tre envisage de
76

diffrentes manires. Premirement, nous nous concentrons sur llaboration des critres
de dcision de maintenance qui vont permettre de raliser cette slection. Nous abordons
ensuite la question de la dpendance des oprations de maintenance et comment celle-ci
peut tre intgre au processus de dcision. Enfin, nous voquons la rsolution du problme
doptimisation sous contrainte dcrit par lquation 4.2. Dans ce cadre, un algorithme
gntique est propos.
4.3.1
Dfinition des critres de dcision
Au sein de la politique implmente, la slection des oprations de maintenance est rgie

par le problme doptimisation sous contrainte dfini par lquation 4.2. Pour un systme
multi-composant, le critre de dcision de maintenance va permettre de diriger le choix
des remplacements excuter. Dans cette sous-partie, trois critres de dcision sont
proposs (Lesobre et al., 2014b). Une attention particulire est porte aux motivations qui
ont guides llaboration de ces critres.
Le premier critre propos, appel 1 , a pour objectif datteindre le niveau de

confiance spcifi sur la prochaine MFOP en minimisant les cots de remplacement.
Pour un ensemble de composants remplacer, ce critre sexprime de la faon
suivante:
1 () = +
=1
(4.7)
Cela signifie que lensemble de composants qui aura t identifi permettra de

respecter la contrainte fixe sur la prochaine priode cot minimal.
Le second critre de dcision de maintenance, appel 2 , nest pas uniquement

focalis sur le cot de remplacement mais intgre une notion defficacit de la
maintenance. Ce critre est bas sur la minimisation du ratio entre les cots de
remplacement et lvolution de la avant et aprs ralisation de lensemble
de remplacement . Notons que, cette volution de la traduit limpact des
remplacements effectus sur la fiabilit du systme pendant la prochaine priode. Ce
critre est exprim par:
=1 +
2 () =
(, ) ()
(4.8)
Ce critre vise promouvoir le meilleur compromis entre cots de remplacement et

gain de fiabilit sur la prochaine MFOP. Contrairement au critre 1 , celui-ci est
77

capable de slectionner une solution plus coteuse condition dentrainer un gain
plus important de fiabilit sur la prochaine priode.
Le troisime et dernier critre, nomm 3 , est bas sur la minimisation du ratio entre
les cots de remplacement et une quantit (). Celle-ci dfinit, pour un ensemble
de remplacement , la distance restante en kilomtres avant que la fiabilit
conditionnelle du systme natteigne le niveau de confiance spcifi . La figure 4.4
permet dillustrer le calcul de cette quantit = 200000 km pour un systme
donn en supposant une MFOP = 50 000 km et un = 90%.
0.95
0.9
0.85
0.8
2
2.2
2.4
2.6
Kilomtrage du systme [Km]
2.8
3
x 10
Figure 4.4: Dtermination de ()

Le principal objectif de ce critre est de retenir une solution qui propose le meilleur
ratio cot / gain de fiabilit sur un horizon qui ne dpend plus de la MFOP. Ce critre
est dfini par:
=1 +
3 () =
()
(4.9)
Par souci de cohrence avec lhorizon de simulation spcifi, la quantit () est

borne. En effet, la politique de maintenance est value sur un horizon fini de 5 ans.
Par convenance, cet horizon est traduit en unit kilomtrique dans la simulation.
Nous veillons ainsi lors des valuations successives de ce critre, que le kilomtrage
du systme multi-composant linstant ajout la quantit () ne dpasse pas
lhorizon kilomtrique. Si cette condition nest pas respecte, une borne sera
applique telle que:
() = [] []
78
(4.10)

4.3.2
Dpendances des oprations de maintenance
Dans la partie prcdente, les oprations de maintenance effectues sur le systme sont
supposes indpendantes. Nanmoins, dans de nombreux cas, des dpendances lies la
structure du systme ou lorganisation des oprations de maintenance apparaissent. Par
exemple, selon la structure du systme, il peut tre ncessaire de dmonter plusieurs
composants avant daccder celui que lon souhaite remplacer. Dans ce contexte, raliser
des oprations de maintenance simultanment sur ces composants conduit rduire la
dure globale de la maintenance. Cette rduction, qui provient du temps conomis lors du
dmontage du systme, impacte directement les cots de remplacement. Il est donc
ncessaire de prendre en compte ces dpendances au sein de la politique de maintenance.
Nous proposons dintgrer ces dpendances dans le critre de dcision considr. Soit un
ensemble incluant le ime ensemble doprations de maintenance dpendantes et
la dure conomise si la maintenance est effectue simultanment sur les composants de
cet ensemble. Supposons galement, que tous les ensembles sont disjoints. Ainsi, en
intgrant les dpendances, le critre 1 peut tre exprim par:
1 () = + { }
=1
=1
(4.11)
avec le nombre densembles doprations de maintenance dpendantes, { } une

variable binaire qui vaut 1 quand le ime ensemble doprations de maintenance
dpendantes est inclus dans lensemble (0 sinon). Toujours dans la mme logique, les
critres 2 et 3 deviennent:
2 () =
3 () =
=1 +
=1 { }
(, ) ()
(4.12)
=1 +
=1 { }
()
(4.13)
Au-del des critres de dcisions, les dpendances impactent galement le modle de cot
dtaill dans la partie 4.2. En effet, les temps de maintenance conomiss en profitant des
dpendances doivent tre retranchs au niveau du cot de remplacement () et du
surcot correctif (). Ces changements sont illustrs dans les deux expressions suivantes:
79

()
() = [( , ( + ) { } ) + ]
=1
=1
(4.14)
=1
avec un ensemble comprenant les remplacements effectus pendant larrt de

maintenance .
()
() = [( , ( ) { } ) +
=1
=1
=1
(4.15)
+ (( + ) )]
4.3.3
Mthodes de rsolution
Cette partie se focalise sur la slection des oprations effectuer pendant une intervention
de maintenance. Aprs avoir voqu les critres utiliss pour raliser cette slection et les
questions autour de la dpendance des oprations de maintenance, intressons-nous
maintenant la rsolution du problme dcrit par lexpression 4.2. Pour rsoudre ce
problme doptimisation sous contrainte, les principales difficults apparaissent lorsque le
nombre de composants augmente. Quand une intervention de maintenance est juge
indispensable, la slection des oprations doit tre ralise entre 2 candidats, avec le
nombre de composants dans le systme. Dans le but dviter lexplosion combinatoire et de
rduire le temps de calcul, des mthodes de rsolutions exactes ou approches peuvent tre
considres. Elles visent rduire de manire drastique le nombre de candidats
considrer.
Dans cette thse, nous avons premirement utilis une mthode exacte base sur une
procdure de sparation et valuation, plus connue sous le terme anglophone de Branch
and Bound (Galante & Passannanti, 2009). Dans un algorithme Branch and Bound, lobjectif
est dviter de passer en revue tous les candidats en sappuyant sur une analyse des
proprits du problme. Pour cela, cet algorithme va construire les diffrents candidats
composant par composant. Cette construction est souvent reprsente sous forme darbre
o les branches correspondent aux diffrentes tapes de lalgorithme. A la fin de chaque
tape, lobjectif est de comparer les dveloppements possibles des candidats, partiellement
dfinis, par rapport aux critres optimiser. Selon des rgles bases sur lanalyse du
problme, certaines branches peuvent tre limines.
Cette mthode a t utilise dans (Lesobre et al., 2013) pour rsoudre le problme
doptimisation avec le critre de dcision de maintenance 1 . Aucune dpendance entre les
oprations de maintenance na t considre dans cet article. Les premiers rsultats sur un
80

exemple illustratif montrent une rduction significative du temps de calcul. Notons que, les
rgles utilises pour llimination des branches ont t dtermines assez simplement au
vue du problme pos. Typiquement, si un candidat partiellement dfini respecte la
contrainte au niveau de la (), les autres candidats avec une valuation du critre 1
suprieure peuvent tre supprims. Lutilisation de cette rgle simple est possible car le
critre 1 a une volution croissante. Nanmoins, si lon souhaite tendre cette mthode de
rsolution dautres critres de dcision, la dfinition de ces rgles devient plus complexe.
Cest le cas, par exemple, lorsque lon souhaite dfinir des rgles pour les critres 2 et 3 . En
effet, ces critres ne sont plus des sommes mais des ratios dont lvolution nest pas
toujours croissante. Ce constat nous amne donc tudier une autre mthode de
rsolution: les algorithmes gntiques.
Les algorithmes gntiques (AGs) reprsentent des mthodes doptimisation stochastique
bases sur les concepts de la slection naturelle et de la gntique (Holland J. H., 1975).
Contrairement au Branch and Bound voqu prcdemment, les AGs sont des mthodes de
rsolution approches. La flexibilit de ces mthodes permet de sadapter beaucoup plus
facilement aux diffrents critres de dcision de maintenance considrs. Plusieurs
approches dAGs sont proposes pour traiter les problmes doptimisation sous contrainte
(Michalewicz & Schouenauer, 1996). Dans ce manuscrit, des mthodes bases sur la
recherche de solutions faisables sont investigues (Deb et al., 2002). Gnralement, la
premire tape dun AG vise construire une population initiale de candidats. Ltape
suivante consiste valuer et classer ces divers candidats laide dune fonction objectif.
Ensuite, tant que le critre darrt nest pas satisfait, des oprations gntiques telles que le
croisement et la mutation sont appliques sur la population pour obtenir de meilleurs
candidats. Dans notre cas, un seuil sur le nombre ditrations est utilis comme critre
darrt.
Codage dun candidat
Dans lalgorithme dvelopp (cf. figure 4.5), les candidats sont reprsents par un vecteur de
taille , avec le nombre de composants dans le systme. Chaque composant lintrieur
de ce vecteur peut prendre la valeur 1 ou 0 suivant que le remplacement est ralis ou non.
Population initiale
La premire tape de lalgorithme consiste gnrer la population initiale 0 compose de
candidats. Pour construire 0 , un gnrateur alatoire peut tre utilis. Mme si cette
mthode a lavantage dtre trs simple mettre en place, elle conduit souvent rduire
lefficacit de lAG. En analysant les diffrents critres considrs, il ressort que la slection
des oprations de maintenance sappuie principalement sur deux caractristiques. La
premire est lie au cot de remplacement et la seconde est lie limportance du
composant vis--vis de la fiabilit du systme linstant . En sappuyant sur ces
81

caractristiques, nous proposons de scinder en deux la gnration des candidats de la
population initiale.
En pratique, pour les 2 premiers candidats de la population initiale, une probabilit plus
importante de remplacement est considre pour les composants dont le cot est le plus
bas. Pour les 2 candidats suivants, une probabilit plus importante est considre pour
les composants dont le niveau de fiabilit est le plus critique pour le systme linstant .
Notons que, pour valuer cette criticit, un facteur dimportance appel Risk Reduction
Worth (RRW) est introduit (Rausand & Hyland, 2004). Pour un composant donn, le RRW
correspond au ratio de lactuelle dfiabilit du systme sur la dfiabilit du systme en
supposant que le composant est remplac. Ce facteur dimportance est pertinent pour
prioriser les remplacements qui rduisent le plus le risque de dysfonctionnement. Ainsi, pour
la seconde moiti de la population initiale, la probabilit de remplacement plus importante
est considre sur les composants avec un RRW lev.
Prcisons que, dans cette dtermination de la population initiale, nous introduisons des
lments, notamment du point de vue de la fiabilit, qui sont spcifiques au problme trait.
Population
1 ..n
0
.
.
1
Oprations gntiques
N
Mutation
Croisement
1
Evaluation
Classification
Slection
Figure 4.5: Description de l'algorithme gntique

Evaluation et classement
La seconde tape de cet algorithme vise valuer le critre de dcision de maintenance
utilis et la () pour chaque candidat. Une fois cette valuation ralise, les
candidats doivent tre classs. Comme nous sommes face un problme doptimisation
sous contrainte, chaque candidat reprsente une solution faisable ou non suivant la valeur
82

de la (). Pour ordonner les candidats deux deux, trois possibilits sont
considres:
-
Si les deux candidats sont des solutions faisables, le candidat avec le meilleur critre
de dcision est dominant,
Si un candidat est une solution faisable et lautre non, la solution faisable est
dominante,
Enfin, si les deux candidats sont des solutions infaisables, le candidat avec la
meilleure () est dominant. Dans ce cas, il sagit du candidat qui viole le
moins la contrainte dfinie.
Slection des parents

Les candidats parents doivent ensuite tre slectionns dans la population initiale pour les
tapes de croisement et de mutation. Une mthode base sur la ralisation de tournois
entre deux candidats est implmente pour slectionner les 2 candidats parents. Pour
mettre en place cette mthode, 2 tournois sont raliss entre deux candidats choisis
alatoirement dans la population initiale. Le vainqueur de chaque tournoi, cest--dire le
candidat le mieux class, est slectionn comme candidat parent.
Croisement et mutation
Une fois que la population de candidats parents est dfinie, lobjectif est de slectionner
alatoirement 2 paires de parents pour raliser des oprations gntiques. La probabilit
de croisement de chaque paire de parents est fixe 90%. Le croisement a vocation
combiner les parents slectionns pour gnrer un meilleur candidat enfant. Un point
unique de croisement, dtermin alatoirement, est utilis pour la combinaison. Les
squences des vecteurs placs avant et aprs ce point sont alors changes entre les deux
candidats parents pour crer deux candidats enfants. A la fin de cette tape de croisement,
chaque candidat enfant nouvellement cr et les paires de parents non slectionnes sont
envoys ltape de mutation.
La probabilit de mutation est fixe 30%. Cette tape de mutation est faite pour viter que
lAG tombe dans un minimum local. Ainsi, pour les candidats slectionns, les variables
binaires reprsentant les remplacements de chaque composant sont modifies avec une
probabilit de 50%. A la fin de cette tape, la population 0 constitue des candidats enfants
est de taille . La dernire tape consiste fusionner 0 et 0 , valuer et classer les 2
candidats et supprimer les candidats les moins bien classs. Les candidats restants
sont ensuite utiliss pour crer la population 1 .
Critre darrt
Ces diffrentes tapes sont ensuite appliques de manire itrative jusqu satisfaire le
critre darrt retenu. Les diffrentes itrations de lAG sont appeles des gnrations.
83

4.4
Illustration
Dans la dernire partie de ce chapitre, une illustration sur un systme multi-composant est
propose afin de comparer les diffrents critres de dcision dfinis et dvaluer limpact de
la mthode de rsolution propose.
4.4.1
Dfinition du systme et convergence
Entre
Sortie
Figure 4.6: Structure du systme multi-composant

La structure du systme multi-composant utilise pour cette illustration est dcrite dans la
figure 4.6. Pour ce systme, on considre que le cot et la dure unitaire de diagnostic sont
respectivement de = 20 et = 5 min. Le taux horaire de la main duvre est fix
= 90 et le cot de la perte dexploitation par heure dimmobilisation quivaut
= 100. Ensuite pour le remorquage, le cot et la dure considrs sont
respectivement de = 1500 et = 5h. Enfin, le cot logistique li lentre
du systme en atelier de maintenance est de = 100 pour une dure fixe
= 30 min. Pour ce systme, on suppose que les ensembles de composants dpendants
sont 1 = {A11 , A13 } et 2 = {12 , A14 }. Pour les diffrents composants du systme, le
tableau 4.1 synthtise les proprits de fiabilit, les cots et les dures de remplacement.
Modle de Fiabilit
(en )
(en h)
W(6e5,10)
W(5.5e5,12)
W(5e5,11)
W(4.5e5,9)
W(3e5,8)
W(3e5,8)
W(2.8,10)
842
1268
458
407
311
311
305
3.7
1.8
1.5
1.4
1.4
1.2
Modle de Fiabilit
W(2.8,10)
W(2.5e5,10)
W(2.5e5,10)
(en )
(en h)
305
276
276
G(1.1e-4,1.5)
L = 20
108
G(1.1e-4,1.5)
L = 20
108
G(8e-5,1.5)
L = 20
302
G(8e-5,1.5)
L = 20
302
1.2
1.3
1.3
1.7
1.7

Gamma, L=Limite de dgradation)
84

Comme nous lavons vu prcdemment, un modle de maintenance value le cot total de
maintenance () pour la politique considre et ses paramtres associs. Pour ce faire,
ce modle est bas sur une simulation de type Monte-Carlo. Pour garantir la pertinence des
rsultats obtenus, il est ncessaire de vrifier la convergence du () pour un nombre
dhistoires donn. Ici, 1000 histoires de simulations sur un horizon fini de 5 ans sont
considres. Les figures 4.7 et 4.8 permettent de justifier la convergence des rsultats pour
le systme donn en utilisant ce cadre de simulation et le critre de dcision 1 . Les deux
lignes verticales rouges symbolisent le moyen 1000 histoires +/- 1%.
Evolution du cot total de
maintenance moyen (en euros)
1.65
x 10
1.6
1.55
1.5
1.45
1.4
1.35
1.3
0
200
400
600
Nombre d'histoires considr
800
1000
Evolution du cot total de

maintenance moyen (en euros)

dhistoires (MFOP=10000 km et un =80%)
9000
8500
8000
7500
7000
0
200
400
600
Nombre d'histoires considres
800
1000

dhistoires (MFOP=50000 km et un =90%)
Suivant les paramtres considrs pour la politique de maintenance, la convergence se fait
plus ou moins rapidement. Elle est observable partir de 750 histoires pour la figure 4.7 et
85

partir de 400 histoires pour la figure 4.8. Cette diffrence sexplique par le nombre de
pannes au niveau du systme qui est beaucoup plus important pour le couple
MFOP = 10000 km et = 80%. En consquence, les pour les histoires simules sont
plus variants. Pour sen convaincre, on peut comparer les rpartitions des pour les deux
couples de paramtres (cf. figure 4.9).
MFOP=10000 km et NC=80%
MFOP=50000 km et NC=90%
250
800
200
Nombre d'histoires
Nombre d'histoires
700
150
100
50
600
500
400
300
200
100
0
0
2
Cot
0
0.6
4
x 10
0.8
1.2
Cot
1.4
1.6
1.8
4
x 10
Figure 4.9: Rpartition des pour les deux couples de paramtres MFOP et
4.4.2
Evaluation de lalgorithme gntique
Pour valuer la plus-value de lAG dvelopp, une comparaison est ralise avec la mthode
classique qui consiste tester toutes les solutions. Notre objectif est ici dvaluer
ladquation entre les plannings de maintenance obtenus avec la mthode classique et ceux
obtenus avec lalgorithme gntique. Le systme multi-composant dfini dans la sous-partie
prcdente est utilis pour cette comparaison. La politique de maintenance dfinie dans la
partie 4.2 est applique sur ce systme pour des MFOP allant de 10000 km 60000 km par
pas de 10000 km et des niveaux de confiance compris entre 75% et 95% par pas de 5%.
Le critre de dcision 1 est utilis pour cette comparaison. Nous considrons galement
que le niveau dinformation minimal est disponible. Cela signifie qu linstant , quand la
dcision de maintenance doit tre prise, nous avons accs uniquement linformation de
fonctionnement du systme. Pour lAG, une population initiale de 400 candidats et 6
gnrations est considre. Aprs avoir effectu de nombreux tests, ces paramtres
reprsentent un bon compromis entre les rsultats obtenus et le temps de calcul.
Pour chaque couple de paramtres associant une MFOP et un , 1000 histoires sont
simules sur un horizon de 5 ans en appliquant tour tour la mthode de rsolution
classique et lAG. Rappelons que ces mthodes de rsolution sont utilises pour slectionner
les oprations de maintenance effectuer quand lintervention de maintenance est juge
86

ncessaire. Pour chaque histoire, un planning de maintenance est dfini. Pour comparer les
plannings de maintenance obtenus par chaque mthode, les pannes et les mesures de
dgradation sont reproduites lidentiques. Le pourcentage de plannings de maintenance
similaires entre les deux mthodes est de 99%. Suivant les paramtres considrs, le temps
de calcul est rduit de 20% 35% avec lAG. Ces rsultats valident lutilisation de lAG pour
rsoudre le problme doptimisation sous contrainte chaque intervention de maintenance.
4.4.3
Comparaison des critres de dcision
Dans cette sous-partie, notre objectif est de comparer limpact des critres de
dcision 1 , 2 et 3 sur la politique de maintenance dveloppe. Cette comparaison est
effectue sur le systme spcifi en 4.4.1. Afin de pouvoir analyser en dtails les diffrences
entre ces trois critres, trois autres indicateurs en plus du () sont proposs. Il sagit de
la dure totale de maintenance (), du nombre total darrts de maintenance () et
du nombre total de pannes observes (). Ces indicateurs sont valus sur un intervalle
de temps [0, ]. Dans la suite, nous prsentons uniquement les rsultats de ces indicateurs
sur un horizon fini de 5 ans. Comme prcdemment, ces diffrents rsultats sont obtenus
grce au modle de maintenance labor.
Pour comparer ces diffrents critres, des simulations sont effectues en considrant une
MFOP allant de 10000 km 130000 km par pas de 10000 km et un allant de 50% 95%
par pas de 5%. Le niveau dinformations minimal est disponible avec seulement linformation
de fonctionnement au niveau du systme. La figure 4.10 illustre lvolution du pour les
diffrents couples de paramtres en utilisant le critre de dcision 1 . Le cot optimal
est obtenu pour les paramtres MFOP = 90000 km et un = 70%.
x 10
2.5
Cot
2
1.5
1
0.5
0.5
0.6
0.7
0.8
0.9
NC
8
MFOP
10
12
x 10
Figure 4.10: Evolution du moyen pour les diffrents couples de paramtres considrs
avec le critre
87

Une procdure analogue est effectue pour les critres de dcision 2 et 3 . Le tableau 4.2
synthtise, pour chaque critre propos, lensemble des indicateurs. La valeur de ces
indicateurs est obtenue pour le couple de paramtres MFOP/ donnant un moyen
optimal. Le critre de dcision 1 bas uniquement sur des considrations de cot est utilis
comme rfrence. Comparativement 1 , lanalyse des indicateurs pour 2 montre quen
dpit dune augmentation du nombre de pannes , le cot optimal dcroit. Cette situation
sexplique par une lgre diminution de la dure de maintenance et du nombre
darrt mais surtout par une rduction de la maintenance prventive. En effet,
lutilisation du critre de dcision 2 amliore le ratio entre le cot de la maintenance
prventive et le nombre de pannes. Pour le critre de dcision 3 , les rsultats illustrent une
diminution de tous les indicateurs considrs except pour le qui est similaire au
critre 1 . Cela signifie que 3 permet une diminution de la maintenance prventive sans
entrainer une augmentation du nombre de pannes. Lefficacit de celle-ci est donc
renforce.
Couple MFOP / optimal
moyen
90000km / 70%
7414
21.6h
0.69
3.63
90000km / 60%
7334
21.3h
0.72
3.60
90000km / 60%
7266
21h
0.69
3.49
Tableau 4.2: Comparaison des diffrents indicateurs pour les critres considrs
Critre J1
Nombre de couples de paramtres
Nombre de couples de paramtres
Globalement, le critre 3 conduit sarrter moins souvent mais effectuer beaucoup plus
doprations de maintenance chaque arrt. La rpartition des moyens sur lensemble
des couples de paramtres considrs pour le critre 3 indique une sensibilit plus faible
aux valeurs de la MFOP et du .
45
40
35
30
25
20
15
10
5
0
0
0.5
1.5
Cot
2.5
4
x 10
Critre J3
45
40
35
30
25
20
15
10
5
0
0
0.5
1.5
Cot
2.5
4
x 10
Figure 4.11 : Rpartition des moyens sur lensemble des couples de paramtres
considrs pour les critres et
88

