Académique Documents
Professionnel Documents
Culture Documents
THSE
Pour obtenir le grade de
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:
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
1.1.1
1.1.2
1.2
1.2.1
1.2.2
1.2.3
1.3
1.3.1
1.3.2
1.4
1.4.1
Objectifs du projet.............................................................................................. 13
1.4.2
1.4.3
1.5
1.5.1
1.5.2
1.6
Plan de la thse.......................................................................................................... 21
Chapitre 2 ................................................................................................................................. 23
Modlisation de la fiabilit des systmes ................................................................................ 23
2.1
2.1.2
2.1.3
2.2
2.2.1
2.2.2
2.2.3
2.2.4
2.3
2.3.1
2.3.2
2.3.3
2.4
2.4.1
2.4.2
2.5
Conclusion ................................................................................................................. 43
Chapitre 3 ................................................................................................................................. 45
Modlisation de la maintenance.............................................................................................. 45
3.1
3.1.1
3.1.2
3.1.3
3.2
3.2.1
3.2.2
3.3
3.3.1
3.3.2
3.4
3.4.1
3.4.2
3.5
Conclusion ................................................................................................................. 65
x
4.1.1
4.1.2
4.2
4.2.1
4.2.2
4.3
4.3.1
4.3.2
4.3.3
4.4
Illustration.................................................................................................................. 84
4.4.1
4.4.2
4.4.3
4.5
Conclusion ................................................................................................................. 89
Chapitre 5 ................................................................................................................................. 91
Prise en compte de linformation de surveillance pour la maintenance ................................. 91
5.1
5.1.1
5.1.2
5.1.3
5.2
5.2.1
5.2.2
5.2.3
5.3
5.3.1
5.3.2
5.3.3
5.3.4
6.1.1
6.1.2
6.2
6.2.1
6.2.2
6.3
6.3.1
6.3.2
6.4
Illustration................................................................................................................ 129
6.4.1
6.4.2
6.4.3
6.5
7.1.1
7.1.2
7.1.3
7.2
7.2.1
7.2.2
7.3
7.3.1
7.3.2
7.3.3
7.4
8.2
xiii
xiv
xvii
xviii
xix
xx
Abrviations et Notations
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
Abrviations et Notations
,
Cot additionnel
(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
()
Nombre dinspections sur lintervalle [0, ]
Opportunit de maintenance
2
Coefficient de dtermination
Fiabilit du systme
RRW
Risk Reduction Worth
Dure de vie rsiduelle dune entit pour un risque donn
dpendantes
xxii
Abrviations et Notations
()
()
(. )
xxiii
Abrviations et Notations
xxiv
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
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
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
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.
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
1.2
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
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
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
90 000/365
75 000/365
60 000/365
45 000/365
1.2.3
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.
1.3
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
10
1.3.2
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
1.4
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
1.4.2
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
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
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
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
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
22
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
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
Scurit
Disponibilit
Sret de
Fonctionnement
Fiabilit
Maintenabilit
2.1.2
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
() = ( )
25
(2.1)
(2.2)
()
( < + )
= lim
0
(2.3)
0,
() = 1 () = ( > ) = 1 ()
(2.4)
( < + ) ( + ) ()
=
( > )
()
(2.5)
() = lim
1 ( < + ) ()
( > )
()
(2.6)
26
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.
= [] = ()
(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
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
2.2
Modles de survie
Dfaillance
1
Fonctionnement
Panne
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)
(2.11)
= () = =
0
(2.12)
()
= =
()
(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)
1 ( )
() = () = ( )
pour 0
(2.16)
( )
pour 0
(2.17)
1
= () = ( + 1)
(2.18)
() = 1
(2.19)
(2.20)
=3
z(t)
2
1.5
=1
1
0.5
= 0,5
0
0
0.2
0.4
0.6
0.8
2.2.3
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)
32
(2.22)
Loi Lognormale
1
2
1
(ln )2 )
22
pour > 0
(2.23)
(+
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
33
2.2.4
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
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
Panne
0
Choc 1
Choc 2 Choc 3
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
2.3.2
Processus de Lvy
(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)
= 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)
(, )
()
(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
2.3.3
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
39
2.4.1
Entre
Sortie
2
5
40
2.4.2
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:
-
41
Entre
Sortie
1
(2.29)
=1
(2.30)
Comme nous avons fait lhypothse que les composants taient indpendants, la fiabilit du
systme ci-dessus devient:
() = ()
(2.31)
=1
Entre
Sortie
(2.32)
=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
44
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
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
46
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.
47
3.1.2
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
3.1.3
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
= 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)
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
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
3.2.2
(( 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
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
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
Maintenance
prventive
Cot =
Maintenance
corrective
Cot =
Maintenance
prventive
Cot =
Temps
Panne
= lim
(3.4)
[( )]
[ ]
+ . (0 )
0
0 ()
(3.5)
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
Maintenance
prventive
Cot =
Maintenance
corrective
Cot =
Maintenance
prventive
Cot =
Temps
Panne
[( )]
[ ]
+ ( + ). (0 )
0
(3.6)
3.3.2
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
(3.7)
60
Cas 2
Fiabilit conditionnelle
Fiabilit conditionnelle
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
3.4
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
3.4.1
63
3.4.2
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
66
Chapitre 4
Politique de maintenance dynamique
base sur le concept de la MFOP
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
4.1.1
Dfinitions gnrales
68
( + )
()
(4.1)
Maximiser lefficacit
oprationnelle
Rduction du temps
dimmobilisation
Rduction
de la logistique
MFOP
4.1.2
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
4.2
4.2.1
Oui
MFOP
> NC
Non
Slectionner les oprations de
maintenance effectuer pendant
lintervention
Estimation de la
pour le systme spcifi
MFOP
MFOP
ou
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
(4.2)
4.2.2
(4.3)
() = [( , ( + )) + ]
=1
(4.4)
=1
() = [( , ( )) + + (( + ) )]
=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
() = [( + ) ]
(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
4.3.1
1 () = +
=1
(4.7)
(, ) ()
(4.8)
77
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%.
Fiabilit conditionnelle
0.95
0.9
0.85
0.8
2
2.2
2.4
2.6
Kilomtrage du systme [Km]
2.8
3
x 10
()
(4.9)
(4.10)
4.3.2
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)
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
() = [( , ( ) { } ) +
=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
Population
1 ..n
0
.
.
1
Oprations gntiques
N
Mutation
Croisement
1
Evaluation
Classification
Slection
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.
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
Entre
Sortie
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
84
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
8500
8000
7500
7000
0
200
400
600
Nombre d'histoires considres
800
1000
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
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
4.4.3
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
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
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
4.5
Conclusion
89
90
Chapitre 5
Prise en compte de linformation de
surveillance pour la maintenance
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
91
5.1.1
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:
-
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
( + /, { de 1 } )
(/, { de 1 } )
( > + /, { de 1 } )
( > /, { de 1 } )
(5.1)
1 (1 1 ( + /1, )) (1 2 ( + /2, ))
1 (1 1 (/1, )) (1 2 (/2, ))
93
(5.2)
1 (/1, ) = 