Cette caractristique est illustre laide de la figure 4.11, en comparant la rpartition des
moyens sur lensemble des couples de paramtres considrs pour le critre 1 et 3 .
Cette spcificit est lie la dfinition du critre 3 qui vise mettre en avant une solution
qui propose le meilleur ratio cot / gain de fiabilit sur un horizon qui ne dpend plus de la
MFOP. Sur lensemble des critres de dcision proposs, le critre 3 offre la meilleure
alternative pour le systme considr. Nanmoins, notons que ces rsultats permettent
dvaluer limpact de ces critres uniquement pour un systme donn. Il est donc ncessaire
de reproduire cette tude si les proprits ou la structure du systme changent.
4.5
Conclusion
Dans ce chapitre, la politique de maintenance labore dans le cadre de cette thse a t

prsente. Pour sadapter aux contraintes de lindustrie du poids lourd, cette politique
repose sur une forme originale de regroupement base sur le concept de la MFOP. Celle-ci
vise assurer lautonomie du systme sur des priodes doprations donnes et diriger le
regroupement des maintenances en fonction de ces priodes.
Dans la littrature, la plupart des politiques qui utilisent la MFOP sont statiques. A linverse,
la politique de maintenance propose dans ce chapitre est dynamique. Cela signifie quelle
est capable dintgrer les informations disponibles en ligne pour adapter la dcision de
maintenance.
Dans le chapitre suivant, lobjectif est de dtailler comment la politique est capable
dintgrer ces informations et surtout quels sont les impacts de celles-ci sur loptimisation de
la politique de maintenance.
89

90
Chapitre 5 Prise en compte de linformation de

surveillance pour la maintenance
Chapitre 5
Prise en compte de linformation de
Le chapitre prcdent a dfini les caractristiques de la politique de maintenance dynamique
dveloppe dans cette thse. Elle a la particularit de sappuyer sur la MFOP pour diriger les
regroupements des oprations de maintenance. Contrairement la plupart des politiques de
regroupement disponibles dans la littrature, les opportunits de maintenance ne sont pas
fixes par les composants mais par ltat du systme. La slection des oprations effectuer
est galement fonction de la structure du systme multi-composant spcifi.
Nous allons maintenant nous concentrer sur laspect dynamique de cette politique. Dans ce
contexte, le terme dynamique qualifie la politique capable dintgrer des informations de
surveillance disponibles pour adapter la dcision de maintenance en ligne. Pour ce faire,
nous devons tre en mesure de prciser comment ces informations vont tre prises en
compte dans le processus de dcision de maintenance et de quantifier leurs impacts sur
cette politique.
Dans ce chapitre, deux types dinformation de surveillance sont traits. Dans une premire
partie, nous dtaillons la surveillance relative ltat de sant des composants. Nous
dfinissons les diffrents niveaux dinformations considrs et la faon de les prendre en
compte dans le processus de dcision. Dans une seconde partie, nous nous intressons la
surveillance relative aux conditions dutilisation des composants. Nous mentionnons ainsi,
suivant les situations considres, la manire dintgrer ces informations dans la dcision de
maintenance. Enfin, nous terminons ce chapitre par un exemple numrique mlangeant ces
deux types dinformations pour quantifier les gains sur un systme donn en appliquant la
politique considre.
5.1
Surveillance et tat de sant des composants
Lune des caractristiques de la politique de maintenance labore, et plus prcisment de

la , est la capacit de la mettre jour linstant en fonction de la fiabilit des
composants. Cet instant correspond au moment o la dcision de maintenance est prise ou
adapte. La qualit de la dcision de maintenance dpend donc fortement de linformation
de surveillance disponible. Dans cette partie, nous nous focalisons sur les informations
relatives ltat de sant des composants du systme.
91

5.1.1
Dfinition des niveaux de surveillance considrs
Aujourdhui, les technologies de linformation et de la communication permettent de donner

accs une information toujours plus importante en volume sur ltat de sant des
composants. En pratique, ces informations sont rendues disponibles grce un
investissement consquent dans larchitecture de surveillance du systme. Cet
investissement conduit, la plupart du temps, ajouter des capteurs sur les composants pour
accder linformation souhaite. Ces informations additionnelles permettent de baser la
dcision de maintenance sur une estimation plus pertinente de la .
Nanmoins, suivant les contraintes techniques et les choix initiaux de conception,
linformation de surveillance est rarement homogne suivant les composants (Lesobre et al.,
2013). Il est donc ncessaire de prendre en compte dans notre processus de dcision,
diffrents niveaux dinformations disponibles dfinis dans le tableau 5.1.
Niveaux dinformation
Information disponible au niveau du composant
Niveau 1
Niveau 2
Niveau 3
Aucune information
Information sur ltat de fonctionnement Marche/Panne
Mesure de dgradation
Tableau 5.1: Dfinition des niveaux dinformations relatifs ltat des composants
Avant de dtailler ces diffrents niveaux dinformation, rappelons lhypothse pose dans le
chapitre prcdent: nous supposons, quau minimum, linformation relative au
fonctionnement du systme multi-composant est connue linstant . Si seule
linformation du fonctionnement du systme est disponible, la ralise une moyenne
des situations possibles par composant. Dans le cas o un niveau dinformation suprieur est
disponible sur certains composants, lestimation de la intgre cette information
pour liminer des situations devenues impossibles. La pertinence de lvaluation est donc
accrue.
Dcrivons maintenant les niveaux dinformation synthtiss dans le tableau 5.1:
-
Avec le niveau 1, nous considrons que linformation sur ltat de sant du

composant nest pas explicitement disponible. Ainsi un instant , la connaissance du
fonctionnement du composant nest pas connue. Prcisons que cette information
peut tre dduite en fonction de la structure du systme. Par exemple, si un systme
srie fonctionne linstant , nous en dduisons que tous ses composants
fonctionnent.
Au second niveau, ltat de fonctionnement du composant est suppos disponible.

Limpact de cette information sur la dcision de maintenance est fortement corrl
92

la structure du systme. Pour un composant qui se trouve en srie dans le systme,
ce niveau dinformation ninflue pas sur le calcul de la lorsque le systme
fonctionne. Le fonctionnement du composant est directement dduit du
fonctionnement du systme. Cette information permet nanmoins dconomiser du
temps et de largent lors du diagnostic de ce composant quand le systme est
immobilis. Pour un composant qui se trouve en parallle, outre les conomies lies
au diagnostic, linformation marche/panne influe sur la . Cette influence est
prcise dans la sous-partie suivante.
-
Enfin, avec le troisime niveau, une mesure de dgradation est suppose connue.
Cette mesure dcrit plus prcisment ltat rel du composant que les deux autres
niveaux dinformation et influe aussi bien sur le diagnostic que sur le calcul de
la quelle que soit la structure du systme.
5.1.2
Intgration dans le processus de dcision
Dans cette partie, nous allons prsenter concrtement lintgration de linformation de

surveillance dans le calcul de la . Notons , linformation disponible sur ltat de
sant du composant linstant . Cette information peut tre quantitative (mesure de
dgradation) ou qualitative ( Marche / Panne ). En intgrant, les informations
disponibles pour lensemble des composants du systme, on obtient:
() =
( + /, { de 1 } )
(/, { de 1 } )
( > + /, { de 1 } )
( > /, { de 1 } )
(5.1)
Prcisons que la fiabilit conditionnelle du systme linstant sobtient partir de

lquation 5.1 en faisant varier la valeur . Notons galement que la densit de
probabilit conditionnelle du systme se dduit directement de cette fiabilit conditionnelle.
Pour illustrer limpact de ces informations sur le processus de dcision de maintenance, nous
allons prendre le cas dun systme parallle deux composants 1 et 2 . Supposons que la
dtrioration de ces deux composants peut tre modlise par un processus Gamma avec
pour paramtres 1 = 2 = 1.1 4 et 1 = 2 = 1.5. Le seuil de dgradation est fix
= 7.
Notons 1, et 2, , les informations disponibles linstant respectivement sur le
composant 1 et 2 . Dans ce contexte et en prenant en compte la structure du systme, la
() devient:
() =
1 (1 1 ( + /1, )) (1 2 ( + /2, ))
1 (1 1 (/1, )) (1 2 (/2, ))
93
(5.2)

En supposant que les composants sont indpendants, les diffrentes valeurs prises par
1 (/1, ) et 1 ( + /1, ) en fonction du niveau dinformation disponible sont:
-
Niveau 1 avec 1, = , dans ce cas nous avons:

1 (/1, ) = 1 ()
{
1 ( + /1, ) = 1 ( + )
Niveau 2 avec 1, = "Panne", dans ce cas nous avons:

{
1 (/1, ) = 0
1 ( + /1, ) = 0
Niveau 2 avec 1, = "Marche", dans ce cas nous avons:

1 (/1, ) = 1
1 ( + )
{
1 ( + /1, ) =
1 ()
Niveau 3 avec 1, = 1 () > , dans ce cas le composant est en panne et nous

avons:
1 (/1, ) = 0
{
1 ( + /1, ) = 0
Niveau 3 avec 1, = 1 () < , dans ce cas le composant fonctionne et nous avons:

{
1 (/1, ) = 1
1 ( + /1, ) = 1 ( + /1 ())
Pour le systme tudi, on considre une MFOP de longueur = 30 000km et un

niveau de confiance = 0.9. Dans le cadre de cette illustration, nous nous plaons la fin
de la seconde MFOP = 60 000km. A ce kilomtrage, nous supposons quaucune
maintenance na t effectue.
Dans un premier exemple, nous considrons le cas o lvolution de la dgradation

est trs diffrente selon chacun des composants. La figure 5.1 illustre ces
dgradations jusqu = 60 000km. Sur cette figure, nous affichons galement les
informations disponibles en fonction des diffrents niveaux. Nous observons dans cet
exemple un composant 1 fortement dgrad alors que le composant 2 possde
une dgradation encore trs faible.
94

10
A1
A2
Dgradation Z(t)
8
Niveau 1:
Niveau 2:
Niveau 3:
6
4
Niveau 1:
Niveau 2:
Niveau 3:
2
0
0
4
6
Kilomtrage [km]
10
4
x 10
Figure 5.1: Evolution de la dgradation des composants du systme (Exemple 1)
Densit de probabilit conditionnelle
La figure 5.2 permet de visualiser le comportement de la densit de probabilit du

systme conditionnellement au niveau dinformations disponible. Dans ce cas, nous
supposons que les deux composants ont un niveau dinformation identique. Nous
voyons ici que le niveau dinformation impacte la forme de la densit de probabilit.
Laccs aux mesures de dgradation permet, pour cet exemple, de dcaler
lgrement la densit de probabilit conditionnelle vers la droite.
0.02
Niveau 1
Niveau 2
Niveau 3
0.015
0.01
0.005
0
0.6
1.2
1.8
Kilomtrage [Km]
2.4
3
x 10

d'information (Exemple 1)
Enfin, la figure 5.3 value pour chaque niveau dinformation la valeur de la
() en sappuyant sur lquation 5.2. Cette figure montre que la dcision de
maintenance change suivant le niveau dinformations considr. Avec les niveaux
dinformations 1 ou 2 sur lensemble des composants, la (60 000) < 0.9.
Dans ce contexte, le processus de dcision impose au systme de sarrter. A
95

linverse, avec un niveau dinformation 3 sur lensemble des composants,
la (60 000) > 0.9. Le systme peut ainsi tre dploy sur la prochaine MFOP
sans effectuer doprations de maintenance.
1
0.95
MFOPS
0.9
0.85
0.8
0.75
0.7
Niveau 1
Niveau 2
Niveau 3
Figure 5.3: du systme = en fonction du niveau dinformation

disponible (Exemple 1)
Dans un second exemple, nous considrons le cas o lvolution de la dgradation est

trs similaire pour chacun des composants. La figure 5.4 illustre ces dgradations
jusqu = 60 000km. Nous observons dans cet exemple que les composants 1 et
2 sont faiblement dgrads.
10
A1
A2
8
Dgradation Z(t)
Niveau 1:
Niveau 2:
Niveau 3:
Niveau 1:
Niveau 2:
Niveau 3:
2
0
0
4
6
Kilomtrage [km]
10
4
x 10
Figure 5.4: Evolution de la dgradation des composants du systme (Exemple 2)
96

Densit de probabilit conditionnelle
La figure 5.5 permet de visualiser le comportement de la densit de probabilit du

systme conditionnellement au niveau dinformation disponible. Pour les niveaux
dinformation 1 et 2, la densit de probabilit conditionnelle est similaire celle de
lexemple 1 car les informations sont identiques. A linverse, les mesures de
dgradation obtenues avec le niveau 3 permettent dimpacter significativement la
densit de probabilit conditionnelle. Comme les dgradations sont faibles pour les
deux composants de lexemple 2, la densit de probabilit conditionnelle se dcale
plus vers la droite que dans lexemple 1. Cette densit est galement plus resserre.
0.02
Niveau 1
Niveau 2
Niveau 3
0.015
0.01
0.005
0
0.6
1.2
1.8
Kilomtrage [km]
2.4
3
x 10

d'information (Exemple 2)
1
0.95
MFOPS
0.9
0.85
0.8
0.75
0.7
Niveau 1
Niveau 2
Niveau 3
Figure 5.6: du systme = en fonction du niveau dinformation

disponible (Exemple 2)
97

Ce constat se retrouve dans lvaluation de la pour le niveau 3 qui est trs
proche de 1 (cf. figure 5.6). Les deux autres pour les niveaux 1 et 2 sont
identiques lexemple 1.
Ces diffrents exemples montrent ainsi lintrt de suivre au plus prs ltat des composants
et du systme pour adapter au mieux la dcision de maintenance la situation relle.
5.1.3
Impact sur les cots de maintenance
Nous avons vu dans la sous-partie 5.1.2, que le niveau dinformation disponible sur les
composants du systme pouvait impacter la dcision de maintenance. Notre objectif est
maintenant dillustrer limpact de la surveillance de ltat de sant des composants sur les
cots de maintenance. Pour cet exemple, nous allons reprendre le systme dfini dans la
partie 4.4. La figure 5.7 rappelle la structure du systme tudi.
Entre
Sortie
Figure 5.7: Structure du systme multi-composant

Dans la partie 4.4, nous avons considr que le niveau dinformation minimal tait
disponible pour ce systme. Cela signifie que lors de la prise de dcision de maintenance,
linformation sur le fonctionnement ou la panne du systme est uniquement disponible. Les
informations sont donc de niveau 1 sur lensemble des composants. Cette situation
correspond notre hypothse de surveillance n1.
Nous considrons maintenant que le niveau dinformation maximal sur ltat de sant des
composants est disponible. Supposons que les informations sur les composants 1 10
sont de niveau 2 et de niveau 3 sur les composants 11 14 . Cette situation correspond
notre hypothse de surveillance n2.
Pour les deux hypothses de surveillance mentionnes ci-dessus, le tableau 5.2 compare les
cots totaux de maintenance optimaux pour les diffrents critres de dcision. La
dmarche utilise pour lobtention des valeurs exprimes dans ce tableau est identique
celle prcise dans la partie 4.4.3. Pour le systme tudi, les rsultats montrent que
lhypothse de surveillance n2 permet dconomiser entre 2% et 5% sur le cot total de
maintenance. Nous observons donc dans cet exemple que le cot total de maintenance
diminue quand le niveau dinformation augmente. Pour les trois critres de dcision, cette
baisse est principalement due la rduction du nombre de pannes. Ces rsultats sont bien
98

videment mettre en relation avec linvestissement consenti pour mettre en place
larchitecture de surveillance ncessaire.
Critres
(Hypothse de surveillance n1)
(Hypothse de surveillance n2)
7414
7334
7266
7254 (-2%)
6977 (-5%)
6882 (-5%)
Tableau 5.2: Comparaison des optimaux suivant les hypothses de surveillance

considres
Toujours pour illustrer limpact de linformation de surveillance sur le cot total de
maintenance, nous allons tudier lvolution des pour trois scnarii de surveillance
donns. Le tableau 5.3 dfinit pour chaque scnario, le niveau dinformations disponible sur
les composants du systme. Nous supposons galement une MFOP de longueur
= 100 000km et un niveau de confiance = 0.6. Le critre 1 , bas sur la
minimisation des cots de remplacement, est utilis dans le processus de dcision.
Scnario 1
Scnario 2
Scnario 3
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
3
1
2
3
1
2
3
1
2
3
7731
7619 (-1.5%)
7497 (-3%)
Tableau 5.3: Evolution du pour trois scnarii fixs

Les diffrents scnarii ont pour objectif de tester limpact provoqu par le passage simultan
du niveau dinformation 1 3 sur les composants 11 14 moyennant un niveau
dinformation 1 sur les autres composants. Nous constatons que lamlioration du niveau
dinformation permet une diminution progressive des . Laccs une mesure de
dgradation sur les composants 11 14 entraine une diminution de lordre de 3% du .
5.2
Surveillance et conditions dutilisations des

composants
Outre les informations relatives ltat de sant des composants du systme, la qualit de la
dcision prise repose galement sur la connaissance des conditions dutilisation. Cette
connaissance, pour un composant donn, peut tre vue comme une information
complmentaire son tat de sant. En effet, pour un niveau de dtrioration donn, la
dure de vie rsiduelle dpend aussi des conditions dans lesquelles le composant va tre
utilis. Dans cette partie, nous nous focalisons sur la faon dintgrer ce type dinformations
de surveillance dans le processus de dcision de maintenance.
99

5.2.1
Conditions dutilisation: Dfinition et problmatique
Dans le cas dun systme de transport, que ce soit le vhicule complet ou un sous-systme
du vhicule, celui-ci volue dans un environnement dynamique qui influence le mcanisme
de dgradation de ses composants. Suivant les composants et leurs fonctions dans le
systme, une combinaison de variables lie lenvironnement oprationnel (topographie,
tat de la route, ), lutilisation du vhicule (changement de vitesse, ) ou aux types de
missions ralises impacte cette dgradation. La figure 5.8 permet de visualiser quelques
exemples denvironnements oprationnels dans lesquels le vhicule peut tre amen
voluer.
Aujourdhui, beaucoup de systmes multi-composants voluent avec des conditions
dutilisation variables mais leurs politiques de maintenance sont difficilement adaptes ces
variations (Tinga & Janssen, 2013). Cest notamment le cas pour la plupart des systmes
militaires mais aussi pour beaucoup dautres systmes comme les vhicules industriels. Ne
pas prendre en compte cette variabilit au niveau des conditions dutilisation conduit une
forte incertitude et une efficacit limite de la politique de maintenance.
Etat de la route
Topographie
Figure 5.8 : Illustrations de lenvironnement oprationnel dun vhicule industriel

Pour rpondre cette problmatique, Tinga (2010) propose dadopter une approche base
sur les profils dusage. Il sagit de classifier lusage oprationnel dun systme suivant un
nombre limit de profils et de dfinir une relation quantitative entre les profils dusage et
ltat du systme. Cette approche est mise en uvre dans (Tinga & Janssen, 2013) sur une
100

frgate. Pour les sous-systmes dune frgate, les intervalles de maintenance sont fixs par
rapport aux temps dutilisation. Il est galement prcis quune heure dutilisation dans des
conditions dusage svre provoque plus de dgts que dans des conditions dusage normal.
En surveillant uniquement lusage, lapproche retenue va permettre de svriser plus ou
moins le calcul des temps dutilisation et dadapter, en consquence, la maintenance.
Contrairement Tinga & Janssen (2013), notre objectif nest pas de mettre en place une
maintenance base uniquement sur la surveillance de lusage ( usage-based
maintenance ). Notre but est dutiliser linformation sur les conditions dutilisation des
composants pour complter le processus de dcision de maintenance. Dans la suite, des
mthodes sont proposes pour intgrer ces informations au niveau des modles de dure de
vie ou de dgradation de chaque composant et pouvoir ainsi adapter lestimation de
la (Lesobre et al., 2014a) (Lesobre et al., 2014c).
5.2.2
Conditions dutilisation et modles de dure de vie
Actuellement, les modles de dures de vie sont obtenus partir de lhistorique de

maintenance disponible par vhicule. Ils sont labors par composant pour une gamme de
vhicule donne et par anne de mise en circulation. Les rsultats obtenus dcrivent des
modles avec une variance trs importante. La mconnaissance des conditions dutilisation
est lexplication principale de cette variance. En effet, les pannes observes dans lhistorique
peuvent provenir de composants utiliss dans des conditions totalement diffrentes. Dans
ce contexte, considrer un modle unique pour un jeu de donnes de pannes savre
inappropri et conduit dfinir un modle avec une variance importante.
Lobjectif est donc de russir relier les diffrents profils dutilisation dun composant des
modles de dure de vie. Dans cette sous-partie, une mthode base sur lexprience est
propose pour tablir cette connexion. Sous lhypothse que les conditions dutilisation du
composant affectent sa fiabilit et sa loi de dure de vie, une mthode base sur les
modles de mlange peut tre utilise. Considrer un modle de mlange de lois pour un
composant revient considrer qu chaque profil dutilisation correspond une loi. De plus,
lorsquon observe la dure de vie dun composant sans connatre son profil dutilisation, sa
loi de dure de vie suit une loi de mlange des lois lies chaque profil dutilisation.
Pour mettre en place la mthode, nous considrons avoir accs un historique de pannes
par composant. Nous supposons galement quun composant volue au cours de sa vie
entre un environnement dit normal et un environnement dit stress . Pour chacune
des pannes contenues dans lhistorique, nous faisons lhypothse que la variable ,
est
disponible. Celle-ci correspond au ratio de la distance passe par un composant dans un
environnement stress sur la distance totale parcourue la panne.
101

Dfinition des modles de mlange
Nous sommes en prsence dun modle de mlange de lois de probabilit lorsque les
donnes proviennent dune source contenant plusieurs sous-populations (Razali & AlWakeel, 2013). Chaque sous-population est modlise de manire spare par une loi de
probabilit. La population totale est un mlange de ces sous-populations. Dans notre
contexte, chaque sous-population reprsente donc un profil dutilisation diffrent pour un
composant. La fonction de densit de la loi de mlange est donne par:
() = (, )
(5.3)
=1
avec le nombre suppos de sous-populations dans le mlange tudi, la proportion de la

-ime sous-population dans le mlange et (, ) la densit de probabilit de la ime souspopulation. De mme, la fonction de rpartition de la loi de mlange est donne par:
() = (, )
(5.4)
=1
avec (, ) la fonction de rpartition de la -ime sous-population.

Lestimation des paramtres de la loi de mlange est effectue avec la mthode du maximum de
vraisemblance. Cette mthode consiste rechercher les valeurs des paramtres qui maximisent le
logarithme de la vraisemblance des donnes observes. Pour atteindre cet objectif en prsence de
donnes incompltes, lalgorithme EM (Expectation-Maximisation) est majoritairement utilis
(Lebarbier & Mary-Huard, 2008). Cette procdure va ainsi permettre, partir de lhistorique des
pannes, destimer les paramtres du modle de mlange pour un nombre donn de souspopulations.
Cependant, en principe, le nombre de sous-populations est inconnu. Mme si lon dispose
dinformations a priori sur les donnes, il est difficile de le fixer par avance. Pour dterminer le
nombre de sous-populations , le coefficient de dtermination permettant dapprhender la
qualit de lajustement entre les donnes initiales et les donnes estimes avec le modle de
mlange est introduit (Razali & Al-Wakeel, 2013). Le coefficient de dtermination sexprime de la
faon suivante:
=1( )
= 1
( )2
(5.5)
=1
avec le nombre de donnes dans la population totale, les frquences relatives associes aux
les valeurs estimes en utilisant les lois de mlange et la moyenne
donnes observes,
des . La qualit de lajustement augmente naturellement avec le nombre de sous-populations
102

considr. Pour viter de choisir toujours le nombre maximal de sous-populations dfini par notre
connaissance a priori, un seuil de 0.99 est fix pour le coefficient de dtermination. Ainsi, le
premier modle de mlange sous-populations avec un coefficient de dtermination suprieur
0.99 est retenu. Cette limite a t fixe suite des tests sur des donnes o le nombre de souspopulation tait initialement connu. Pour choisir le nombre de sous-populations dans le mlange,
le critre BIC (Bayesian Information Criteria) est galement trs utilis. Nanmoins, dans le
contexte de notre tude, les rsultats obtenus avec ce critre sont moins pertinents.
Affectation des donnes a posteriori
Une fois le nombre de sous-populations et les paramtres du mlange identifis, il est
ensuite ncessaire de pouvoir affecter chaque panne observe une sous-population
donne. Pour ce faire, lide naturelle est de classer la panne dans la sous-population dont
elle a le plus de chances dtre issue au vue de sa valeur observe et des caractristiques des
sous-populations. On sintresse donc ici la probabilit que lindividu appartienne la
sous-population , sachant que lon a observ pour cet individu la valeur pour sa date de
dfaillance. Cette probabilit note est appele probabilit a posteriori que lindividu
soit dans la population et elle est donne par :
=
( , )
=1 ( , )
(5.6)
En sappuyant sur cette probabilit, une classification base sur la rgle du Maximum A
Posteriori (MAP) va tre utilise (Lebarbier & Mary-Huard, 2008). Nous allons ainsi classer
lindividu dans la sous-population correspondant la probabilit maximale pour cet
individu. Si cette quantit est proche de 1 pour une sous-population, lindividu est class
avec un faible risque derreur dans cette sous-population. Si au contraire les probabilits
sont assez proches, le classement de lindividu comporte un risque derreur plus important.
En pratique, cette affectation ralise une classification des pannes observes. Pour rappel, la
variable ,
est suppose connue. Cette variable permet dans ce contexte de connatre
les conditions dutilisation pour chaque panne rpertorie. Notre dmarche consiste alors
apprendre le ou les seuils sur ,

pour distinguer les diffrentes sous-populations
partir de lensemble dapprentissage classifi par une rgle MAP. Ce ou ces seuils sont
ensuite utiliss quand une dcision de maintenance doit tre prise pour slectionner le
modle de dure de vie adquat pour un composant. Cela signifie qu linstant , quand une
dcision de maintenance doit tre prise, la variable ,

est utilise pour slectionner le
modle de dure de vie adquat en fonction des conditions dutilisation. Cette variable ,
correspond au ratio de la distance passe par un composant dans un environnement
stress sur la distance totale parcourue linstant .
103

Illustration de la mthode
Lobjectif de cette illustration est de mettre en uvre la mthode base sur les modles de
mlange que nous venons de dtailler. Lhistogramme (cf. figure 5.9) reprsente lensemble
des pannes rpertories pour un composant donn. Chaque panne mentionne dans
lhistogramme est associe avec sa variable ,

. A partir de cette population initiale,
lobjectif va tre de dterminer si les pannes obtenues pour ce composant sont issues dune
ou de plusieurs sous-populations.
1200
Nombre de panne
1000
800
600
400
200
0
1
1.5
2
2.5
Kilomtrage des pannes
3.5
5
x 10
Figure 5.9: Rpartition des pannes pour le composant i

Considrons, dans une premire tape le cas avec = 1 sous-population. Une loi de Weibull
est utilise pour modliser la dure de vie de ce composant. A noter que la loi de Weibull est
la loi de dure de vie la plus largement utilise pour modliser des ensembles de pannes.
Pour ce jeu de donnes, si nous considrons uniquement une sous-population et une loi de
2
Weibull pour lestimation, on obtient un coefficient de dtermination gal =1
= 0.986.
Densit de probabilit
2.5
x 10
-5
Modle s=2, 1ere sous-population

Modle s=2, 2eme sous-population
Modle s=1
2
1.5
1
0.5
0
0
2
3
Kilomtrage [Km]
5
x 10
Figure 5.10: Modles de dure de vie obtenus avec = et =

104

Bien que cette valeur soit parfaitement acceptable, la figure 5.10 montre une variance trs
importante pour le modle = 1 sous-population. En appliquant les modles de mlange
pour des lois de Weibull 2 sous-populations sur ce jeu de donnes, nous obtenons un
2
coefficient de dtermination de =2
= 0.992. La variance sur les deux modles dfinis est
beaucoup plus faible et donc plus acceptable. Nous allons ainsi retenir un mlange de 2
sous-populations pour ce jeu de donnes. Les deux courbes pour = 2 reprsentent les
deux sous-populations identifies.
1
s=2, sous-population 1
s=2, sous-population 2
Limite
0.8
0.6
0.4
0.2
0
0
1000
2000
3000
Pannes
4000
5000
6000
Figure 5.11: Allocation des pannes rpertories dans la base de donnes simule
Une fois les paramtres des diffrents modles de mlange estims et le nombre de souspopulations slectionn, laffectation des pannes a posteriori aux diffrentes souspopulations doit tre effectue. Les rsultats de cette affectation sont proposs dans la
figure 5.11. Lanalyse de cette figure fait ressortir que les variables ,
sont globalement
plus leves pour les pannes associes la sous-population 1. La dernire tape consiste
dfinir une valeur limite au niveau de la variable ,

permettant de distinguer les deux
sous-populations. Cette limite est dtermine en maximisant le nombre de pannes
correctement placs. Dans notre illustration, la limite est fixe 32%. Cette limite permet,
quand une dcision de maintenance doit tre prise, de slectionner le modle de dure de
vie adquat pour un composant en se basant uniquement sur ses conditions dutilisation.
5.2.3
Conditions dutilisation et modles de dgradation
Supposons quun composant volue au cours de sa vie entre un environnement dit

normal et un environnement dit stress qui influencent sa dgradation. Considrons
galement que les informations contenues dans la base de donnes nous permettent de
retrouver les processus de dgradation suivis par le composant dans lenvironnement
normal et dans lenvironnement stress . Notons (, , , ) et (, , , ) les
105

processus de dgradation correspondant respectivement lenvironnement normal et
lenvironnement stress pour un composant . Sous lhypothse que les informations de
surveillance disponibles en ligne nous donnent accs une mesure de dgradation et la
variable ,
, une mthode doit tre propose pour intgrer ces informations dans le
processus de dcision. Plus spcifiquement, la mthode propose doit permettre destimer
la dure de vie rsiduelle dun composant linstant 1 conditionnellement son niveau de
dgradation (1 ) et ses conditions dutilisation reprsentes par la variable ,

.
1
Prsentation de lapproximation propose
Pour estimer cette dure de vie rsiduelle, le problme est la mconnaissance des
conditions dutilisations futures du composant. Dans la littrature, les hypothses les plus
courantes consistent considrer que lenvironnement aprs 1 est fixe ou que lon connait
exactement les transitions futures entre lenvironnement normal et stress (Khoury,
2012). Par exemple, si on considre quaprs 1 , le composant volue uniquement dans un
environnement dit normal , sa fiabilit conditionnelle est donne par:
(| (1 ) ) = 1
(, ( 1 ), ( (1 )), )
(, ( 1 ))
(5.7)
Ces hypothses semblent peu ralistes dans le cas o les conditions dutilisation passes du
composant sont trs variables. Pour la mthode propose, lhypothse retenue est de
considrer que lenvironnement aprs 1 est un mlange denvironnements normaux et
stresss . La proportion entre ces deux environnements est suppose similaire celle
observe au cours de son utilisation passe.
Dans ce contexte, une approximation du mcanisme de dgradation aprs 1 peut tre
donne par un processus Gamma dont la moyenne et la variance des incrments sont des
moyennes pondres par ,

des moyennes et des variances relatives aux processus
1
Gamma (, , , ) et (, , , ) initiaux. Nous proposons de dfinir les paramtres 1
de ce nouveau processus de dgradation nomm (, , , ) de la manire suivante:
,
,
,
= (1 ,
)(
) + (,
)( )
1
1
,
,
,
,
, 2
avec ( )
et (
= (1 ,
)(
1
lesprance
et
(5.8)
)
+
(
)
(
)
,
1
, 2
, 2
la
variance
des
incrments
du
processus
Gamma (, , , ). Ainsi lestimation de la fiabilit conditionnelle est donne par:
106

(| (1 )) = 1
(, ( 1 ), ( (1 )), )
(, ( 1 ))
(5.9)
Evaluation de lapproximation propose

Afin de valider lapproximation propose lquation 5.9, la premire tape consiste
reproduire des histoires de dgradation pour le composant avec des conditions dutilisation
similaires. Lobjectif est de comparer la fonction de rpartition obtenue partir des pannes
simules avec lapproximation propose.
Pour simuler ces histoires de dgradation, un processus markovien compos de deux tats
reprsentant lenvironnement normal et lenvironnement stress est introduit. Ce
processus est utilis pour simuler les diffrents changements dtat durant la vie du
composant. Supposons que le taux de transition entre un environnement normal et stress
suit une loi exponentielle de paramtre et que le taux de transition entre un
environnement stress et normal suit une loi exponentielle de paramtre . Pour ce
processus, considrons que la loi stationnaire dfinit une valeur de 40% pour
lenvironnement normal et une valeur de 60% pour lenvironnement stress . De plus,
supposons que le nombre moyen de kilomtres de sjour dans un environnement normal
est fix 1000 km. Le mcanisme de dgradation suit un processus Gamma (7(4), 17)
pour lenvironnement normal et un processus Gamma (1.4(3), 20) pour
lenvironnement stress. Le seuil limite de dgradation est fix = 12 pour le composant
considr. Les hypothses prcdentes permettent de dterminer les valeurs de
1
= 1000 = 0.001 et de =
2
3
Fonction de rpartition
1
0.8
FR empirique
FR approximation propose
0.6
0.4
0.2
0
1
1.5
2
Kilomtrage [km]
2.5
3
x 10
Figure 5.12 : Comparaison entre la fonction de rpartition empirique et lapproximation

propose (FR=Fonction de rpartition)
107

Avec ces hypothses, 1000 histoires de dgradation sont simules. Pour chaque histoire, le
kilomtrage o la panne se produit est enregistr. Comme lhorizon de simulation est trs
grand, la loi stationnaire est considre comme atteinte. Cette hypothse est vrifie sur les
simulations avec la variable ,

associe la panne du composant qui est en moyenne
gale 60% sur lensemble des histoires simules avec une variance de lordre de 1.4. 103 .
Pour valider lapproximation propose, la figure 5.12 compare la fonction de rpartition
empirique construite partir des pannes simules et la fonction de rpartition obtenue en
se basant sur lquation 5.9. A noter que la pondration utilise est similaire la loi
stationnaire dfinie pour le processus markovien. Cette figure permet ainsi de visualiser la
grande proximit entre la fonction de rpartition empirique et lapproximation propose. Le
calcul de coefficient de dtermination 2 = 0.98 entre ces deux courbes permet de
confirmer et de valider que lapproximation ralise est pertinente.
5.3
Exemple numrique
Dans cette dernire partie, notre objectif est dvaluer limpact de linformation de
surveillance sur la politique de maintenance dveloppe. Dans ce cadre, nous prsentons,
tout dabord, la procdure de simulation utilise, les diffrents cas de surveillance
considrs et la description du systme tudi. Nous terminons par les rsultats et leurs
interprtations.
5.3.1
Procdure de simulation
Dans ltat actuel, larchitecture de surveillance du vhicule industriel ne permet pas davoir
accs aux conditions dutilisation des composants. Conscient de cette problmatique, de
nombreux projets sont en cours au sein du groupe Volvo pour accder une connaissance
prcise de lenvironnement dynamique dans lequel volue chaque systme. Pour pallier ce
manque dinformations, des donnes dhistorique de remplacement sont gnres par
simulation pour chacun des composants dun systme donn. Pour la cration de cette base,
un cadre de simulation identique est propos. Son objectif est de retranscrire le plus
fidlement possible la dgradation dun composant dans un environnement dynamique.
Considrons que les conditions dutilisation dun composant donn voluent entre un
environnement dit normal et un environnement dit stress . Dans la ralit, la
distinction entre ces deux environnements peut tre effectue par le suivi de variables lies
lenvironnement opratoire, lutilisation du vhicule ou aux types de missions. Afin de
retranscrire la variabilit observable au niveau des conditions dutilisation des composants,
un grand nombre dhistoires est simul. Pour chaque histoire, les conditions dutilisation
sont supposes diffrentes. Ces histoires peuvent tre vues comme une succession de
priodes kilomtriques dont les longueurs sont dfinies partir dune loi
normale (10000, 1000). Un environnement normal ou stress est ensuite affect
108

chacune de ces priodes. Pour effectuer cette affectation une probabilit de se trouver dans
un environnement stress comprise entre 0 et 60% est associe chaque histoire. Les
paramtres utiliss pour modliser la longueur des priodes ont t dfinis avec des experts
internes et sont indpendants de la fiabilit du composant.
Afin de simuler le mcanisme de dgradation du composant, nous allons considrer que
lenvironnement influe sur la rapidit et la variance de sa dgradation. Dans ce cas, des
processus Gamma avec des paramtres diffrents sont affects lenvironnement
normal et lenvironnement stress . Notons (, , , ) et (, , , ) les
processus de dgradation correspondant respectivement lenvironnement normal et
lenvironnement stress pour un composant . Rappelons que le processus Gamma est un
processus accroissements positifs trs utilis pour modliser lusure dun composant
(Abdel-Hameed, 1975) (Van Noortwijk, 2009). Le composant est considr en panne ds lors
que son niveau de dgradation not () dpasse une limite de dgradation spcifie . La
figure 5.13 illustre, pour une histoire donne, le mcanisme de dgradation dun composant
en fonction de son environnement simul. Notons que les processus de dgradation donns
la figure 5.13 sont uniquement illustratifs.
6
Dgradation Z(t)
5
4
Dgradation
Limite de dgradation
Env. S
Panne
observe
Env. N
Env. S
Env. N
1
0
0
4
5
Kilomtrage [Km]
9
x 10
Figure 5.13: Dgradation d'un composant dans un environnement dynamique (Env. N =

Environnement normal, Env. S = Environnement stress)
Pour chaque histoire simule, la base de donnes enregistre la dgradation du composant,
sa date de panne ainsi que ses conditions dutilisation. Linformation sur les conditions
dutilisation prend la forme dune variable ,

exprime en pourcentage. Cette variable ,
correspond au ratio de la distance passe par un composant dans un environnement
stress sur la distance totale parcourue linstant .
109

5.3.2
Description des cas de surveillance considrs
Pour tre en mesure dvaluer limpact de linformation de surveillance sur la politique de

maintenance dveloppe, plusieurs cas de surveillance sont considrs (cf. tableau 5.4).
Hypothses
Cas de
surveillance
Information sur les

conditions dutilisation des
composants
Niveau dinformation disponible

sur ltat de sant des
composants
Modle de fiabilit disponible
Cas 1
Non
Niveau 2
Modle de dure de vie unique

par composant
Cas 2
Oui
Niveau 1
Modles de dure de vie lis aux

conditions dutilisation
Cas 3
Oui
Niveau 3
Modles de dgradation lis aux

conditions dutilisation
Tableau 5.4: Dfinition des diffrents cas de surveillance considrs

Pour expliciter les diffrents cas de surveillance proposs, nous distinguons les hypothses
en deux groupes:
-
Le premier groupe se concentre sur linformation disponible au sein de la base de

donnes simule. Suivant les cas de surveillance considrs, nous supposons que les
informations rpertories dans la base de donnes simule peuvent tre
partiellement disponibles. Ces hypothses servent rendre compte des diffrences
observables au niveau de la prcision des informations dans les bases de donnes.
Dans un second groupe, nous nous focalisons sur les hypothses relatives aux
informations de surveillance disponibles en ligne pour les diffrents composants du
systme.
Lensemble de ces hypothses va jouer un rle dans le processus de dcision de

maintenance mis en place. Dans cet exemple numrique, nous nous concentrons
uniquement sur trois cas de surveillance parmi lensemble des combinaisons possibles. De
notre point de vue, cette combinatoire, mme si elle est restreinte, est suffisante pour
mettre en vidence limpact de linformation de surveillance sur la politique de maintenance
dveloppe.
Cas 1
Dans le premier cas de surveillance considr, nous supposons que lhistorique de
maintenance donne accs uniquement aux kilomtrages de panne. Nous ne disposons ainsi
110

daucune information sur les conditions dutilisation des composants, ni sur leur
dgradation. Dans ce contexte, un modle de dure de vie unique est dfini par composant.
Ces modles servent estimer la du systme dans ce premier cas de surveillance.
En sappuyant sur ces hypothses, un modle de maintenance va valuer le moyen du
systme en appliquant la politique de maintenance dveloppe dans le chapitre prcdent.
Pour mettre en place ce modle, des histoires de dgradation sont simules pour chaque
composant. Le cadre de simulation est similaire celui utilis pour la construction des bases
de donnes initiales. Nous supposons galement que linformation sur ltat de
fonctionnement de chaque composant du systme est disponible en ligne. A linverse, les
conditions dutilisation sont inconnues. Ce premier cas de surveillance est trs proche de la
situation actuelle du groupe Volvo et il est utilis comme point de comparaison.
Cas 2
Pour le second cas de surveillance, lhistorique de maintenance est suppos contenir les
instants de pannes et les conditions dutilisation de chaque composant du systme. Ces
informations permettent de dfinir des modles de dure de vie qui vont tre lis aux
conditions dutilisation du composant. La mthode utilise pour relier conditions
dutilisation et modles de dure de vie a t explicite dans la sous-partie 5.2.2.
Sur la base de ces hypothses, le processus de dcision de maintenance est adapt
conformment aux recommandations de la sous-partie 5.2.2. Un modle de maintenance
est ensuite utilis pour estimer le moyen du systme. Pour chaque histoire simule,
nous supposons quaucune information nest disponible en ligne sur ltat de sant des
composants. A linverse, la variable ,

traduisant les conditions dutilisation est suppose
connue. Cette information permet de slectionner le modle de dure de vie adquat avant
chaque dcision de maintenance.
Cas 3
Dans le troisime et dernier cas de surveillance, nous supposons que lhistorique de
maintenance disponible nous permet de dfinir, pour chaque composant, les processus de
dgradation dans lenvironnement normal et dans lenvironnement stress .
Pour mettre en place le modle de maintenance permettant dvaluer la politique, nous
supposons quune mesure de dgradation et que les conditions dutilisation sont disponibles
chaque dcision de maintenance pour chaque composant. Pour intgrer ces informations,
la mthode dveloppe dans la sous-partie 5.2.3 est utilise.
111

5.3.3
Prsentation du systme tudi

Entre
Sortie
Figure 5.14: Dfinition de la structure du systme multi-composant tudi

La figure 5.14 dfinit la structure du systme multi-composant que nous allons utiliser pour
cette illustration. Pour ce systme, nous considrons un kilomtrage annuel moyen de
100 000 km. Le cot et le temps de diagnostic unitaire sont respectivement de = 20 et
= 5 min. Le taux horaire de la main duvre est fix = 90 et le cot de la perte
dexploitation par heure dimmobilisation quivaut = 100. Pour le remorquage, nous
avons un cot suppos de = 1500 pour une dure estime = 5h. Enfin,
le cot logistique li lentre du systme en atelier de maintenance est de = 100
pour une dure fixe = 30 min.
Processus de
dgradation
G(7e(-4),20)
G(1.4e(-3),20)
L=12
G(7e(-4),20)
G(1.4e(-3),20)
L=12
G(8e(-4),20)
G(1.6e(-3),20)
L=12
G(8e(-4),20)
G(1.6e(-3),20)
L=12
G(6e(-4),20)
G(1e(-3),20)
L=11
G(6.4e(-4),20)
G(1.4e(-3),20)
L=11
Modles de dure
de vie (modle de
mlange = )
W(2.5e5,12.2)
W(3.1e5,8.2)
W(2.5e5,12.24)
W(3.1e5,8.2)
W(2.2e5,12.1)
W(2.7e5,8.2)
W(2.2e5,12.1)
W(2.7e5,8.2)
W(3e5,15.1)
W(3.5e5,9.9)
W(2.4e5,10.8)
W(3.1e5,7.4)
Modle de dure
de vie ( = )
W(2.9e5,6.7)
W(2.9e5,6.7)
W(2.6e5,6.7)
W(2.6e5,6.7)
W(3.3e5,8.6)
W(2.9e5,5.6)
(en )
368
368
272
272
509
1106
(en h)
1.5
1.5
3.7
1.8

Le tableau 5.5 rpertorie les proprits des diffrents composants du systme. Ce tableau
contient pour chaque composant:
-
Les processus utiliss pour modliser la dgradation dans un environnement

normal et stress
112

-
Les modles de dure de vie obtenus en appliquant les modles de mlange la base
de donnes simule. En suivant la mthode dfinie dans la sous-partie 5.2.2, un
mlange de deux sous-populations a t retenu pour chaque composant.
Le modle de dure de vie obtenu en appliquant un modle unique pour reprsenter
lensemble des donnes de pannes simul. Dans ce cas, on suppose que lensemble
des pannes provient dune seule et mme sous-population.
Le cot
La dure
5.3.4
Rsultats et analyses
Pour illustrer limpact de linformation de surveillance sur la politique de maintenance

dveloppe, nous allons comparer les diffrents cas considrs. En sappuyant sur les
hypothses spcifies, un modle de maintenance, similaire au chapitre prcdent, est
utilis pour valuer les moyens sur un horizon de cinq ans. Le critre de dcision 1 est
utilis pour la politique de maintenance. Pour les diffrents cas, lestimation des est
ralise pour des couples de paramtres MFOP/NC identiques. Pour la comparaison, nous
prenons des MFOP entre 10 000km et 120 000km par pas de 10 000km et des niveaux de
confiance allant de 60% 99% par pas de 3%. Notons, galement, que les cots lis la mise
en place des diffrents cas de surveillance, comme le cot des capteurs ou des solutions
technologiques, ne sont pas pris en compte. Il sagit ici dune tude prospective qui a
vocation tudier lintrt dun dveloppement dune instrumentation ddie et de
procdures de recueil de donnes adaptes.
x 10
Cot
1.5
0.5
15
x 10
10
4
MFOP
0.7
0.6
0.8
0.9
NC
Figure 5.15 : Evolution du moyen en fonction des paramtres MFOP/NC considrs

(Cas 1)
113

Premirement, la figure 5.15 reprsente les pour les diffrents couples de paramtres
(MFOP/NC) lorsque le premier cas de surveillance est considr. Les rsultats montrent que
le moyen optimal est atteint pour une MFOP de 90 000 km et un niveau de confiance
gal 81%. Cette solution fournit le meilleur compromis conomique entre les oprations
de maintenance prventives et correctives. Ce premier rsultat est utilis comme base de
comparaison. Dans certaines configurations, des paliers sont observables. Ces paliers
dfinissent une augmentation puis une diminution des en lien avec laugmentation de la
valeur du niveau de confiance. Ce comportement signifie que jusqu un certain niveau de
confiance, le cot additionnel gnr par la maintenance prventive est plus important que
les gains entrains par la rduction de la maintenance corrective.
Le tableau 5.6 synthtise les rsultats obtenus et permet de comparer les diffrents cas.
Pour le deuxime cas de surveillance, la connaissance des conditions dutilisation permet,
chaque dcision de maintenance, de slectionner le modle de dure de vie adquat pour
lensemble des composants. La prise en compte de cette information de surveillance permet
ainsi dconomiser plus de 5% sur le optimal relativement au premier cas de
surveillance. Le gain moyen observ sur chaque couple de variables de dcision est quant
lui de 14% en comparaison du premier cas. Pour le systme considr, la connaissance des
conditions dutilisation de chaque composant apparat tre plus impactant que linformation
marche/panne pour rduire les cots de maintenance.
Pour le troisime cas de surveillance, une mesure de dgradation et les conditions
dutilisation sont disponibles pour tous les composants chaque dcision de maintenance.
De plus, les processus de dgradation pour lenvironnement normal et stress sont
connus pour lensemble des composants. Lintgration de ces informations dans le processus
de dcision de maintenance fait conomiser plus de 17% sur le optimal par rapport au
premier cas de surveillance. Le gain moyen observ sur chaque couple de paramtres est
quant lui de 32% en comparaison du premier cas. Ces rsultats montrent clairement sur le
systme considr, limpact de linformation de surveillance sur loptimisation de la politique
de maintenance.
Gain moyen observ sur le
optimal
Gain observ sur le

moyen optimal
relativement au Cas 1 (%)
pour chaque couple de
Cas 1
5866
(MFOP=90000, NC=81%)
Cas 2
5539
(MFOP=80000, NC=72%)
5.6%
14.2%
Cas 3
4824
(MFOP=10000, NC=99%)
17.8%
31.9%
Cas de
surveillance
paramtres considr
relativement au Cas 1 (%)
Tableau 5.6: Comparaison des diffrents cas de surveillance considrs
114

Pour ce dernier cas de surveillance, le optimal est obtenu pour une MFOP de 10 000 km
et un niveau de confiance de 99%. En comparaison avec les autres couples optimaux pour les
cas de surveillance 1 et 2, la MFOP est infrieure. Cette diffrence sexplique au niveau de
lvaluation de la . Pour les cas de surveillance 1 et 2, cette valuation est ralise partir
des modles de dure de vie dfinis par composant. Les rsultats montrent, pour les premires
valeurs de MFOP, que le est impact soit par un nombre de pannes trs significatif soit
par un nombre de maintenances prventives trs important. Cela signifie que la politique de
maintenance pour les premires valeurs de MFOP ne permet pas de fournir une dcision assez
pertinente. Le cot optimal est ainsi plutt obtenu pour des valeurs de MFOP plus importantes
permettant doffrir un meilleur compromis au niveau des cots.
A linverse, pour le troisime cas de surveillance, lvaluation de la est base sur des
processus de dgradation complts par une mesure de dgradation. Ces informations
permettent dtre beaucoup plus prcis sur ltat rel du systme. En consquence, la dcision de
maintenance est beaucoup plus pertinente pour les premires valeurs de MFOP. Elles permettent
notamment la politique de se mettre jour plus frquemment en fonction de linformation de
surveillance. Une MFOP de 10 000 km peut parfois tre juge trop faible par certains utilisateurs.
Considrons alors quune contrainte nous impose une valeur de MFOP au moins suprieure
60 000 km. Dans ce cas, le troisime cas de surveillance permet encore dconomiser environ 13%
sur le optimal relativement au premier cas.
5.4
Conclusion
Dans le chapitre 4, nous avons dvelopp une politique de maintenance dynamique capable
de prendre en compte la structure du systme multi-composant. Cette politique base sur le
concept de la MFOP permet de garantir avec un certain niveau de confiance, des priodes
doprations sans limitation lie la maintenance ou la panne du systme.
Dans ce chapitre, nous nous sommes focaliss sur laspect dynamique de cette politique.
Cette caractristique associe la politique dveloppe permet dadapter la dcision de
maintenance en ligne en fonction des informations disponibles de surveillance. Pour
soutenir le processus de dcision mis en place, des mthodes ont t dveloppes pour
intgrer les diffrents types dinformations de surveillance. Ces mthodes permettent de
prendre en compte chaque dcision de maintenance le niveau dinformation disponible sur
ltat des composants et sur les conditions dutilisations.
Les rsultats des simulations sur un systme multi-composant donn illustrent limpact
positif de linformation de surveillance sur loptimisation de la politique de maintenance et
sur la rduction des cots.
115

116
Chapitre 6 Mthodologie de conception pour la

maintenance
Chapitre 6
Mthodologie de conception pour la
maintenance
Les deux chapitres prcdents ont t consacrs la prsentation de la politique de
maintenance dynamique dveloppe dans cette thse. Premirement, diffrents critres de
dcision ont t proposs ainsi quun modle de cot permettant dvaluer la politique de
maintenance. Dans un second temps, nous nous sommes focaliss sur la prise en compte de
linformation de surveillance pour adapter dynamiquement la prise de dcision de
maintenance.
Dans ce chapitre, notre objectif est de prsenter une mthodologie de conception intgrant
les problmatiques lies la maintenance. Le terme conception fait ici rfrence aux
choix relatifs aux proprits de fiabilit, aux niveaux dinformations de surveillance,
laccessibilit des composants ou aux redondances ventuelles. Cette mthodologie vise
fournir un outil daide la dcision permettant de statuer entre les diverses propositions de
conception afin de rduire les cots dexploitation du systme.
Dans un premier temps, nous allons justifier lintrt de mettre en place une mthodologie
de conception pour la maintenance. Nous effectuons ensuite un tat des lieux sur
lutilisation de la MFOP pour la conception. En sappuyant sur ces travaux et sur les limites
observes, une mthodologie est dveloppe. En lien avec celle-ci, un facteur dimportance
est propos afin de prioriser les actions de conception raliser. Enfin, un exemple
numrique illustre la mthodologie sur un systme multi-composant donn.
6.1
Maintenance et conception: le duo gagnant
Dune manire gnrale, le but du concepteur est de trouver le meilleur compromis entre
lamlioration de la performance du systme, pour satisfaire le client, et la diminution des
cots de fabrication. Pour un systme donn, lamlioration des caractristiques de fiabilit
et de maintenabilit conduit inexorablement augmenter ce cot. En consquence, ces
caractristiques sont souvent sous-estimes, impactant de fait la maintenance et les cots
associs.
Nanmoins, aujourdhui les clients ne se contentent plus uniquement des performances
intrinsques du systme. Ils accordent une importance grandissante sa durabilit et aux
services associs (Jury & Sturdivant, 1995). Pour rpondre aux attentes et aux besoins des
clients, nous assistons une volution des entreprises qui fabriquent ces systmes. Elles
117

maintenance
passent de la vente de systmes manufacturs la vente de services (Keller, 2003). Dans ce
cadre, elles proposent leurs clients de payer non plus uniquement pour le systme luimme mais aussi pour son utilisation. A la charge de lentreprise qui fabrique ce systme de
contrler que celui-ci assure ses fonctions pendant une priode de temps contractualise.
Pour mettre en place ces nouvelles offres de service, un changement de paradigme est
ncessaire lors de la conception. Il ne sagit plus de minimiser uniquement les cots de
fabrication mais plutt davoir une rflexion sur les cots tout au long du cycle de vie du
systme. Cela implique notamment de repenser le positionnement des problmatiques lies
la maintenance ds la conception.
Dans un premier temps, cette partie propose une description de la place actuelle de la
maintenance et de sa ncessaire volution pour une gestion optimale du systme sur son
cycle de vie. Nous analysons ensuite, comment la MFOP est utilise dans la littrature pour
rpondre aux problmatiques de conception.
6.1.1
Place de la maintenance: volution
Bien que les recherches sur les problmatiques de maintenance aient connues des avances
significatives pendant les dernires dcennies, la maintenance garde encore une image
ngative. Elle est souvent associe uniquement aux dfaillances rencontres par le systme.
Si on considre maintenant le rle de la maintenance dans une perspective de gestion du
systme durant son cycle de vie, cette image change radicalement (Takata et al., 2004). Le
dveloppement dune maintenance efficace permet lentreprise qui propose le service de
raliser des profits et ses clients de profiter dun service de qualit. On passe ainsi dune
activit qui est perue comme un centre de cot une activit porteuse de profits.
Traditionnellement, le champ dapplication de la maintenance se limite la phase
oprationnelle. Cette phase inclut llaboration du planning, le diagnostic et la ralisation
des oprations de maintenance. En considrant la maintenance comme un service
permettant de conserver les fonctions du systme sur son cycle de vie, celle-ci ne doit plus
tre limite la phase oprationnelle. Il devient donc primordial dintgrer les
problmatiques de maintenance le plus tt possible dans le cycle de vie du systme.
Dans ce cas, la croyance commune est de penser que les cots dinvestissement et le dlai
de conception augmentent. Markeset and Kumar (2001) contredisent cette ide reue. Si la
maintenance est prise en compte ds la conception du systme, les itrations au niveau du
design sont rduites car les problmes sont penss et rsolus en amont. Les cots et les
travaux associs pour remdier aux dfauts de conception sont ainsi dautant moins
importants quils sont considrs tt.
Le principe de conception pour la maintenance (cf. figure 6.1) permet de tenir compte
des liens troits existants entre maintenance et conception pour optimiser le cot global du
118

maintenance
systme sur son cycle de vie. Si dornavant, lentreprise souhaite vendre du temps
dutilisation, la place de la maintenance doit voluer car elle apparat comme loutil essentiel
permettant au systme dassurer ses fonctions sur son cycle de vie.
Client
Besoins / Contraintes
Conception pour la maintenance
Fiabilit
Maintenabilit
Analyse des cots sur le cycle de vie du systme

Figure 6.1: Conception pour la maintenance (Markeset & Kumar, 2001)
Pour diriger la conception en fonction des problmatiques de maintenance, nous pouvons
tout dabord nous intresser aux caractristiques de fiabilit du systme (Long et al., 2009).
Il sagit ici didentifier les composants dont la fiabilit est considre comme un point faible
pour la maintenance du systme. Pour identifier ces composants, une analyse intgrant la
maintenance, la fiabilit du composant et son importance dans le systme doit tre mene.
En sappuyant sur cette analyse, des solutions de conception sont envisages afin de
substituer ou de remplacer les composants incrimins par des composants plus robustes
et/ou moins variants.
En lien avec ces questions de fiabilit, une analyse de maintenabilit peut tre envisage. La
maintenabilit est laptitude dune entit tre maintenue ou rtablie dans un tat dans
lequel elle peut accomplir sa fonction. Cette analyse sintresse notamment laccessibilit
des pices devant tre maintenues. Un travail au niveau de la conception peut ainsi tre
men pour rendre certaines pices plus accessibles. Un gain daccessibilit permet de
rduire la dure de remplacement de la pice considre et diminue ainsi le temps
dindisponibilit du systme.
Actuellement dans le groupe Volvo, trs peu de problmatiques lies la maintenance sont
prises en compte ds la conception du vhicule. Uniquement les questions lies
laccessibilit des composants sont aujourdhui tudies systmatiquement. Les rsultats
obtenus au niveau des dures de remplacement sont trs encourageants.
119

maintenance
Toutes les solutions de conception proposes ci-dessus doivent tre valides par une analyse
des cots sur le cycle de vie du systme. Toute la difficult est de trouver le meilleur
compromis entre lamlioration des caractristiques de fiabilit et de maintenabilit du
systme et les gains obtenus sur les cots dexploitation. Les investissements raliss
peuvent notamment entrainer une amlioration de la disponibilit du systme ou encore
une diminution des cots directs et indirects de maintenance.
6.1.2
MFOP et problmatiques de conception
Dans les chapitres 4 et 5, nous avons prsent la politique de maintenance dynamique base
sur la MFOP dveloppe dans le cadre de cette thse. Lobjectif tant terme de garantir
aux utilisateurs la disponibilit et lautonomie de leur systme sur des priodes doprations
donnes (Cini & Griffith, 1999). Pour tre capable de proposer de tels services, la faon dont
les concepteurs considrent les problmatiques de maintenance doit fortement voluer.
Lobjectif est de prendre en compte les exigences de la MFOP pour diriger la conception.
Dans cette sous-partie, un tat de lart concernant lutilisation de la MFOP pour guider la
conception est ralis. Il sert de base la construction de la mthodologie de conception
propose dans la suite de ce chapitre.
Dbut
Modliser le
systme de
rfrence
Simuler
Calculer la
valeur de la
MFOP
Est que la
valeur de la
MFOP est
suffisante ?
Oui
Fin
Non
Adapter
larchitecture du
systme
Appliquer les outils

de conception
proposs
Identifier les points

faibles du systme
Figure 6.2: Mthodologie de conception propose par Relf (1999)

Une premire mthodologie de conception base sur la MFOP a t propose dans (Relf,
1999). Pour Relf, le dfi relever se trouve dans la mthodologie et les outils de conception
ncessaires permettant de produire un systme en phase avec les exigences de la MFOP. La
mthodologie labore est prsente dans la figure 6.2. Il sagit dun processus itratif qui
consiste optimiser chaque itration la valeur de la MFOP.
Dans une premire tape, on va chercher modliser larchitecture du systme tudi en
reliant ses fonctionnalits et ses composants. Des modles de fiabilit sont ensuite associs
chaque composant. En utilisant la simulation de Monte Carlo et en ajoutant des pannes
gnres alatoirement, une estimation de la valeur de la MFOP est obtenue pour le
systme considr. Cette valeur correspond la dure maximale pendant laquelle le
systme peut tre utilis sans avoir effectuer de maintenance. Si cette valeur nest pas
120

maintenance
conforme aux spcifications du concepteur, il est ncessaire dagir sur les points faibles du
systme.
Pour mettre en vidence ces points faibles, une analyse du chemin critique est utilise. A
partir de cette analyse, lobjectif est dagir sur les points faibles du systme afin doptimiser
la valeur de la MFOP. Dans son article, Relf (1999) mentionne que les exigences de la MFOP
ne peuvent pas tre traites par un outil de conception unique. Il va ainsi rpertorier une
combinaison dapproches et de techniques pour offrir au concepteur les outils appropris.
Parmi les outils proposs, on peut citer:
-
Lamlioration des caractristiques de fiabilit des composants,

Lamlioration du diagnostic et du pronostic,
La possibilit dajouter des redondances dans le systme,
La possibilit pour le systme de se reconfigurer suite la panne dun composant.
Le processus sarrte quand la valeur de la MFOP rpond aux exigences du concepteur. La

mthodologie dveloppe dans (Relf, 1999) doit tre vue comme un support pour les
dcisions dingnierie. Elle doit tre utilise uniquement pour slectionner les outils les plus
appropris afin daugmenter la longueur de la MFOP. En termes de limites, cette
mthodologie nvalue pas les impacts conomiques engendrs par la mise en place des
diffrents outils. De plus, elle ne prend pas en compte la politique de maintenance applique
au systme. Ainsi, pour concevoir un systme, une vision plus globale semble primordiale.
Comme nous avons pu le voir dans le chapitre 4, Long et al. (2009) proposent une politique
de maintenance statique base sur le concept de la MFOP. Loptimisation de cette politique
sappuie sur une minimisation des cots dexploitation sur le cycle de vie du systme. Ces
cots se dcomposent en considrant les cots initiaux relatifs lachat des diffrents
lments du systme ainsi que les cots engendrs par la maintenance. A noter que ces
diffrentes mesures de cots avaient t identifies par Brown et Hockley (2001) comme
des mesures cls pour la mise en place du concept de la MFOP. En sappuyant sur la
politique de maintenance dveloppe, Long et al. (2009) voquent lutilisation de la MFOP
dans une perspective de conception. Leur mthodologie consiste modifier les
caractristiques de fiabilit du systme mono-composant, appliquer la politique de
maintenance dveloppe et constater les rpercutions occasionnes au niveau du cot
dexploitation.
Contrairement la mthodologie dveloppe dans (Relf, 1999), celle-ci permet dvaluer
loutil de conception utilis en analysant son impact sur les cots dexploitation. Autre point
positif, la politique de maintenance applique au systme est intgre la mthodologie de
conception. Nanmoins, plusieurs limites peuvent tre observes. Premirement, elle se
concentre sur un systme mono-composant. Ce choix permet de simplifier les dcisions
relatives la conception du systme puisque le choix dagir sur ce composant unique va
simposer. Ce choix est linverse trs limitant du point de vue applicatif. Deuximement, on
121

maintenance
se focalise uniquement sur les problmatiques lies la fiabilit du systme pour amliorer
la conception. Mme si cet outil est le plus souvent pertinent, il ne suffit pas lui seul
rpondre aux exigences lies la MFOP. Les problmatiques relatives la maintenabilit,
larchitecture de surveillance ou encore aux redondances doivent ncessairement tre
abordes.
6.2
Prsentation de la mthodologie dveloppe
En sappuyant sur les rsultats de ltat de lart ralis prcdemment, cette partie prsente
la mthodologie de conception pour la maintenance labore dans cette thse. Celle-ci vise
optimiser la conception dun systme multi-composant dans une perspective MFOP afin de
rduire ses cots dexploitation. Dans un premier temps, nous dtaillons les grandes tapes
de cette mthodologie. Nous nous focalisons ensuite sur les diffrents outils notre
disposition pour amliorer la conception du systme de rfrence.
6.2.1
Description gnrale
De faon similaire aux travaux proposs par Relf (1999), la mthodologie dveloppe doit
tre vue comme un processus itratif permettant doptimiser la conception du systme
chaque itration. Toujours dans le souci de rduire les cots dexploitation, cette
mthodologie intgre la politique de maintenance applique au systme. Comme nous
lavons dcrit en premire partie, il sagit de repositionner les problmatiques de
maintenance ds les premires phases du cycle de vie du systme. La figure 6.3 illustre les
diffrentes tapes de la mthodologie propose.
Dbut
Modliser le systme
avec une politique de
maintenance base
sur la MFOP
Simuler
Evaluer les cots

dexploitation du
systme
Cots
dexploitation
satisfaisants ?
Oui
Design
Valid
Non
Slectionner
les outils
appliquer
Adapter la
modlisation
du systme
Identifier les
composants les
plus impactants
Figure 6.3: Mthodologie de conception pour la maintenance

Modlisation du systme
Dans une premire tape, lobjectif est de construire un modle de maintenance pour le
systme considr. Pour ce faire, nous devons tout dabord modliser la structure du
systme de rfrence en dfinissant les relations entre les diffrents composants. Un
modle de fiabilit est ensuite associ chaque composant. Celui-ci correspond un modle
de survie ou de dgradation suivant les donnes disponibles. Enfin, la politique de
122

maintenance
maintenance applique ce systme doit tre modlise. Ce choix conduit placer la
maintenance au centre de la problmatique de conception. Dans ce manuscrit, cest la
politique de maintenance dynamique base sur la MFOP qui est retenue.
Evaluation des cots dexploitation
Une phase de simulation base sur la mthode de Monte Carlo est ensuite ncessaire pour
valuer les cots dexploitation du systme. Cette valuation a pour but de raliser des
arbitrages entre les diverses propositions de conception. Dans le contexte de cette thse,
ces cots sont valus sur un cycle de vie fix 5 ans. Comme nous avons pu le voir
prcdemment, les constructeurs souhaitent proposer leurs clients des contrats de service
lis lutilisation de leur systme. Ces contrats engagent donc le constructeur assurer le
fonctionnement du systme pendant une priode de temps dfinie. Pour le groupe Volvo, la
dure de ces contrats est actuellement fixe 5 ans. Notre objectif est ainsi de concevoir un
systme permettant de minimiser les cots dexploitation sur cette priode.
Intressons-nous maintenant la manire dont ces cots dexploitation sont valus. Pour
un systme donn, les cots dexploitation sont dfinis par:
() = + ()
(6.1)
avec les cots initiaux du systme et () le cot total de maintenance du systme sur
un intervalle de temps [0, ]. Pour le cot total de maintenance (), son expression est
similaire celle donne dans le chapitre 4 (cf. expression 4.3). Les cots initiaux du systme,
quant eux, correspondent :
= + ,
(6.2)
=1
avec le nombre de composants dans le systme, le cot du composant et , le cot

li au niveau dinformation disponible sur le composant . En effet, pour amliorer
linformation sur un composant donn, une architecture de surveillance plus perfectionne
peut tre considre. Ce choix conduit, par exemple, ajouter des capteurs pour avoir accs
son tat de fonctionnement ou si possible son niveau de dgradation. Les surcots lis
la mise en place dune surveillance amliore sur certains composants vont impacter les
cots initiaux du systme par lintermdiaire du , .
Identification des composants les plus impactants
La conception du systme est valide en fonction de la valeur des cots dexploitation
obtenus. Dans le cas o les cots dexploitation ne sont pas satisfaisants pour le concepteur,
il va sagir didentifier les points faibles du systme. Les points faibles dsignent ici les
123

maintenance
composants qui impactent le plus les cots dexploitation. Dans cette mthodologie, un
facteur dimportance est construit pour identifier et hirarchiser limpact des diffrents
composants sur les cots dexploitation. Les rsultats obtenus permettent dorienter le
concepteur en priorisant les actions de conception raliser. Les dtails de ce facteur
dimportance sont proposs dans la partie suivante.
Slection des outils appliquer
Une fois les points faibles identifis, la dernire tape consiste proposer des solutions de
conception pour diminuer leurs impacts sur les cots dexploitation. De manire similaire
Relf (1999), nous allons proposer diffrents outils capables doffrir des solutions en matire
de conception. Le choix entre ces outils est valid en valuant la diminution des cots
dexploitation. Les diffrents outils proposs sont rpertoris dans la sous-partie suivante.
6.2.2
Une boite outils pour la conception
La conception dun systme multi-composant est un processus complexe qui dpend dune
multitude de facteurs. Dans ce contexte, il est illusoire de penser que la rponse aux
problmatiques de conception pour la maintenance se trouve dans un outil unique. Comme
Relf (1999) le dfend dans son article, la mthodologie propose doit au contraire sappuyer
sur une combinaison doutils et de techniques. Il va sagir pour le concepteur de raliser des
arbitrages entre les diffrents outils disponibles afin de rduire les cots dexploitation du
systme.
Outils de conception
pour la maintenance
Grer les caractristiques

de fiabilit des
composants
Faire voluer
larchitecture de
surveillance
Ajouter des redondances
Grer laccessibilit des

composants
Figure 6.4 : Boite outils de conception pour la maintenance

Les diffrents outils proposs dans ce manuscrit sont rpertoris la figure 6.4. Le choix
entre ces outils est potentiellement la partie la plus complexe. Pour le concepteur, le
premier dfi est dvaluer la viabilit technique de ces diffrents outils suivant le composant
concern. Il peut, par exemple, tre impossible dinstaller un capteur sur un composant
donn ou bien encore de le rendre plus accessible dans le systme. En fonction des rsultats
de cette analyse technique, le nombre doutils la disposition du concepteur peut se
rduire. Si plusieurs solutions subsistent, il va sagir dintgrer ces diffrents outils dans le
modle de maintenance initial pour valuer leurs impacts sur les cots dexploitation.
124

maintenance
Grer les caractristiques de fiabilit des composants
Cet outil se focalise sur la fiabilit de base associe aux composants identifis comme les
points faibles du systme. Il va ainsi tre recommand damliorer cette fiabilit en
travaillant sur les spcifications de ces composants ou bien encore sur le choix des
fournisseurs. Cela conduit, par exemple, augmenter la dure de vie moyenne de ce
composant ou bien encore rduire sa variabilit. Au niveau des cots dexploitation,
lamlioration des caractristiques de fiabilit entraine une augmentation du cot initial
pour ce composant. En contrepartie, on peut esprer des gains au niveau du nombre de
remplacements mais galement au niveau du nombre darrts non planifis.
Faire voluer larchitecture de surveillance
Cet outil se concentre sur le niveau dinformation de surveillance disponible pour un
composant donn. Comme nous lavons vu dans le chapitre prcdent, un niveau
dinformation plus lev permet damliorer notre connaissance sur ltat de sant courant
dun composant. Il sagit ensuite dutiliser cette connaissance pour optimiser la prise de
dcision de maintenance.
En pratique, nous allons faire lhypothse que linformation de surveillance que ce soit ltat
de fonctionnement du composant ou sa dgradation sobtient en ajoutant un capteur
larchitecture de surveillance existante. En consquence, les cots initiaux du composant
concern sont augments. A linverse, linformation nouvellement disponible entraine des
dcisions de maintenance au plus prs de ltat rel du composant. On vite ainsi de
surmaintenir le composant concern et on peut galement esprer une baisse du nombre
darrts non planifis. Prcisons nanmoins que cette hypothse nest pas toujours vrifie.
Des travaux sur les techniques de surveillance visent, dans certaines conditions, ne pas
ajouter de capteurs mais se servir des redondances analytiques prsentes dans le systme
pour retrouver certaines informations (Patton et al., 2000) (Iserman, 2006).
La redondance consiste, pour un composant donn, le faire fonctionner avec un ou
plusieurs composants identiques en parallle. On va donc ajouter des composants dans le
systme en plus du nombre minimal ncessaire son fonctionnement. La mise en place de
redondances peut permettre daugmenter la fiabilit globale du systme en rduisant les
dysfonctionnements. Evidemment, cela a un cot et il faut trouver un compromis entre le
cot des redondances et le gain de fiabilit quelles entrainent.
Grer laccessibilit des composants
Lorsque lon conoit la structure du systme multi-composant, on peut veiller rendre un
composant plus accessible. Le gain daccessibilit obtenu permet de rduire sa dure de
remplacement. Cela a pour consquence de diminuer le cot de la main duvre associe au
125

maintenance
remplacement et de rduire le temps dindisponibilit du systme. En contrepartie, les
diverses tudes de conception menes pour rendre un composant plus accessible
conduisent augmenter le cot de la pice. On peut galement considrer quune
contrainte daccessibilit augmente le cot initial du systme.
6.3
Priorisation des actions de conception
Dans la mthodologie propose la figure 6.3, une tape vise identifier les points faibles,
cest--dire les composants les plus impactants sur les cots dexploitation . Pour ce faire,
un facteur dimportance bas sur le cot est introduit. Son objectif est daider le concepteur
hirarchiser les actions de conception raliser sur le systme. Dans cette partie, nous
commenons par un tat des lieux sur la prise en compte des cots de maintenance dans les
facteurs dimportance. Nous dtaillons ensuite le facteur dimportance dvelopp dans ce
manuscrit.
6.3.1
Facteurs dimportance fiabilistes et cot de

maintenance
Les facteurs dimportance fiabilistes sont des outils daide la dcision polyvalents qui sont
utiliss pour hirarchiser les composants dun systme. Ils peuvent intervenir dans des
exemples dapplication varis tels que laide la conception, loptimisation de la
maintenance, la gestion de configuration, la dfinition des composants devant faire lobjet
dassurance qualit ou encore loptimisation des priodicits de test (Duflot, 2007). Ils ont
t tudis par de nombreux auteurs (Birnbaum, 1969) (Barlow & Proschan, 1975) (Fussell,
1975). Parmi les facteurs dimportance les plus connus, on peut citer (Rausand & Hyland,
2004) (van der Borst & Schoonakker, 2001):
-
Facteur dimportance marginal,

Facteur daugmentation du risque (Risk Achievement Worth),
Facteur de diminution du risque (Risk Reduction Worth),
Facteur dimportance critique (Critically Importance),
Facteur dimportance de Fussell-Vesely.
En sappuyant sur ces diffrents indicateurs, Rausand et Hoyland (2004) concluent que
limportance dun composant dpend de trois critres:
-
lemplacement du composant dans le systme,

la fiabilit du composant,
lincertitude lie lestimation de la fiabilit du composant.
Dans leur article, Wu et Coolen (2013) pointent le besoin de complter cette vision. Ils
argumentent que limportance dun composant doit, en addition de ces critres, dpendre
126

maintenance
de ces cots dentretien sur un intervalle de temps donn [0, ]. Les facteurs dimportance
existants font trs peu rfrence ce genre de considrations. Pour un systme donn, Wu
et Coolen (2013) considrent que les consquences lies lamlioration de la fiabilit dun
composant, sur un intervalle de temps [0, ], se divisent en trois postes de cots distincts:
- Cot 1: Les cots lis lamlioration de la fiabilit du composant.
Dans un systme, les cots lis lamlioration des caractristiques de fiabilit sont
diffrents selon les composants considrs, mme si le niveau damlioration est
identique.
- Cot 2: Les cots lis la dfaillance du composant.
Si un composant est en panne, celui-ci doit tre remplac. Les cots engendrs par ce
remplacement diffrent suivant les composants considrs dans le systme.
- Cot 3: Les cots lis la dfaillance du systme.
Si le systme est en panne, celui-ci va engendrer des cots directs lis aux
remplacements des composants incrimins, mais galement des cots indirects lis son
indisponibilit.
Dans ce cadre, Wu et Coolen (2013) proposent un facteur dimportance qui prend en
compte les cots engendrs par la maintenance du systme et de ses composants sur un
intervalle de temps fini. La nouveaut de ce facteur dimportance est de prendre en
considration les cots lis la dfaillance du composant et la dfaillance du systme.
6.3.2
Un facteur dimportance bas sur les cots
En sappuyant sur les dveloppements raliss par Wu et Coolen (2013), un facteur

dimportance bas sur les cots, not (), est propos. Celui-ci propose, en plus des cots
lis la dfaillance du composant et la dfaillance du systme, de prendre en compte les
cots initiaux du composant. Pour un composant donn, ce facteur dimportance peut tre
interprt comme le ratio des cots dexploitation engendrs par le composant sur
lensemble des cots. Son expression est donne par:
() =
, + , ()
()
(6.3)
avec , le cot initial du composant , , () le cot de la maintenance du composant

sur lintervalle de temps [0, ] et () le cot dexploitation total du systme sur
lintervalle de temps [0, ]. Dtaillons maintenant les diffrents cots qui composent cette
expression.
127

maintenance
Le , sexprime de la faon suivante:
, = + ,
(6.4)
avec le cot du composant (cot de la pice) et , le cot li au niveau dinformation

disponible sur le composant . Ensuite , () se dcompose ainsi:
, () = , () + , () + , ()
(6.5)
avec , () le cot associ aux remplacements du composant , , () le surcot

correctif pour le systme li la panne du composant et enfin , () le cot li au
diagnostic du composant . A noter que ces diffrentes grandeurs sont values sur
lintervalle de temps [0, ]. Pour le (), on se rfre lexpression 6.1 de ce chapitre.
Focalisons-nous maintenant sur la faon dvaluer les grandeurs associes au , (). Le
, () correspond :
()
, () = [(, ( + )) +
=1
,
]
(6.6)
avec () le nombre darrts de maintenance sur lintervalle de temps [0, ], , un

boolen qui vaut 1 si le composant est remplac pendant larrt de maintenance , 0
sinon, la dure de remplacement du composant , le taux horaire de la main
duvre, le cot logistique li lentre du systme en atelier de maintenance,
lensemble des composants remplacs pendant larrt de maintenance , le nombre de
composants dans lensemble .
Ensuite, pour valuer , (), nous allons considrer que le surcot correctif li la panne
du systme doit se rpartir uniquement sur les composants responsables de cette panne.
Pour identifier ces composants, la notion de coupe minimale est introduite.
Dfinition 17 Une coupe dcrit un ensemble de composants de base dont la dfaillance
entraine la dfaillance du systme. Une coupe est dite minimale si en retirant n'importe quel
bloc de la liste, le systme n'est plus dfaillant (Villemeur, 1988).
Notons que la taille (ou lordre) de la coupe est le nombre dlments dans la liste. La
connaissance des coupes minimales permet d'tablir qualitativement la liste des composants
critiques d'aprs l'organisation fonctionnelle du systme. En sappuyant sur cette notion, le
, () se dfinit de la manire suivante:
128

maintenance
()
, () =
=1
(6.7)
avec
= ( , ( )) + + (( + ) )
(6.8)
=1
avec () le nombre de pannes du systme sur lintervalle de temps [0, ],

le surcot
correctif li la panne du systme, la coupe minimale responsable de la panne du
systme, le nombre de composants dans la coupe minimale, un boolen qui
vaut 1 si le composant appartient la coupe minimale , 0 sinon, , un boolen qui
vaut 1 si le composant est remplac pendant larrt de maintenance correctif , 0 sinon,
le cot de la perte dexploitation par heure dimmobilisation, le cot de remorquage
du systme, la dure de remorquage du systme et enfin la dure logistique de
prise en charge du systme son entre en atelier. Enfin, le cot li au diagnostic du
composant est donn par:
()
, () = [( + ) ]
(6.9)
=1
avec le cot unitaire de diagnostic pour un composant (cot suppos fixe), la dure
unitaire de diagnostic pour un composant (dure suppose fixe) et enfin une variable
binaire qui vaut 1 si linformation de fonctionnement nest pas disponible pour le
composant .
6.4
Illustration
Dans la dernire partie de ce chapitre, une illustration sur un systme multi-composant est
propose afin de mettre en uvre la mthodologie de conception dveloppe. Nous
commenons par prsenter le systme de rfrence et les cots associs. Nous dfinissons
ensuite les paramtres optimaux de la politique de maintenance en fonction des contraintes
utilisateurs afin dtablir les premiers rsultats. Nous appliquons enfin la mthodologie
labore pour effectuer des recommandations de conception.
129

maintenance
6.4.1
Dfinition du systme de rfrence

Entre
Sortie
Figure 6.5: Structure du systme multi-composant de rfrence

La structure du systme multi-composant de rfrence est prsente la figure 6.5. Nous
choisissons ici de prendre un systme srie afin de pouvoir illustrer et justifier facilement les
rsultats obtenus par la mthodologie propose. Dans un premier temps, nous allons
dtailler les cots associs ce systme. Ainsi, le taux horaire de la main duvre est fix
= 90 et le cot de la perte dexploitation par heure dimmobilisation = 100.
Pour le remorquage, le cot et la dure considrs sont respectivement de = 1500
et = 5h. Ensuite, le cot logistique li lentre du systme en atelier de
maintenance est de = 100 pour une dure fixe = 30 min. Enfin, le cot et la
dure unitaire de diagnostic sont respectivement de = 20 et = 5 min.
Intressons-nous maintenant, aux diffrentes proprits de ce systme. Son kilomtrage
annuel est fix 100 000km. On suppose galement que les oprations de maintenance sont
indpendantes les unes des autres. Au niveau de linformation de surveillance, nous
supposons que ltat de fonctionnement du systme est connu. Cette hypothse est raliste
si nous considrons que la panne du systme entraine systmatiquement une
immobilisation. A linverse, nous considrons navoir aucune information sur ltat des
composants. En consquence, les , sont nuls. Notons enfin, que les coupes minimales
sont au nombre de six. Elles sont toutes dordre 1 et contiennent chacune un composant
diffrent du systme de rfrence. Le tableau 6.1 synthtise les caractristiques de fiabilit,
les cots et les dures de remplacement pour les composants du systme tudi.
G(8e-5,1.5)
L = 20
500
0
1
Modle de Fiabilit
W(3.5e5,2)
W(3.5e5,7)
W(4e5,3)
W(4.5e5,7)
G(1.1e-4,1.5)
L = 20
(en )
, (en )
(en h)
500
0
1
500
0
1
500
0
1
500
0
1
500
0
1

130

maintenance
6.4.2
Rsultats initiaux
Dans le cadre de la mthodologie labore, la premire tape consiste construire le

modle de maintenance utilis pour la simulation. Au-del des caractristiques de fiabilit
dfinies dans la sous-partie prcdente, la politique de maintenance applique au systme
doit tre dfinie. Nous choisissons dutiliser la politique base sur le concept de la MFOP
prsente au chapitre 4. Pour cette politique, le critre de dcision 1 est slectionn.
18000
Cot d'exploitation [en euros]
16000
14000
12000
10000
8000
6000
4000
2000
0
0.5
0.53
0.56
0.59
0.62
0.65
0.68
0.71
0.74
0.77
0.8
0.83
0.86
0.89
0.92
0.95
Niveau de confiance [en %]
Figure 6.6: Cots dexploitation du systme pour diffrents niveaux de confiance

En sappuyant sur ce cadre gnral, lobjectif est de trouver les paramtres optimaux pour la
MFOP et le niveau de confiance afin de minimiser les cots dexploitation initiaux. Pour
cette illustration, nous considrons que les contraintes clients nous imposent une MFOP de
50 000km. Loptimisation se concentre donc uniquement sur le . Un modle de
maintenance a t dvelopp sous Matlab afin de pouvoir valuer les sur un horizon de
5 ans. Pour garantir la convergence de lestimation des , 1000 histoires sont simules. La
figure 6.6 prsente les rsultats pour des allant de 50% 95% par pas de 3%. Le cot
dexploitation optimal = 12843 est obtenu pour un = 80%.
=
, (en )
, (en )
, (en )
, (en )
(en %)
500
1975
1263
38
29
500
773
404
38
13
500
1309
616
38
19
500
683
283
38
12
500
1304
225
38
16
500
659
121
38
10
Tableau 6.2: Facteurs dimportance pour le systme de rfrence (MFOP=50000; NC=80)

Aprs avoir estim le cot dexploitation du systme pour une politique de maintenance
donne, ltape suivante consiste identifier les composants les plus impactants. Pour ce
131

maintenance
faire, la mthodologie dveloppe prne lutilisation du facteur dimportance . Les
rsultats sont prsents dans le tableau 6.2. Ces rsultats nous permettent de hirarchiser
limpact des diffrents composants sur les cots dexploitation du systme. Nous avons ainsi:
1 > 3 > 5 > 2 > 4 > 6
Dans ce cadre, les actions de conception doivent se focaliser en priorit sur le composant 1 .
1
A2
0.8
Fiabilit
0.6
0.4
0.2
0
0
t [km]
10
5
x 10
Figure 6.7: Modles de fiabilit des composants du systme

Ces rsultats semblent cohrents au regard des proprits des composants. Comme le cot
et la dure de remplacement sont identiques, la distinction se fait au niveau des
caractristiques de fiabilit. La figure 6.7 regroupe les diffrents modles de fiabilit associs
aux composants du systme. Le facteur dimportance distingue logiquement les composants
1 et 3 . Comparativement aux autres composants, ils possdent une variance trs
importante qui rend difficile la prise de dcision de maintenance. Ils vont ainsi impacter le
cot dexploitation du systme par le nombre de remplacements prventifs raliss et par le
nombre dimmobilisations qui en rsulte.
6.4.3
Recommandations pour la conception
Les premires tapes de la mthodologie ont permis dvaluer le moyennant une

politique de maintenance donne et didentifier les points faibles du systme. Le composant
1 a ainsi t dsign comme le composant prioritaire pour les actions de conception. Celuici contribue hauteur de 29% aux cots dexploitation du systme.
Grer les caractristiques de fiabilit des composants
Pour rduire limpact de ce composant sur les cots dexploitation, une premire solution
est de travailler sur ses caractristiques de fiabilit. A titre dillustration, nous considrons
132

maintenance
que de nouveaux composants capables de se substituer au composant 1 sont disponibles
sur le march.
Nous supposons que ces nouveaux composants se dcomposent en deux groupes. Le
premier groupe permet damliorer le MTTF du composant initial de 10 50% suivant les cas
considrs. Pour ces composants, la variance reste inchange. En contrepartie, nous faisons
lhypothse quune augmentation de x% du MTTF entraine une augmentation de x% du cot
de la pice. Le tableau 6.3 synthtise les caractristiques des composants appartenant ce
premier groupe.
Conception initiale
Conception 1
Conception 2
Conception 3
Conception 4
Conception 5
Modle de
fiabilit
W(3.5e5,2)
W(3.9e5,2.2)
W(4.2e5,2.5)
W(4.5e5,2.7)
W(4.9e5,2.9)
W(5.2e5,3.1)
MTTF (en km)
Variance
(en )
310179
341194 (+10%)
372213 (+20%)
403233 (+30%)
434250 (+40%)
465266 (+50%)
2.62e10
2.62e10
2.62e10
2.62e10
2.62e10
2.62e10
500
550 (+10%)
600 (+20%)
650 (+30%)
700 (+40%)
750 (+50%)
Tableau 6.3: Caractristiques des composants appartenant au premier groupe

Pour chaque proposition de conception, il sagit dadapter le modle de maintenance initial
afin dvaluer limpact sur le cot dexploitation du systme. Les rsultats sont prsents la
figure 6.8. Parmi les diffrentes propositions de conception, le meilleur rsultat est obtenu
par la Conception 4. En considrant que les autres proprits du modle de maintenance
restent stables, la substitution du composant 1 initial par la Conception 4 permet dobtenir
une diminution de lordre de 9% des cots dexploitation.
4
1.3
x 10
Cots d'exploitation
1.25
1.2
1.15
1.1
1.05
Conception initiale Conception 1
Conception 2
Conception 3
Conception 4
Conception 5
Figure 6.8: Cots dexploitation du systme pour diffrentes propositions de conception
133

maintenance
Le second groupe permet de diminuer la variance du composant initial de 10% 50% suivant
les cas considrs. Pour ces composants, le MTTF reste inchang. En contrepartie, nous
supposons quune diminution de x% de la variance entraine une augmentation de x% du
cot de la pice. Le tableau 6.4 synthtise les caractristiques des composants appartenant
ce second groupe.
Conception initiale
Conception 6
Conception 7
Conception 8
Conception 9
Conception 10
Modle de
fiabilit
W(3.5e5,2)
W(3.5e5,2.1)
W(3.5e5,2.3)
W(3.5e5,2.4)
W(3.5e5,2.7)
W(3.5e5,2.9)
MTTF (en km)
Variance
(en )
310179
310179
310179
310179
310179
310179
2.62e10
2.37e10 (-10%)
2.1e10 (-20%)
1.84e10 (-30%)
1.58e10 (-40%)
1.31e10 (-50%)
500
550 (+10%)
600 (+20%)
650 (+30%)
700 (+40%)
750 (+50%)
Tableau 6.4: Caractristiques des composants appartenant au second groupe

De manire similaire aux composants du premier groupe, le modle de maintenance initial
doit tre adapt chaque proposition de conception. Les rsultats, prsents la figure 6.9,
illustrent leurs impacts sur le cot dexploitation du systme. Parmi les diffrentes
propositions de conception, le meilleur rsultat est obtenu par la Conception 6. Notons
nanmoins, que la diminution, de lordre de 1%, du cot dexploitation est beaucoup plus
faible que pour la Conception 4. Ce rsultat est bien videment mettre en perspectives
avec les hypothses poses dans le tableau 6.4.
4
1.32
x 10
Cots d'exploitation
1.3
1.28
1.26
1.24
1.22
1.2
1.18
Conception initiale Conception 6
Conception 7
Conception 8
Conception 9
Conception 10
Figure 6.9: Cots dexploitation du systme pour diffrentes propositions de conception

Globalement, aprs avoir tudi ces diverses propositions de conception pour le
composant 1 , la Conception 4 semble la solution privilgier. Le tableau 6.5 prsente les
facteurs dimportance pour les diffrents composants du systme, en supposant que le
134

maintenance
composant 1 initial a t remplac par la Conception 4. Nous constatons que les efforts de
conception au niveau des caractristiques de fiabilit du composant 1 permettent de faire
diminuer son impact sur les cots dexploitation de 29% 22%.
(Conception 4)
, (en )
, (en )
, (en )
, (en )
(en %)
700
950
917
34
22
500
759
423
34
15
500
1315
755
34
22
500
687
143
34
12
500
1328
261
34
18
500
661
121
34
11
Tableau 6.5: Facteurs dimportance pour le systme aprs remplacement du composant

par la Conception 4 (MFOP=50000; NC=80)
Faire voluer larchitecture de surveillance
Une seconde solution consiste investir dans une architecture de surveillance plus complte
pour le systme tudi. Pour lillustration, nous considrons quun capteur est disponible sur
le march pour renseigner sur ltat de fonctionnement du composant 1 . La mise en place
de ce capteur va entrainer un cot ,1 = 50 qui correspond 10% du cot du
composant. Le rsultat de cette proposition de conception que lon nomme Conception
11 est prsent dans le tableau 6.6.
(Conception 11)
, (en )
, (en )
, (en )
, (en )
(en %)
550
1975
1263
0
29
500
773
404
38
13
500
1309
616
38
19
500
683
283
38
12
500
1304
225
38
16
500
659
121
38
10
Tableau 6.6: Facteurs dimportance pour le systme aprs ajout dun capteur sur le
composant (MFOP=50000; NC=80)
De faon gnrale, ce rsultat montre que la proposition de Conception 11 entraine une
lgre augmentation des cots dexploitation du systme. Si on excepte le cot initial et le
surcot de diagnostic du composant 1 , les valeurs rpertories dans le tableau 6.6 sont les
mmes que pour le systme initial. Ce rsultat est li la structure du systme multicomposant tudi et au niveau dinformation de surveillance disponible.
En effet, dans un systme srie, savoir que le systme fonctionne implique que tous les
composants du systme fonctionnent. Cela signifie que le capteur napporte aucune
information nouvelle quand le systme est en marche. Les dcisions de maintenance sont
donc identiques avec ou sans lajout du capteur. A contrario, quand le systme est en panne,
135

maintenance
le capteur permet dviter le diagnostic sur le composant 1 , ce qui explique que ,1 = 0.
Pour avoir une influence sur les dcisions de maintenance dans un systme srie, il est
ncessaire davoir accs au niveau de dgradation des composants du systme.
Il est galement possible denvisager la mise en place dune redondance sur le
composant 1 . Comme nous lavons dcrit prcdemment, cet outil de conception a pour
but daugmenter la fiabilit globale du systme en diminuant le nombre dimmobilisations
lies au composant 1 .
Dans cette illustration, nous considrons quune redondance passive est mise en uvre.
Cette redondance est matrialise par un septime composant plac en parallle du
composant 1 . Contrairement une redondance active o les deux composants en parallle
fonctionnent en mme temps, dans une redondance passive un seul composant fonctionne
la fois. Le second composant est en attente et prend instantanment le relai quand le
composant qui fonctionne tombe en panne (Gaudoin, 2014).
Les proprits du composant 7 sont supposes identiques au composant 1 . Quand le
composant 1 tombe en panne, le composant 7 prend alors le relai jusqu la fin de la
MFOP. Le composant 1 , en panne, est alors remplac sans entrainer une immobilisation du
systme. Lge du composant 7 correspond au kilomtrage auquel il va se substituer au
composant 1 . Nous supposons galement quil nest pas maintenu en cas de dfaillance.
Enfin, pour mettre en place cette redondance passive, un capteur capable de renseigner sur
ltat de fonctionnement du composant 1 est ncessaire. La mise en place de ce capteur va
entrainer un cot ,1 = 50 qui correspond 10% du cot du composant. Le rsultat de
cette proposition de conception que lon nomme Conception 12 est prsent dans le
tableau 6.7.
(Conception
12)
, (en )
, (en )
, (en )
, (en )
(en %)
550
1941
0
0
21
500
752
413
22
14
500
1311
633
22
20
500
681
305
22
13
500
1299
249
22
17
500
659
129
22
11
500
0
0
0
4
Tableau 6.7: Facteurs dimportance pour le systme aprs ajout dune redondance sur le
composant (MFOP=50000; NC=80)
Cette solution de conception permet de rduire de 6% les cots dexploitation du systme.
De plus, limpact du composant 1 sur ces mmes cots dexploitation passe de 29% 21%.
136

maintenance
La redondance passive sur ce composant permet dviter les immobilisations dues la panne
du composant 1 .
Grer laccessibilit des composants
Nous envisageons enfin de travailler sur laccessibilit du composant 1 . A titre dillustration,
nous supposons que ces travaux permettent de diminuer de moiti le temps de
remplacement de la pice, nous avons donc 1 = 30 min. Nous considrons galement que
les modifications apportes au systme entrainent une augmentation du prix de la pice de
lordre de 10%. Le rsultat de cette solution de conception appele Conception 13 est
synthtis dans le tableau 6.8.
(Conception 13)
, (en )
, (en )
, (en )
, (en )
(en %)
550
1416
1621
39
29
500
873
380
39
14
500
1457
471
39
19
500
681
142
39
11
500
1322
231
39
17
500
661
117
39
10
Tableau 6.8: Facteurs dimportance pour le systme aprs amlioration de laccessibilit

du composant (MFOP=50000; NC=80)
Tout dabord, nous constatons que cette solution de Conception 13 permet de rduire de
1,5% les cots dexploitation du systme par rapport la configuration initiale. En regardant
plus en dtails les diffrents cots associs au composant 1 , nous constatons que le cot de
remplacement a diminu et que le surcot correctif a augment. Selon les hypothses
considres pour la Conception 13, nous notons que le cot (pice + main duvre) du
composant 1 a augment. Cette augmentation va avoir pour consquence de modifier les
dcisions de maintenance sur le composant 1 en diminuant le nombre de remplacements
prventifs. Nous illustrons ainsi limportance de prendre en compte la politique de
maintenance pour faire des choix en termes de conception.
6.5
Conclusion
La mthodologie prsente fournit au concepteur un outil daide la dcision permettant de

hirarchiser limpact des composants sur les cots dexploitation du systme et dvaluer les
propositions de conception disponibles. Pour hirarchiser limpact des composants, un
facteur dimportance bas sur les cots a t introduit. La plus-value de cette mthodologie
se trouve dans la prise en compte de la structure du systme et de la politique de
maintenance pour faire des recommandations de conception.
Parmi les recommandations possibles, nous pouvons citer le choix entre des composants aux
caractristiques de fiabilit diffrentes, le choix dinvestir dans une architecture de
137

maintenance
surveillance plus complte, le choix denvisager de mettre un composant en redondance ou
encore le choix de travailler sur laccessibilit des composants.
A noter que cette mthodologie na pas vocation dterminer la conception optimale pour
un systme donn. Elle va avoir pour prtention de guider le concepteur dans ses choix en
intgrant les problmatiques de maintenance. Le but tant de diminuer les cots
dexploitation du systme tudi.
138
Chapitre 7 Application un sous-systme du

vhicule industriel
Chapitre 7
Application un sous-systme du
vhicule industriel
Dans ce chapitre, le systme multi-composant considr fait rfrence un sous-systme du
vhicule industriel. Par souci de confidentialit, le nom de ce systme nest pas prcis.
Lobjectif est dappliquer la politique de maintenance expose prcdemment en tenant
compte de la structure du systme tudi et des informations de surveillance disponibles.
Pour ce faire, les diffrentes tapes conduisant la mise en place de cette politique sont
dtailles. Prcisons que cette application a t mene dans le cadre dun projet interne de
recherche dans le groupe Volvo.
Le chapitre est construit comme suit. La premire partie se concentre sur le contexte de
notre tude. Les recommandations qui ont entrain la slection du systme sont prcises
et un inventaire des donnes disponibles est ralis. La seconde partie spcifie la
construction du modle de maintenance. Dans ce cadre, les diffrentes hypothses
inhrentes la modlisation du systme et la politique de maintenance sont introduites.
En sappuyant sur ce modle, une valuation de la politique est prsente dans une
troisime partie. Une comparaison avec la politique de maintenance actuellement applique
est effectue.
7.1
Prsentation du contexte de notre tude
Comme nous lavons voqu en introduction, le systme tudi ne correspond pas

lensemble du vhicule industriel mais uniquement un de ses sous-systmes. Prcisons,
nanmoins, que les travaux prsents dans ce chapitre peuvent tre tendus lensemble
des sous-systmes constituant le vhicule. Cette partie dbute en prcisant la faon dont
lidentification du systme a t ralise. Nous nous focalisons ensuite sur un inventaire et
une analyse des donnes disponibles. Ces donnes constituent le prrequis ncessaire la
construction du modle de maintenance pour le systme spcifi.
7.1.1
Slection du systme multi-composant
Pour identifier le systme utilis dans cette application, diffrentes recommandations ont
t introduites par le groupe Volvo. Parmi lensemble de ces recommandations, nous
retenons principalement:
139

vhicule industriel
-
Identifier un systme impactant fortement la disponibilit du vhicule pour

privilgier les systmes dont la panne entraine limmobilisation du vhicule.
Identifier un systme sur lequel le groupe Volvo possde une forte expertise interne.
pour dterminer la structure du systme spcifi et valider les modlisations
ralises.
Identifier un systme prsent sur la majorit des vhicules pour garantir la

reprsentativit des donnes disponibles et pour renforcer lintrt de lapplication
considre.
Identifier un systme en adquation avec les proccupations du groupe Volvo en

termes de maintenance. En effet, la question de lefficacit de la politique de
maintenance actuelle se pose sur certains composants. Il serait donc intressant
quils appartiennent au moins en partie au systme cible.
En sappuyant sur ces diffrentes recommandations, un systme compos de 18 composants

a t retenu. Les travaux raliss avec des experts du groupe sur la structure du systme,
not , ont permis dtablir le diagramme de fiabilit prsent la figure 7.1. Il sagit dun
systme dit srie/parallle. La partie srie est constitue de quatre
composants {1 , 2 , 3 , 4 }. Une panne sur lun dentre eux entrane immdiatement le
dysfonctionnement du systme et larrt du vhicule. A linverse, une structure parallle
{5 , 7 , 9 , 11 , 13 , 15 , 17 }
distingue
les
groupes
de
composants
et {6 , 8 , 10 , 12 , 14 , 16 , 18 }. Ce choix au niveau de la reprsentation indique que
lapparition dune panne sur lun de ces deux groupes nentrane pas le dysfonctionnement
du systme. Le vhicule peut ainsi continuer sa mission sans que sa disponibilit ne soit
impacte.
Entre
Sortie
Figure 7.1: Diagramme de fiabilit du systme retenu pour l'application
7.1.2
Inventaire des donnes disponibles
Avant de faire linventaire des donnes disponibles, il est ncessaire de prciser le cadre
exact de notre tude. De manire pragmatique, nous nous focalisons sur la gamme qui
contient le plus de vhicule. Le recueil des donnes stablit partir de vhicules mis en
140

vhicule industriel
circulation entre 2007 et 2008. La fin de ltude est fixe au 31 dcembre 2013. Nous
disposons donc au minimum dun horizon de 5 ans pour lensemble des vhicules concerns.
Concentrons-nous maintenant sur les donnes disponibles pour mener bien cette tude.
Tout dabord, la base de donnes rpertorie des informations dordre gnral au niveau des
vhicules et des contrats de maintenance associs. Nous disposons ainsi de:
Donnes Vhicule
- Numro didentification (not VIN)
- Numro de chssis
- Date de mise en circulation
Donnes Contrat de Maintenance

- Numro du contrat
- Type de contrat
- Date de dbut du contrat
- Date de fin du contrat
- Couverture: Le pourcentage de temps pass sous contrat depuis la mise en
circulation du vhicule jusqu la fin de ltude
Ensuite, pour chaque opration de maintenance effectue sur un vhicule, les donnes
suivantes sont disponibles :
Donnes Opration de Maintenance

- Date de lopration
- Description de lopration
- Rfrence et Quantit de la pice remplace
- Cot de remplacement (prix de la pice)
- Dure de remplacement
- Age du vhicule
- Kilomtrage du vhicule
7.1.3
Nettoyage des donnes disponibles
Les donnes doivent tre nettoyes pour assurer la pertinence de notre tude. Il sagit
notamment didentifier les donnes aberrantes et de tenir compte des donnes
incompltes. Dans cette sous-partie, nous allons expliciter ces problmatiques et prsenter
les rponses proposes.
Donnes aberrantes au niveau des kilomtrages vhicule
Les premires tudes de fiabilit ont dvoil des dures de vie aberrantes pour certains
composants du systme. Ces donnes aberrantes faussent la moyenne et lcart type de
141

vhicule industriel
lensemble des dures de vie rencontres. Elles rendent galement les modles statistiques
sous-jacents peu fiables.
Lhistogramme prsent la figure 7.2, illustre les dures de vie en kilomtres obtenues
pour un composant donn. La majorit de ces donnes est comprise entre 0 et 1 million de
kilomtres. Nanmoins, une dure de vie est enregistre plus de 5 millions de kilomtres.
Compte tenu de la fentre de temps sur laquelle cette tude est ralise, ce kilomtrage ne
peut dcemment pas tre observ pour un vhicule. Cette donne est juge aberrante et
doit tre supprime de notre tude. Prcisons que les kilomtrages sont saisis
manuellement par un oprateur lors de lentre du vhicule latelier. Lapparition de ces
donnes aberrantes trouve son origine par des erreurs de saisie lors de cette tape
manuelle.
Nombre de remplacements
200
150
100
Valeur aberrante
50
0
0
3
Dures de vie [km]
6
x 10
Figure 7.2: Illustration des valeurs aberrantes rencontres sur les donnes disponibles
Pour identifier automatiquement ces donnes aberrantes et ainsi pouvoir les supprimer,
nous proposons dutiliser une mthode simple et largement utilise: le filtre de Tukey
(Tukey, 1977). Cette mthode considre une donne comme aberrante si:
< (1 1.5 (3 1 ))
ou > (3 + 1.5 (3 1 ))
(7.1)
avec 1 et 3 respectivement les premier et troisime quartiles calculs partir de

lensemble des donnes de dures de vie disponibles pour un composant.
Prise en compte des donnes incompltes
Rappelons que notre objectif est dutiliser les donnes disponibles pour estimer la fonction
de fiabilit (ou de dfiabilit) associe aux diffrents composants du systme retenu. La
dmarche classique pour estimer cette fonction est de relever la dure de bon
142

vhicule industriel
fonctionnement de chaque composant sur lensemble des vhicules de notre chantillon (cf.
figure 7.3 observation 1). Pour un certain nombre de composants, les dures de bon
fonctionnement, exprimes en kilomtres, sont inconnues. Ceci implique que les donnes de
survie que lon collecte sont gnralement incompltes. Dans le contexte de notre tude,
ces donnes incompltes peuvent tre divises en deux types.
Tout dabord, ces donnes incompltes peuvent tre associes des vhicules qui
effectuent leurs maintenances hors du rseau Volvo. Dans ce cas, le composant aurait pu
tre remplac dans un atelier non Volvo mais il est actuellement impossible daccder
cette information (cf. figure 7.3 observation 3). Ce type de donnes incompltes ne doit pas
tre considr pour la construction des modles de fiabilit. Lobjectif est ainsi de les
identifier et de les supprimer de notre tude pour ne pas fausser les rsultats.
Observations de
dure de vie
Dfaillance
Fin de ltude
1
2
Maintenance
hors du
rseau Volvo
Censure
.
.
.
.
.
01/2007
12/2008
12/2013
Figure 7.3: Illustration des donnes compltes et incompltes

A linverse, un autre type de donnes incompltes fait rfrence des donnes dites
censures. Cela signifie que le composant suivi nest pas tomb en panne la fin de ltude.
Il est donc impossible de connaitre sa dure de vie exacte mais celle-ci reste suprieure au
kilomtrage parcouru entre sa mise en circulation et la fin de lexprience (cf. figure 7.3
observation 2). Ces donnes censures apportent donc de linformation qui doit tre prise
en compte pour estimer la fonction de fiabilit. Notons que plusieurs types de censures
existent et quils correspondent chacun une situation bien particulire. Les diffrents
mcanismes de censure sont expliqus dans de nombreux ouvrages notamment (Meeker &
Escobar, 1998) (Rausand & Hyland, 2004). Dans le contexte de notre tude, les composants
sont mis en exploitation des dates diffrentes comprises entre 2007 et 2008. Lanalyse
mene jusqu une date prdtermine, se termine avant que tous les composants ne soient
dfaillants. On parle dans ce cas de censures multiples droite (Berthon, 2008).
143

vhicule industriel
Rappelons que la dure de vie dun composant est exprime dans notre cas dapplication en
kilomtres. Ainsi, la date de censure, il est ncessaire destimer le kilomtrage du vhicule
pour dterminer cette dure de vie censure. Pour ce faire, une rgression linaire robuste
est utilise partir des kilomtrages rpertoris du vhicule. Notons, que le nombre annuel
de kilomtres parcourus par un vhicule volue tout au long de sa vie. Les tudes ralises
sur ce sujet tmoignent quun changement est souvent opr partir de la deuxime anne
de roulage. En sappuyant sur cette remarque, la rgression est effectue sur les
kilomtrages du vhicule partir de la deuxime anne. Lvolution linaire du kilomtrage
nest pas vrifie pour lensemble des vhicules nanmoins cette hypothse est pertinente
pour la gamme de vhicule utilise dans notre tude. Lavantage de cette rgression,
ralise laide de la fonction robustfit de Matlab, rside dans sa capacit rsister aux
donnes aberrantes. Cela signifie quelle est capable de les identifier et de ne pas en tenir
compte dans la rgression (cf. figure 7.4).
Kilomtrage du vhicule [km]
x 10
2.5
2
1.5
1
0.5
0
400
600
800
1000
1200
Age du vhicule [jour]
1400
1600
1800
Figure 7.4: Rgression linaire robuste applique un vhicule donn

Par la suite, pour estimer la fonction de fiabilit, lenjeu est de dfinir si les donnes
incompltes proviennent de composants qui ont t remplacs hors du rseau Volvo ou de
composants dont la dure de vie est censure. Pour raliser cette distinction, la notion de
fidlit des vhicules va tre introduite. Lhypothse est de considrer quun vhicule captif
revient systmatiquement dans un atelier Volvo pour raliser sa maintenance. Ainsi, pour les
vhicules captifs, les donnes incompltes sont considres comme censures droite. A
linverse, nous supposons que les vhicules dont la fidlit nest pas dmontre peuvent
aller faire leur maintenance chez un concurrent. Dans ce contexte, les donnes incompltes
associes ces vhicules ne sont pas prises en compte dans lestimation de la fiabilit. Dans
cette tude, un vhicule est considr comme captif si le pourcentage de temps pass sous
contrat depuis sa mise en circulation jusqu la fin de ltude est suprieur 80%. Ce seuil de
144

vhicule industriel
80% a t dfini avec des experts du groupe qui estiment qu ce niveau il est trs peu
probable que les utilisateurs de ces vhicules aillent effectuer leur maintenance hors du
rseau Volvo.
Au final, pour estimer la fonction de fiabilit associe un composant, les donnes
rcupres sont:
- soit des dures de bon fonctionnement (en km) pour les composants tombs en
panne sur la priode dtude,
- soit des temps de censure (en km) pour les composants qui nont pas encore t
dfaillants la fin de la priode dobservation (censure droite)
La mthode utilise pour intgrer les dures de vie censures dans lestimation de la
fonction de fiabilit est dtaille dans la partie suivante.
7.2
Construction du modle de maintenance
Dans cette partie, lobjectif est de prsenter les diffrentes tapes associes la
construction du modle de maintenance. Rappelons quun modle de maintenance combine
un modle de fiabilit du systme et une politique de maintenance. Ce modle est utilis,
par la suite, pour valuer les performances de la politique de maintenance retenue.
7.2.1
Modlisation de la fiabilit du systme
Pour tablir le modle de fiabilit associ au systme prsent la figure 7.1, la premire
tape consiste estimer la fonction de fiabilit de chaque composant. Dans les tudes de
fiabilit ralises actuellement dans le groupe Volvo, les donnes censures telles quelles
ont t dfinies prcdemment, ne sont pas considres. En effet, les modles actuels sont
dtermins uniquement partir des composants tombs en panne sur la priode dtude.
Les estimations obtenues sont donc forcment sous-estimes car les donnes censures ne
sont pas prises en compte. Les liminer entrane une perte dinformation importante,
puisque lon ne tient pas compte des composants qui ont justement une dure de vie plus
longue.
La prsence de donnes censures impose un traitement statistique particulier. Dans ce
manuscrit, la mthode du maximum de vraisemblance est propose pour intgrer cette
information censure. Cette mthode paramtrique est frquemment utilise pour dduire
les paramtres de la distribution de probabilit dun chantillon donn. Son estimateur est
convergent, exhaustif, asymptotiquement sans biais et efficace (Berthon, 2008).
Ainsi, dans le cas dun chantillon de donnes de survie indpendantes et non censures,
la fonction de vraisemblance scrit:
145

vhicule industriel
(1 , 2 , , ; ) = ( ; )
(7.2)
=1
avec ( , ) la densit de probabilit value linstant de dfaillance . Dans le cas o il

y a des donnes de survie censures droite, les donnes de survie peuvent tre divises
en deux ensembles disjoints: correspondant aux donnes non censures et
correspondant aux donnes censures droite (Rausand & Hyland, 2004). La fonction de
vraisemblance scrit alors:
(1 , 2 , , ; ) = ( ; ) ( ; )

(7.3)
avec ( ; ) la probabilit de survie au-del de . Chercher lestimateur du maximum de

vraisemblance revient chercher la valeur du paramtre qui rend lchantillon le plus
probable possible. En dautres termes, on va chercher maximiser (1 , 2 , , ; )
ou de manire quivalente maximiser ln[(1 , 2 , , ; )].
Application au systme multi-composant retenu
Aprs avoir dfini la mthode statistique utiliser pour intgrer les donnes de survie
censures, celle-ci est applique sur les diffrents composants du systme retenu. Nous
nous plaons dans le cas de censures multiples droite (cf. figure 7.3) et nous supposons
que les diffrents chantillons suivent une loi de Weibull deux paramtres que nous
cherchons dterminer.
Composant A
1
0.8
Estimateur de Kaplan Meier

Loi de Weibull
0.6
0.4
0.2
0
0
6
Distance [km]
10
12
5
x 10
Figure 7.5: Fonction de rpartition obtenue pour le composant avec prise en compte
des donnes de survie censures
146

vhicule industriel
La figure 7.5 illustre la fonction de rpartition obtenue pour le composant 2 avec prise en
compte des donnes censures. Pour ce composant, notre chantillon de donnes de survie
se compose de 803 observations de panne sur la dure de ltude et de 260 donnes
censures. Afin de pouvoir constater visuellement ladquation entre la loi de Weibull
dfinie et lchantillon de donnes considr, lestimateur de Kaplan-Meier est reprsent.
Celui-ci est lestimateur non paramtrique le plus direct de la fonction de rpartition. Il est
galement capable de sadapter la prsence de donnes censures. En sappuyant sur la
figure 7.5, nous constatons quenviron 90% de notre chantillon est tomb en panne
900 000 km.
1
0.8
Loi de Weibull avec censure

Loi de Weibull sans censure
0.6
0.4
0.2
0
0
6
Distance [km]
10
12
5
x 10
survie censures pour le composant
La figure 7.6 compare les fonctions de rpartition obtenues avec et sans prise en compte des
donnes censures pour le composant 2 . En sappuyant uniquement sur les 803
observations de panne de notre chantillon, un impact significatif est visible sur la fonction
de rpartition. En effet, si on reprend la valeur observe 900 000 km, le modle sans
censure indique que toute la population est en panne. On observe donc sur cette valeur un
cart de lordre de 10% en comparaison du modle avec censure.
La figure 7.7 ralise cette mme comparaison avec le composant 4 . Pour celui-ci, la
proportion des donnes censures est beaucoup plus importante que pour le composant 2 .
La diffrence entre les deux fonctions de rpartition est visuellement plus marque. Cela
signifie que lerreur commise en omettant les donnes censures est plus importante pour
ce composant. Si on compare la valeur de la fonction de rparation 900 000 km, lcart est
proche de 40% sur le pourcentage de la population tombe en panne. Le choix dun modle
avec prise en compte des donnes censures entraine des modifications importantes sur le
choix de la politique de maintenance optimale pour ce composant.
147

vhicule industriel
1
0.8
Loi de Weibull avec censure

Loi de Weibull sans censure
0.6
0.4
0.2
0
0
6
Distance [km]
10
12
5
x 10
survie censures pour le composant
En finalit, les modles de fiabilit obtenus partir des donnes censures ont t valids en
interne par les experts des diffrents composants car ils correspondent mieux la situation
relle. Ils jugent ainsi que la prise en compte de linformation de censure est ncessaire pour
garantir la pertinence des rsultats et des dcisions de maintenance qui peuvent en rsulter.
Prcisons enfin quune modlisation spcifique est introduite pour les
composants {A15 , A16 , A17 , A18 }. Dans une thse effectue prcdemment pour le groupe
Volvo (Bouvard, 2010), il a t dmontr que la dgradation de ces composants peut tre
modlise par un processus gamma. En sappuyant sur ces rsultats, des processus de
dgradation vont tre dfinis pour ces quatre composants. Bien que ces processus ne
sappuient pas directement sur des mesures de dgradations, ils sont construits en
cohrence avec les modles de survie obtenus partir des donnes disponibles. Les seuils de
dgradation partir desquels les composants sont considrs comme dfaillants ont t
dfinis par le bureau dtudes.
7.2.2
Modlisation de la politique de maintenance
La politique de maintenance dynamique dtaille dans les chapitres 4 et 5 est applique.

Rappelons que cette politique vise assurer le bon fonctionnement du systme sur une
priode donne moyennant un niveau de confiance spcifi. Pour ce faire, le principe est
dvaluer, la fin de chaque MFOP, la ncessit de maintenir le systme. Cette valuation
est base sur un indicateur, la qui intgre les informations de surveillance
disponibles et la structure du systme. Si lintervention de maintenance est juge
indispensable, la politique slectionne les oprations effectuer selon un critre dfini.
148

vhicule industriel
Le diagramme de fiabilit, reprsent la figure 7.1, pour le systme multi-composant
tudi, fait tat dune structure srie/parallle. La politique de maintenance utilise cette
structure pour prendre une dcision de maintenance la fin de chaque MFOP. Suivant les
paramtres de cette politique (, ), le systme peut tre autoris repartir malgr
une information sur le non-fonctionnement de lune des deux branches parallles. Nous
illustrons ici une des caractristiques majeure de la politique de maintenance dveloppe.
En effet, cest ltat du systme qui est utilis pour diriger la dcision de maintenance et non
pas ltat des diffrents composants.
Bien que les experts valident le diagramme de fiabilit retenu, ils prcisent que la dcision
de laisser repartir le systme nest jamais prise si la dfaillance de lune des branches est
avre. Cette contrainte, lie des problmatiques de scurit, doit tre intgre la
politique de maintenance. Pour ce faire, nous proposons de faire voluer la politique
dveloppe en introduisant un diagramme de fiabilit diffrent pour la modlisation de la
fiabilit et la prise de dcision de maintenance.
Concernant la modlisation de la fiabilit du systme, le diagramme de fiabilit reste
identique celui dfini la figure 7.1. A linverse, pour prendre en compte la contrainte
spcifie par les experts, le diagramme de fiabilit prsent la figure 7.8 est introduit.
Cette nouvelle structure entirement srie, est utilise uniquement dans le processus de
dcision de maintenance. Cela signifie quelle va intervenir dans lvaluation de la et
dans la slection des oprations de maintenance. Le choix de cette modlisation srie
permet dimposer larrt du systme si linformation de panne est connue pour lun des
composants. La contrainte de scurit est donc respecte.
Entre
Sortie
Figure 7.8: Diagramme de fiabilit du systme utilis pour la dcision de maintenance

Cette adaptation de la politique de maintenance permet de dcoupler le diagramme de
fiabilit modlisant la structure fiabiliste du systme et le processus de dcision de
maintenance. Cette approche modulaire, trs flexible, permet de modliser et de prendre en
compte des contraintes mtiers dans le processus de dcision de maintenance.
7.3
Analyse et comparaison des rsultats
Dans cette dernire partie, une illustration sur le systme retenu est propose. Dans un
premier temps, lobjectif est dvaluer le cot total de maintenance de ce sous-systme en
considrant la politique de maintenance dveloppe. Dans un deuxime temps, une
comparaison avec la politique actuellement applique sur ce systme est ralise.
149

vhicule industriel
7.3.1
Dfinition du systme
La structure du systme multi-composant utilise pour cette illustration est dcrite dans la
figure 7.1. Pour ce systme, nous considrons que le cot et la dure unitaire de diagnostic
sont respectivement de = 20 et = 5 min. Le taux horaire de la main duvre est
fix = 70 et le cot de la perte dexploitation par heure dimmobilisation quivaut
= 100. Ensuite pour le remorquage, le cot et la dure considrs sont
respectivement de = 1500 et = 5h. Enfin, le cot logistique li lentre
du systme en atelier de maintenance est de = 100 pour une dure fixe
= 30 min. Pour les diffrents composants du systme, le tableau 7.1 synthtise les
proprits de fiabilit, les cots et les dures de remplacement.
Modle de Fiabilit
(en )
(en h)
Modle de Fiabilit
(en )
(en h)
W(1.31e6,1.7)
W(5.95e5,2.1)
W(9.9e7,0.6)
W(9.39e5,1.7)
W(2.03e6,2.2)
W(3.3e6,0.6)
1434
607
236
512
1125
1125
1.3
0.9
1.4
0.9
W(4.78e7,1.1)
R=1
W(4.78e7,1.1)
R=1
R=1
W(3.28e6, 1.2)
470
400
470
400
1000
1000
0.8
1.3
0.8
1.3
1.6
1.6
Modle de Fiabilit
R=1
W(3.28e6, 1.2)
(en )
(en h)
1000
1000
G(2.45e-5,0.16)
L = 29
187
G(1.98e-5,0.15)
L = 29
187
G(1.18e-5,0.79)
L = 6.3
434
G(1.39e-5,1.05)
L = 6.3
500
1.6
1.6
1.3
1.3
2.99

Dans ce tableau, certains composants possdent un modle de fiabilit gal 1. Cela signifie
quaucune panne nest rpertorie pour ces composants dans lhistorique de maintenance
disponible. Comme nous disposons dun horizon de cinq ans pour lensemble des vhicules,
soit un horizon identique nos simulations, nous considrons une fiabilit gale 1 pour ces
composants.
7.3.2
Rsultats issus du modle de maintenance
En sappuyant sur les proprits du systme et sur le modle de maintenance dfini dans la
partie 7.2, des simulations sont mises en place pour valuer les cots totaux de
maintenance (). Ces simulations bases sur la mthode de Monte Carlo sont ralises
sur un horizon de 5 ans. Considrons que le systme tudi parcourt en moyenne
100 000 km par an. Nous supposons galement que la MFOP est fixe 50 000 km. Ce choix,
dfini avec des experts internes, permet de limiter le nombre annuel darrts de
150

vhicule industriel
maintenance. Cette valeur de la MFOP concide avec lobjectif du groupe Volvo qui est
davoir, au plus, deux arrts de maintenance par an.
Cot total de maintenance (CTM)
Pour dfinir les paramtres optimaux de la politique de maintenance, des simulations sont
effectues en considrant un niveau de confiance allant de 30% 85% par pas de 5%.
Avec la structure du systme reprsente la figure 7.8 et les proprits de fiabilit des
composants, il est en effet impossible de garantir une de plus de 86%. Au niveau de
linformation de surveillance, des mesures de dgradations sont disponibles pour les
composants {A15 , A16 , A17 , A18 }. Pour les autres composants du systme, aucune
information nest disponible. La figure 7.9 illustre lvolution du pour les diffrents
paramtres de la politique en utilisant le critre de dcision 1 . En considrant une MFOP
fixe 50 000 km, un optimal de 7232 est obtenu pour un = 50%.
12000
10000
8000
6000
4000
0.3
0.4
0.5
0.6
0.7
Niveau de Confiance (NC)
0.8
Figure 7.9: Cot total de maintenance pour diffrents niveaux de confiance

(MFOP = 50 000km)
7.3.3
Comparaison avec la politique actuelle
Pour valuer la politique applique actuellement sur ce systme et pouvoir ainsi comparer
avec celle prsente dans ce manuscrit, un modle de maintenance doit tre construit.
Considrons, tout dabord, que les proprits de fiabilit ainsi que les cots et les dures
mentionnes dans la partie 7.3.1 sont identiques. La structure du systme est reprsente
la figure 7.1. La connaissance de cette structure fiabiliste est ncessaire la gestion des
immobilisations. Enfin, le modle de cot ncessaire lvaluation des () est similaire
celui utilis prcdemment.
Au niveau de la politique de maintenance, celle-ci est essentiellement corrective. Le groupe
Volvo considre que la plupart des composants de ce systme ne doit pas tomber en panne
151

vhicule industriel
sur la priode couverte par le contrat de maintenance. Une politique de maintenance
prventive conditionnelle est applique uniquement sur les composants {A15 , A16 , A17 , A18 }
(cf. figure 7.10).
Information de dgradation
Remplacement prventif
Remplacement correctif
Figure 7.10: Politique de maintenance conditionnelle applique sur les composants

{ , , , }
Pour modliser le processus de dcision de maintenance, supposons que des informations
de dgradation sont transmises tous les = 50 000 km pour ces quatre composants.
Supposons galement que la dgradation de ces composants est connue en cas
dimmobilisation du systme. Un seuil de dgradation prventif , dfini grce aux
spcifications techniques, est considr pour chaque composant. Celui-ci est de
=
= 26 pour les composants {A15 , A16 } et de
=
= 5.8 pour les
15
16
17
18
composants {A17 , A18 }. Suivant les informations disponibles, plusieurs cas peuvent tre
rpertoris pour un composant:
-
Si linformation de dgradation indique que () < , aucune maintenance

nest effectue linstant sur le composant.
Si linformation de dgradation indique que > () > , le composant est

encore en fonctionnement mais une maintenance prventive est juge ncessaire et
doit tre ralise linstant .
Ds que () > , le composant ne fonctionne plus. Suivant la structure et ltat du

systme, ce composant est remplac soit lors de la prochaine information de
dgradation disponible soit lors de limmobilisation du systme.
Pour les autres composants soumis une maintenance corrective, aucune information nest
disponible. Nanmoins, un diagnostic est effectu sur lensemble des composants quand le
152

vhicule industriel
systme est immobilis. Celui-ci permet didentifier les composants en panne et de
dclencher leur remplacement. Pour valuer le de ce systme soumis la politique de
maintenance actuelle, la mthode de Monte Carlo est applique.
Politique de maintenance
actuelle
Politique de maintenance
base sur la MFOP
Gain
7736
7232
6.5%
Tableau 7.2: Comparaison de des deux politiques de maintenance considres

Le tableau 7.2 compare les () obtenus en considrant la politique de maintenance
actuelle et la politique de maintenance base sur la MFOP. La politique de maintenance
dveloppe dans ce manuscrit permet ainsi de rduire de plus de 6% les ()
comparativement la situation actuelle. Cette baisse au niveau du cot de maintenance
sexplique essentiellement par une rduction drastique des immobilisations de plus de 14%.
Ces rsultats permettent ainsi de justifier la plus-value de la politique de maintenance
dveloppe dans ce manuscrit sur un systme rel. La politique base sur la MFOP entraine
galement une lgre baisse au niveau de la dispersion des cots pour les individus simuls.
7.4
Conclusion
Ce chapitre a t consacr une application un systme rel de la politique de

maintenance dveloppe dans ce travail de thse. Il prsente ainsi les diffrentes tapes
ncessaires la mise en place et lvaluation de cette politique base sur la MFOP.
Parmi lensemble de ces tapes, la construction des modles de fiabilit associs aux
composants du systme est primordiale. La pertinence de notre modle de maintenance et
des dcisions qui peuvent en dcouler dpend de la qualit des modles de fiabilit. En
fonction des caractristiques inhrentes aux donnes (compltes, errones, censures),
lobjectif est dutiliser au mieux ces informations pour dfinir des modles de fiabilit
pertinents. Nous avons notamment dmontr dans ce chapitre, comment la prise en compte
des donnes censures pouvait amliorer cette modlisation.
Lapplication de cette politique un systme rel a ncessit quelques ajustements au
niveau de la politique de maintenance considrer. Pour respecter les contraintes de
maintenance, les diagrammes de fiabilits utiliss pour la modlisation du systme et pour la
prise de dcision de maintenance ont t dissocis. Cette adaptation aux contraintes mtier
a permis dillustrer la flexibilit de cette mthode.
Enfin, la comparaison avec la politique actuelle a permis de vrifier la plus-value de la
politique de maintenance dveloppe sur le cot total de maintenance du systme tudi.
153

vhicule industriel
154
Chapitre 8 Conclusions et perspectives
Chapitre 8
Conclusions et perspectives
8.1
Conclusions
Les travaux prsents dans cette thse ont trait des problmes de maintenance associs
aux vhicules industriels considrs comme des systmes multi-composant. Nous avons
concentr nos recherches sur deux axes principaux: la planification des oprations de
maintenance et le dveloppement dune mthodologie de conception pour la maintenance.
Actuellement, le planning de maintenance est tabli partir de la configuration du vhicule
et de ses conditions dutilisations prvues. Celui-ci est statique dans le sens o les
informations utilises pour construire le planning initial ne sont pas mises jour pendant la
vie du vhicule. Les oprations de maintenance sont planifies intervalles rguliers et
chaque composant est considr indpendamment du systme. Enfin, le retour
dexprience, issu des activits de maintenance, est trs peu utilis pour faire voluer la
conception des vhicules.
Lobjectif de cette thse a t de proposer une offre de maintenance personnalise en
fonction de lutilisation relle du systme et adapte aux contraintes des utilisateurs. Dans
lindustrie du transport, ces contraintes se caractrisent par un nombre limit
dopportunits de maintenance et des immobilisations fortes consquences financires.
Cette offre a vocation garantir un niveau de disponibilit lev du systme tout en
rduisant limpact de la maintenance sur les cots dexploitation.
Dveloppement dune politique de maintenance dynamique
Pour ce faire, nous avons dvelopp une politique de maintenance dynamique pour des
systmes multi-composant. Celle-ci consiste assurer, moyennant un certain risque,
lautonomie du systme sur des priodes doprations donnes. Ces priodes, appeles
MFOP, permettent aux utilisateurs de raliser leurs missions sans tre perturbs par des
dfaillances du systme ou des oprations de maintenance. A la fin de chaque priode, le
processus de dcision value la ncessit dune intervention de maintenance pour garantir
la prochaine MFOP avec un niveau de confiance spcifi. Lorsque la maintenance est juge
indispensable, un problme doptimisation sous contrainte a t considr pour slectionner
les remplacements raliser. Contrairement un systme mono-composant, le choix des
maintenances effectuer sur un systme multi-composant peut tre ralis de diffrentes
manires. Pour diriger ce choix, des critres de dcision bass sur les cots de
remplacements et sur lefficacit globale des oprations de maintenance ont t introduits.
155

Un algorithme gntique a galement t propos pour rduire le temps de calcul et viter
lexplosion combinatoire.
Mise en place dune forme originale de regroupement
Lide directrice de cette politique est de diffrer virtuellement toutes les maintenances
correctives venir vers des intervalles de temps planifis de maintenances prventives
situs la fin de chaque MFOP. Contrairement la plupart des politiques de regroupement
disponibles dans la littrature, les opportunits de maintenance ne sont pas fixes par les
composants mais bien par ltat du systme. Cette forme originale de regroupement
dynamique repose sur un processus de dcision qui sappuie la fois sur les modles de
fiabilit des composants, sur la structure fiabiliste du systme et sur les informations de
surveillance disponibles en ligne.
Intgration de la structure du systme et des informations de surveillance
Lintgration de la structure du systme dans la dcision de maintenance a permis de faire
voluer la mthode de planification dune approche composant vers une approche
systme . Ensuite, la prise en compte des informations de surveillance a t primordiale
pour sadapter lutilisation relle du systme. Ces informations ont pris la forme
dindications sur ltat de sant des composants et sur leurs conditions dutilisation. Pour
soutenir le processus de dcision mis en place, des mthodes ont t dveloppes pour
intgrer les diffrents types dinformations de surveillance. La flexibilit du processus a ainsi
permis dintgrer dans la dcision des niveaux dinformation htrognes selon les
composants.
Dfinition dun modle de maintenance pour lvaluation et loptimisation de la politique
Les paramtres de cette politique, savoir la longueur de la priode et le niveau de
confiance, ont t optimiss en fonction du cot total de maintenance. Ce cot intgre les
cots directs associs aux oprations de maintenance et les cots indirects engendrs par les
immobilisations. Pour tre en mesure dvaluer ce cot sur un horizon fini, des modles de
maintenance ont t introduits. Un modle de maintenance est un outil de simulation
permettant dvaluer les performances dune politique de maintenance applique sur un
systme donn. Cet outil a lavantage de rendre compte de lvolution de ltat dun
systme soumis une politique de maintenance spcifique. Ces modles nous ont
galement permis de raliser des tudes prospectives sur le dveloppement dune
instrumentation de surveillance ddie et de procdures de recueil de donnes adaptes.
Les rsultats ont montr que laccs des informations de surveillance plus fines, comme les
mesures de dgradation ou la connaissance des conditions dutilisation, permet doptimiser
la politique de maintenance et de rduire les cots.
156

Elaboration dune mthodologie de conception pour la maintenance
Pour envisager une rduction significative du cot dexploitation du systme, loptimisation
de la politique de maintenance seule ne suffit pas. Il est, en effet, primordial de mener une
rflexion plus large associant le systme et sa maintenance ds la conception. Pour diriger
cette rflexion, nous avons dvelopp une mthodologie de conception pour la
maintenance. Celle-ci fournit au concepteur un outil permettant de hirarchiser limpact des
composants sur les cots dexploitation et dvaluer les propositions de conception
disponibles. Pour hirarchiser limpact des composants, un facteur dimportance bas sur les
cots a t introduit. Diffrentes options de conception sont ensuite values, par
simulation, sur les composants jugs prioritaires. Parmi ces options, nous pouvons citer le
choix entre des composants aux caractristiques de fiabilit diffrentes, le choix dinvestir
dans une architecture de surveillance plus complte, le choix denvisager de mettre un
composant en redondance ou encore le choix de travailler sur laccessibilit des composants.
Les options retenues conduisent rduire les cots globaux dexploitation. La plus-value de
cette mthodologie se trouve dans la prise en compte de la structure du systme et de la
politique de maintenance pour faire des recommandations de conception.
Application sur un sous-systme du vhicule
Enfin, dans le chapitre 7, nous avons appliqu la politique de maintenance dveloppe sur
un systme rel. Les diffrentes tapes ncessaires la mise en place et lvaluation de
cette politique ont t dtailles. Nous avons notamment insist sur limportance accorder
la construction des modles de fiabilit. En fonction des caractristiques inhrentes aux
donnes (compltes, errones, censures), lobjectif a t dutiliser au mieux ces
informations pour dfinir des modles de fiabilit pertinents. Nous avons ainsi dmontr
comment la prise en compte des donnes censures pouvait amliorer cette modlisation.
Cette application a galement ncessit quelques ajustements au niveau de la politique de
maintenance considrer. Pour respecter les contraintes de maintenance, les diagrammes
de fiabilit utiliss pour la modlisation du systme et pour la prise de dcision de
maintenance ont t dissocis. Cette adaptation aux contraintes mtier a permis dillustrer
la flexibilit de cette mthode de planification. Les rsultats des simulations menes sur le
systme rel ont permis de vrifier la plus-value de la politique dveloppe sur le cot total
de maintenance en comparaison la politique actuelle.
La premire partie de ce chapitre a permis de conclure sur les contributions de la thse en
rponse aux objectifs industriels et aux enjeux mthodologiques dfinis initialement. Nous
allons maintenant voquer dans une seconde partie les perspectives de ces travaux de
thse.
157
8.2
Perspectives
Court terme: Poursuivre les travaux en levant les hypothses simplificatrices

A cout terme, les perspectives consistent principalement tendre les travaux effectus en
levant les hypothses simplificatrices utilises dans la modlisation.
Premirement, des hypothses plus restrictives peuvent tre envisages au niveau des MRP
(Maintenance Recovery Periods). En effet, dans la politique propose actuellement, aucune
contrainte nest impose sur la dure des oprations de maintenance effectuer.
Nanmoins, pour certains utilisateurs, il pourrait tre ncessaire de dfinir une contrainte de
temps sur la MRP. Dans ce cadre, le problme doptimisation sous contrainte utilis pour
slectionner les oprations de maintenance raliser doit tre adapt.
Deuximement, il serait intressant de considrer une dure variable au niveau des MFOP.
Actuellement, la dure de la MFOP est suppose fixe sur lhorizon de simulation. Cette
hypothse pourrait ainsi tre abandonne pour permettre la dure de la MFOP de
sadapter chaque mission des utilisateurs.
De faon plus globale, nous pourrions adapter le processus de dcision de maintenance
des applications spcifiques. Dans nos travaux actuels, le critre utilis pour lvaluation de
la politique est bas sur des problmatiques de cots. Dans certains cas spcifiques, nous
pouvons imaginer que lobjectif ne soit pas doptimiser les cots mais de rduire le nombre
de dfaillances du systme pendant une MFOP. Nous pourrions ainsi envisager de maintenir
le systme pendant une priode de temps limite la fin de chaque MFOP afin de maximiser
la .
Concentrons-nous maintenant sur les hypothses simplificatrices utilises pour la prise en
compte de linformation de surveillance dans le processus de dcision de maintenance. Une
premire hypothse a t de considrer que nous connaissions parfaitement les processus
de dgradation suivis par les composants. Il serait pertinent danalyser lvolution du cot de
maintenance dans le cas o les paramtres des processus de dgradation ne sont pas
connus de manire exacte. Toujours dans la mme thmatique, le processus de dcision
actuel fait lhypothse que les conditions dutilisation futures des composants sont similaires
leurs utilisations passes. Nous pourrions ainsi tudier le comportement de la politique
dveloppe si les conditions dutilisations des composants changent trs nettement au cours
de la vie du systme. Les diffrents lments mentionns dans ce paragraphe consistent
mener une analyse de robustesse sur la politique de maintenance dveloppe. Nous
souhaitons ainsi vrifier que les performances de la politique ne sont pas altres si les
hypothses effectues ne sont pas exactement respectes.
Ces perspectives court terme permettent encore une fois de justifier la trs grande
flexibilit de la politique de maintenance propose.
158

Long terme: Mettre en uvre les mthodes dveloppes
Cette thse a permis de proposer une mthodologie de planification personnalise en
fonction de lutilisation relle du systme et adapte aux contraintes des utilisateurs. La
thmatique de la maintenance tant un domaine trs porteur au sein du groupe AB Volvo,
une rflexion est mene actuellement sur limplantation de ces mthodes.
Les diffrents travaux et rsultats prsents dans ce manuscrit ont t obtenus sur une
plateforme de simulation. La perspective technologique plus long terme consiste passer
de cette plateforme de simulation la mise en place sur un systme rel. En dautres
termes, il est ncessaire de dterminer par quels moyens technologiques nous pouvons
mettre en uvre les dveloppements raliss.
Les mthodes dveloppes ncessitent la mise en place de procdures de recueil de
donnes adaptes et laccs des informations de surveillance sur les composants. Il sagit
donc de travailler sur les technologies permettant daccder, danalyser, de stocker et de
transmettre lensemble de ces informations. Par exemple, nous avons prcis dans le
chapitre 5 ne pas avoir accs aux conditions dutilisation des composants. Pour pallier ce
manque dinformations, une base de donnes a t gnre par simulation pour chacun des
composants du systme. Actuellement, de nombreux projets sont en cours au sein du
groupe Volvo pour accder une connaissance prcise de lenvironnement dynamique dans
lequel volue chaque systme. Lobjectif de ces projets est de mettre en place une
architecture de surveillance permettant de dterminer dans quelles conditions les diffrents
composants du systme sont utiliss. Un effort est galement effectu pour mettre en place
des procdures de recueil de donnes adaptes aux besoins de la maintenance.
Prcisons enfin que le concept mergent dIVHM (Integrated Vehicle Health Management)
offre une perspective technologique sduisante (Esperon-Miguez et al., 2013) (Holland S. W.,
2008). Cette technologie intgre la possibilit dutiliser les processus de surveillance
embarqus sur les systmes avec des processus dcisionnels de maintenance. Lobjectif de
cette technologie est de mettre en uvre une politique de maintenance en ligne capable de
prendre une dcision cohrente partir dun suivi de la sant du vhicule.
159
160
Bibliographie
Bibliographie
Abdel-Hameed, M. (1975). A gamma wear process. IEEE Transactions on Reliability, 24(2),
pp. 152-153.
AFNOR. (1988). Terminologie relative la fiabilit Maintenabilit Disponibilit. X NF, 60500.
AFNOR. (2001). Terminologie de la maintenance. NF-EN-13306-X-60-319.
Ait Kadi, D., & Clroux, R. (1991). Replacement strategies with mixed corrective actions at
failure. Computer and Operation Research, 141-149.
Al Shaalane, A., & Vlok, P. J. (2013). Application of the aviation derived maintenance free
operating period concept in the south african mining industry. South African Journal
of Industrial Engineering, 150-165.
Andrasson, N. (2004). Optimization of opportunistic replacement activities in deterministic
and stochastic multi-component systems. Master's thesis, Chalmers University of
Technology.
Ansell, J. I., & Phillips, M. J. (1997). Practical aspects of modelling of repairable systems data
using proportional hazards models. Reliability Engineering and System Safety, 58,
165-171.
Antelman, G. R., & Savage, R. I. (1965). Surveillance problems : Wiener processes. Naval
Research Logistics Quaterly, 12, pp. 35-55.
Appleton, D. P. (1996). Future offensive aircraft - maintenance free operating periods. R, M
& T for Future Projects Seminar. London.
Archibald, Y. W., & Dekker, R. (1996). Modified block replacement for multiple-component
systems. IEEE Transactions on Reliability , 75-83.
Artus, S., & Bein, T. (2009). Maintenance On Demand. Seventh Framework Programme
Theme 7 - Sustainable Surface Transport, Annex I, Grant agreement no. : 233890.
Asmussen, S. (2003). Applied probability and queues, Applications of Mathematics (Vol. 51).
New York: Springer-Verlag.
Assaf, D., & Shanthikumar, J. G. (1987). Optimal group maintenance policies with continuous
and periodic inspections. Management Science, 33, 1440-1452.
Bagdonavicius, V., & Nikulin, M. (2009). Statistical models to analyze failure, wear, fatigue
and degradation data with explanatory variables. Communications in Statistics Theory
and Methods, 38(16), pp. 30313047.
161
Bibliographie
Barata, J., Soares, C., Marseguerra, M., & Zio, E. (2002). Simulation modelling of repairable
multi-component deteriorating systems for on condition maintenance optimisation.
Reliability Engineering and System Safety, 76(3), 255-264.
Barlow, R. E., & Proschan, F. (1975). Importance of system components and fault tree
events. Stochastic Processes and their Applications, 2, 153-173.
Barlow, R. E., & Proschan, F. (1996). Mathematical Theory of Reliability. New-York: Wiley.
Barlow, R. E., & Unter, L. C. (1960). Optimum preventive maintenance policies. Operations
Research, 8, 90-100.
Barros, A. (2006). Maintenance des systmes multicomposants sous surveillance imparfaite:
modlisation stochastique et optimisation. Thse de Doctorat, Universit de
Technologie de Troyes, France.
Bein, T., Elberskirch, D., Bonnot, T., Philipp, F., Kemps, P., Peeters, B., et al. (2014). The MoDe
project Maintenance On Demand concepts for commercial vehicles. Transport
Research Arena. Paris.
Berg, M., & Epstein, B. (1976). A modified block replacement policy. Naval Research
Logistics, 23, 15-24.
Berthon, J. (2008). Nouvelle approche de la fiabilit oprationnelle. Thse de Doctorat,
Universit de Bordeaux 1, France.
Birnbaum, Z. (1969). On the importance of different components in a multicomponent
system. Multivariate Analysis, 2, 581-592.
Boulenger, A. (1988). Vers le Zero Panne avec la Maintenance Conditionnelle. Paris: AFNOR.
Bouvard, K. (2010). Planification de la maintenance base sur la dgradation de composants.
Application un vhicule industriel. Thse de Doctorat, Universit de Lille 1, France.
Bouvard, K., Artus, S., Brenguer, C., & Cocquempot, V. (2011). Condition-based dynamic
maintenance operations planning and grouping - Application to commercial heavy
vehicles. Reliability Engineering and System Safety, 96(6), 601-610.
Brown, M., & Hockley, C. (2001). Cost of specifying maintenance/failure free operating
periods for the Royal Air Force aircraft. Proceedings Annual Reliability and
Maintainability Symposium, 425-432.
Carr, M., & Wang, W. (2011). An approximate algorithm for prognostic modelling using
condition monitoring information. European Journal of Operational Research, 211,
90-96.
162
Bibliographie
Castanier, B. (2002). Modlisation stochastique et optimisation de la maintenance
conditionnelle des systmes dgradation graduelle. Thse de Doctorat, Universit
de Technologie de Troyes, France.
Castanier, B., Grall, A., & Brenguer, C. (2005). A condition-based maintenance policy with
non-periodic inspections for a two-series system. Reliability Engineering and System
Safety, 87(1), 109-120.
Chew, S. P., Dunnett, S. J., & Andrews, J. D. (2008). Phased mission modelling of systems
with maintenance-free operating periods using simulated Petri nets. Reliability
Engineering and System Safety, 93, 980-994.
Cho, D., & Parlar, M. (1991). A survey of maintenance models for multi-unit systems.
European Journal of Operational Research, 51(1), 1-23.
Christer, A. H., & Wang, W. (1992). A model of condition monitoring of a production plant.
International Journal of Production Research, 30, 2199-2211.
Cini, P. F., & Griffith, P. (1999). Designing for MFOP: towards the autonomous aircraft.
Journal of Quality in Maintenance Engineering, 296-306.
Comit National Routier. (2014). Longue distance 40 T. Consult le aot 1, 2014, sur
http://www.cnr.fr/Indices-Statistiques/Longue-distance-40T#haut
Commission europenne. (2014). Rapport de la commission au parlement europen et au
conseil sur ltat du march du transport routier dans lunion europenne. Consult le
aot 1, 2014, sur http://ec.europa.eu/transport/modes/road/news/com(2014)222_fr.pdf
Cox, D. R. (1972). Regression models and life tables. Journal of the Royal Statistics, B(34),
187202.
Crowder, M., & Lawless, J. (2007). On a scheme for predictive maintenance. European
Journal of Operational Research, 176(3), pp. 1713-1722.
Deb, K., Pratap, A., Agarwal, S., & Meyarian, T. (2002). A Fast Elitist Multi-objective Genetic
Algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6, 182-197.
Dekker, R. (1996). Applications of maintenance optimization models: a review and analysis.
Reliability Engineering and System Safety, 51, 229-240.
Dekker, R., & Scarf, P. A. (1998). On the impact of optimisation models in maintenance
decision making: the state of the art. Reliability Engineering and System Safety, 60(2),
111-119.
163
Bibliographie
Dekker, R., van der Duyn Schouten, F., & Wildeman, R. (1997). A Review of Multi-Component
Maintenance Models with Economic Dependence. Mathematical Methods of
Operations Research, 45, 411-435.
Deloux, E. (2008). Politiques de maintenance conditionnelle pour un systme dgradation
continue soumis un environnement stressant. Thse de Doctorat, Universit de
Nantes, France.
Deloux, E., Castanier, B., & Brenguer, C. (2008). Maintenance policy for a deteriorating
system evolving in a stressful environment. Proceedings of the Institution of
Mechanical Engineers, Part O : Journal of Risk and Reliability, 222(4), pp. 613622.
Dieulle, L., Berenguer, C., Grall, A., & Roussignol, M. (2003). Sequential condition-based
maintenance scheduling for a deteriorating system. European Journal of Operation
Research, 150(2), 451-461.
Do Van, P., Barros, A., Brenguer, C., Bouvard, K., & Brissaud, F. (2013). Dynamic grouping
maintenance strategy with time limited opportunities. Reliability Engineering and
System Safety.
Do Van, P., Vu, H. C., Barros, A., & Berenguer, C. (2012). Grouping maintenance strategy with
availability constraint under limited repairmen. 8th IFAC Symposium on Fault
Detection Supervision and Safety of Technical Processes. Mexico.
Duflot, N. (2007). Les mesures d'importance fiabilistes issues des tudes probabilistes de
sret nuclaire : contrle des incertitudes et nouvelles applications pour l'aide la
dcision. Thse de Doctorat, Universit de Technologie de Troyes, France.
Esperon-Miguez, M., John, P., & Jennions, I. K. (2013). A review of Integrated Vehicle Health
Management tools for legacy platforms: Challenges and opportunities. Progress in
Aerospace Sciences, 56, 19-34.
Fouladirad, M., & Grall, A. (2011). Condition-based maintenance for a system subject to a
non-homogeneous wear process with a wear rate transition. Reliability Engineering
and System Safety, 96(6), 611-618.
Fouladirad, M., Grall, A., & Dieulle, L. (2008). On the use of on-line detection for
maintenance of gradually deteriorating systems. Reliability Engineering and System
Safety, 93(12), 18141820.
Franke, M., Bhide, S., Liang, J., Neitz, M., & Hamm, T. (2014). Development Trends for
Commercial and Industrial Engines. SAE Int. J. Engines, 7(4), 1629-1636.
Fritzsche, R. (2012). Cost adjustment for single item pooling models using a dynamic failure
rate: A calculation for the aircraft industry. Transportation Research Part E, 48, 10651079.
164
Bibliographie
Fusaro, J. P., Nielsen, R., & Scheike, T. H. (1993). Marker dependent hazard estimation: an
application to aids. Statistics in Medicine, 12, 843-865.
Fussell, J. B. (1975). How to handcalculate system safety and reliability characteristics. IEEE
Transactions on Reliability, 24, 169-174.
Galante, G., & Passannanti, G. (2009). An exact algorithm for preventive maintenance
planning of seriesparallel systems. Reliability Engineering & System Safety, 94, 15171525.
Gaudoin, O. (2014). Fiabilit des Systmes et des Logiciels - Notes de cours - Institut National
Polytechnique de Grenoble. Consult le Septembre 1, 2014, sur http://wwwljk.imag.fr/membres/Olivier.Gaudoin/FSL.pdf
Gertsbakh, I. (1977). Models of Preventive Maintenance. North-Holland.
Gertsbakh, I. (2000). Reliability Theory - With Applications to Preventive Maintenance.
Springer.
Goffaux, G., Vande Wouwer, A., & Bernard, O. (2009). Improving continuous discrete interval
observers with application to microalgae-based bioprocesses. Journal of Process
Control, 19(7), 1182-1190.
Grall, A., Brenguer, C., & Dieulle, L. (2002). A Condition-Based Maintenance Policy for a
Stochastically Deteriorating System. Reliability Engineering and System Safety, 76(2),
167-180.
Hockley, C. (1998). Design for success. Proceedings of the institution of Mechanical
Engineers, Part G: Journal of Aerospace Engineering, 212(6), 371-378.
Hockley, C., & Appleton, D. (1997). Settings the requirements for the Royal Air Force's next
generation aircraft. Proceedings Annual Reliability and Maintainability Symposium,
44-49.
Holland, J. H. (1975). Adaptation in natural and artificial systems. Cambridge: MIT Press.
Holland, S. W. (2008). Integrated vehicle health management in the auto industry.
Electronics System-Integration Technology Conference. Greenwich.
Huynh, K. (2011). Quantification de lapport de linformation de surveillance dans la prise de
dcision en maintenance. Thse de Doctorat, Universit de Technologie de Troyes,
France.
Iserman, R. (2006). Fault-Diagnosis Systems: An Introduction from Fault Tolerance (Vol.
XVIII). Springer.
165
Bibliographie
Jury, J., & Sturdivant, K. (1995). Translate your customer focus into bottom line results. IIE
Solutions: Industrial Engineering, 27, 34-37.
Keller, E. (2003). Customer Support: Delivering Enhanced Services through Intelligent Device
Management. Service Business Magazine.
Khoury, E. (2012). Modlisation de la dure de vie rsiduelle et maintenance prdictive:
application des vhicules industriels. Thse de Doctorat, Universit de Technologie
de Troyes, France.
Kumar, U. D. (1999). New trends in aircraft reliability and maintenance measures. Journal of
Quality in Maintenance Engineering, 287-295.
Kumar, U. D., Knezevic, J., & Crocker, J. (1999). Maintenance free operating period - an
alternative measure to MTBF and failure rate for specifying reliability ? Reliability
Engineering & System Safety, 64, 127-131.
Laprie, J. C. (1996). Guide de la sret de fonctionnement. Toulouse: Cpadus.
Lawless, J., & Crowder, M. (2004). Covariates and random effects in a Gamma process model
with application to degradation failure. Lifetime Data Analysis, 19, pp. 213-227.
Lebarbier, E., & Mary-Huard, T. (2008). Classification non supervise. Polycopi de cours
AgroParisTech.
Lesobre, R., Bouvard, K., Brenguer, C., & Grall, A. (2012). Tailored maintenance optimization
within Maintenance on Demand project. ESREL 2012. Helsinki.
Lesobre, R., Bouvard, K., Berenguer, C., Barros, A., & Cocquempot, V. (2013). A maintenance
free operating period policy for a multi-component system with different information
levels on the components state. Chemical Engineering Transactions, 33, 1051-1056.
Lesobre, R., Bouvard, K., Brenguer, C., Barros, A., & Cocquempot, V. (2014a). A UsageInformed Preventive Maintenance Policy to Optimize the Maintenance Free
Operating Period for Multi-Component Systems. Probabilistic Safety Assessment and
Management (PSAM 12). Honolulu.
Lesobre, R., Bouvard, K., Brenguer, C., Barros, A., & Cocquempot, V. (2014b). Evaluation of
decision criteria to optimize a dynamic maintenance policy based on Maintenance
Free Operating Period concept. 8th International Conference on Modelling in
Industrial Maintenance and Reliability. Oxford.
Lesobre, R., Bouvard, K., Brenguer, C., Barros, A., & Cocquempot, V. (2014c). Politique de
maintenance dynamique pour un systme multi-composant intgrant les information
de surveillance. Lambda Mu 19. Dijon .
166
Bibliographie
Liao, H., Elsayed, E., & Chan, L. (2006). Maintenance of continuously monitored degrading
systems. European Journal of Operational Research, 175(2), 821835.
Long, J., Shenoi, R. A., & Jiang, W. (2009). A reliability-centred maintenance strategy based
on maintenance free operating period philosophy and total lifetime operating cost
analysis. Proceedings of the Institution of Mechanical Engineers, Part G: Journal of
Aerospace Engineering, 223, 711-719.
Manzini, R., Regattieri, A., Pham, H., & Ferrari, E. (2010). Maintenance for industrial systems .
Springer Verlag .
Markeset, T., & Kumar, U. (2001). R&M and Risk-Analysis Tools in Product Design, to Reduce
Life-Cycle Cost and Improve Attractiveness. Proceedings Annual Reliability and
Maintainability Symposium, 116-122.
Meeker, W. Q., & Escobar, L. A. (1998). Statistical Methods for Reliability Data. Wiley series
in probability and statistics.
Michalewicz, Z., & Schouenauer, M. (1996). Evolutionary algorithms for constrained
parameter optimization problems. Evolutionary Computation, 4, 1-32.
Mihalache, A. G. (2007). Modlisation et valuation de la fiabilit des systmes
mcatroniques: Application sur un systme embarqu. Thse de Doctorat, Universit
d'Angers, France.
MIL-HDBK-217F. (1991). Military Handbook. Reliability prediction of electronic equipment.
Department Of Defense. Washington DC.
Mitchell, P. (1999). What the customer wants - Maintenance Free and Failure Free operating
periods to improve overall system availability and reliability. RTO AVT Specialists'
Meeting on "Design for Low Cost Operation and Support". Ottawa: RTO MP-37.
Myers, L. E. (1981). Survival functions induced by stochastic covariate processes. Journal of
Applied Probability, 18, 523-529.
Nelson, W. (1990). Accelerated Testing: Statistical Models, Test Plans and Data Analysis. New
York: Ed. Wiley.
Newby, M., & Dagg, R. (2004). Optimal inspection and perfect repair. IMA Journal of
Management Mathematics, 15(2), 175.
Nicolai, R. P., & Dekker, R. (2008). Optimal maintenance of multi-component systems: a
review. Complex system maintenance handbook, 263286.
Nicolai, R., Frenk, J., & Dekker, R. (2009). Modelling and optimizing imperfect maintenance
of coatings on steel structures. Structural Safety, 31(3), 234-244.
167
Bibliographie
Okumoto, K., & Elsayed, E. A. (1983). An optimum group maintenance policy. Naval Research
Logistics Quaterly, 30, 667-674.
Ouali, M., Tadj, L., Yacout, S., & Ait-Kadi, D. (2011). A survey of replacement models with
minimal repair. London: Springer Series in Reliability Engineering.
Pags, A., & Gondran, M. (1980). Fiabilit des systmes. Paris: Eyrolles.
Park, K. S. (1988). Optimal Continuous Wear Limit Replacement under Periodoc Inspections.
IEEE Transactions on Reliability, 37(1), 97-102.
Patton, R. J., Frank, P. M., & Clark, R. N. (2000). Issues of Fault Diagnosis for Dynamic Systems
(Vol. XXV). Springer.
Ponchet, A., Fouladirad, M., & Grall, A. (2010). Assessment of a maintenance model for a
multi-deteriorating mode system. Reliability Engineering and System Safety, 95(11),
12441254.
Puterman, M. L. (1994). Markov Decision Process: Discrete Stochastic Dynamic Programming.
New York: Wiley .
Rausand, M., & Hyland, A. (2004). System Reliability Theory: Models, Statistical methods,
and Applications. Hoboken: Wiley.
Razali, A. M., & Al-Wakeel, A. A. (2013). Mixture Weibull distributions for fitting failure times
data. Applied Mathematics and Computation, 11358-11364.
Relf, M. N. (1999). Maintenance Free Operating Periods - The Designer's challenge. Quality
and Reliability Engineering International, 15, 111-116.
Ross, S. M. (1984). A model in which component failure rates depend on the working set.
Naval Research Logistics Quaterly, 31, 297-300.
Saassouh, B. (2007). Maintenance conditionnelle pour des sytmes soumis plusieurs modes
de fonctionnement: approche stochastique. Thse de Doctorat, Universit de
Technologie de Troyes, France.
Sheriff, Y. S., & Smith, M. L. (1981). Optimal maintenance models for systems subject to
failure a review. Naval research logistics quarterly, 28.
Si, X., Wang, W., Hu, C., & Zhou, D. (2011). Remaining useful life estimation - A review on the
statistical data driven approaches. European Journal of Operationnal Research, 1-14.
Singpurwalla, N. (1995). Survival in dynamic environments. Statistical Science, 10, pp. 85103.
168
Bibliographie
Smith, D. J. (1997). Reliability, maintenability and risk: Practical methods for engineers.
Oxford: Butterworth Heinemann.
Stanton, D. (2013). Systematic Development of Highly Efficient and Clean Engines to Meet
Future Commercial Vehicle Greenhouse Gas Regulations. SAE Int. J. Engines, 6(3),
1395-1480.
Takata, S., Kimura, F., Van Houten, F. J., Westkamper, E., Shpitalni, M., Ceglarek, D., et al.
(2004). Maintenance: Changing Role in Life Cycle Management. CIRP Annals
Manufacturing Technology, 53(2), 643-655.
Tango, T. (1978). Extended block replacement policy with used items. Journal of Applied
Probability, 15, 560-572.
Thomas, L. C. (1986). A survey of maintenance and replacement models for maintainability
and reliability of multi-item systems. Reliability Engineering and System Safety, 16(4),
297-309.
Tijms, H. C. (1986). Stochastic Modelling and Analysis. Chichester: Wiley.
Tinga, T. (2010). Application of physical failure models to enable usage and load based
maintenance. Reliability Engineering & System Safety, 95, 1061-1075.
Tinga, T., & Janssen, R. H. (2013). The interplay between deployment and optimal
maintenance intervals for complex multi-component systems. Proceedings of the
Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability, 1-14.
Tukey, J. (1977). Exploratory Data Analysis. Addison-Wesley.
Valdez-Flores, C., & Feldman., R. M. (1989). A survey or preventive maintenance models for
stochastically deteriorating single-unit systems. 36, 419-446.
van der Borst, M., & Schoonakker, H. (2001). An overview of PSA importance measures.
Reliability Engineering & System Safety, 72, 241-245.
Van Noortwijk, J. (2009). A survey of the application of Gamma processes in maintenance.
Reliability Engineering and System Safety, 94, pp. 221.
Villemeur, A. (1988). Sret de Fonctionnement des Systmes Industriels. Paris: Eyrolles.
Vu, H. C., Do Van, P., Barros, A., & Berenguer, C. (2012). Maintenance activities planning and
grouping for complex structure systems. European Safety and Reliability Conference.
Helsinki.
Vu, H. C., Do Van, P., Barros, A., & Brenguer, C. (2014). Maintenance planning and dynamic
grouping for multi-component systems with positive and negative economic
dependencies. IMA Journal of Management Mathematics. Advance Access.
169
Bibliographie
Wang, H. (2002). A survey of maintenance policies of deteriorating systems. European
Journal of Operational Research , 139, 469-489.
Wang, P., & Coit, D. W. (2007). Reliability and degradation modeling with random or
uncertain failure threshold. Proceedings Annual Reliability and Maintainability
Symposium.
Wang, Y., & Pham, H. (2011). Imperfect preventive maintenance policies for two-process
cumulative damage model of degradation and random shocks. International Journal
of Systems Assurance Engineering and Management, 2(1), 66-77.
Warrington, L., Jones, J. A., & Davis, N. (2002). Modelling of maintenance, within discrete
event simulation. Proceedings Annual Reliability and Maintainability Symposium.
Whitemore, G. A. (1995). Estimating degradation by a wiener diffusion process subject to
measurement error. Lifetime Data Analysis, 1, 307-319.
Wildeman, R. E. (1996). The Art of Grouping Maintenance. PhD thesis, Erasmus Universiteit
Rotterdam.
Wildeman, R. E., Dekker, R., & Smit, A. C. (1997). A dynamic policy for grouping maintenance
activities. European Journal of Operational Research, 99(3), 530-551.
Wu, S., & Coolen, F. P. (2013). A cost-based importance measure for system components: An
extension of the Birnbaum importance. European Journal of Operational Research,
225, 189-195.
Zhao, X., Fouladirad, M., Brenguer, C., & Bordes, L. (2010). Condition-based
inspection/replacement policies for non-monotone deteriorating systems with
environmental covariates. Reliability Engineering and System Safety, 95(8), 921-934.
Zuckerman, D. (1989). Optimal Inspection Policy for a Multi-Unit Machine. Journal of Applied
Probability, 26, 543-551.
170

Lesobre 2015 Archivage

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Lesobre 2015 Archivage

Transféré par

Droits d'auteur :

Formats disponibles

Mod

elisation et optimisation de la maintenance et de la

To cite this version:

HAL Id: tel-01169295

HAL is a multi-disciplinary open access

Larchive ouverte pluridisciplinaire HAL, est

DOCTEUR DE LUNIVERSIT DE GRENOBLE

Mr. Bruno CASTANIER

Mr. Franois PERES

Mr. Antoine GRALL

Mr. Van Phuc DO

Mme. Keomany BOUVARD

Mme. Anne BARROS

Mr. Vincent COCQUEMPOT

Mr. Christophe BERENGUER

Table des matires

Table des matires

Panorama du transport routier ................................................................................... 1

Etat des lieux en quelques chiffres ...................................................................... 1

Cot dexploitation : un indicateur cl ................................................................. 2

La maintenance dans le groupe AB Volvo ................................................................... 4

Principaux acteurs ................................................................................................ 4

Elaboration des contrats dentretien ................................................................... 6

Construction du planning de maintenance .......................................................... 8

Vers une amlioration de loffre de service .............................................................. 10

Besoins des utilisateurs: volutions ................................................................... 10

Cahier des charges ............................................................................................. 11

Le projet MoDe: une premire rponse .................................................................... 13

Algorithme de planification dynamique............................................................. 15

Rsultats et limites ............................................................................................. 16

Contribution de la thse ............................................................................................ 18

Objectifs industriels ............................................................................................ 18

Enjeux mthodologiques .................................................................................... 19

Rappels de fiabilit .................................................................................................... 23

Table des matires

Fiabilit et sret de fonctionnement ............................................................... 23

Fiabilit et grandeurs caractristiques ............................................................... 25

Fiabilit et mthodes dvaluation .................................................................... 28

Modles de survie ..................................................................................................... 29

La loi exponentielle ............................................................................................ 30

La loi de Weibull ................................................................................................. 31

Autres lois usuelles ............................................................................................. 32

Modles de survie et environnement dynamique ............................................. 34

Modles de dgradation ........................................................................................... 35

Diffrentes classes de dgradation .................................................................... 35

Processus de Lvy ............................................................................................... 37

Dgradation et environnement dynamique ...................................................... 39

Fiabilit des systmes ................................................................................................ 39

Analyse et reprsentation de la structure fiabiliste ........................................... 40

Calculs de fiabilit pour des structures lmentaires ........................................ 41

Notions gnrales ...................................................................................................... 45

Types de maintenance ....................................................................................... 46

Moyens daction de la maintenance .................................................................. 48

Evaluation et optimisation des performances ................................................... 49

Maintenance et surveillance ..................................................................................... 51

Informations de surveillance .............................................................................. 51

Surveillance et processus de dcision ................................................................ 54

Politiques de maintenance appliques un composant lmentaire ...................... 56

Politiques bases sur la loi de dure de vie du composant ............................... 56

Politiques bases sur ltat courant du composant ........................................... 59

Maintenance des systmes multi-composant........................................................... 62

Politiques de regroupement stationnaires ........................................................ 63

Politiques de regroupement dynamiques .......................................................... 64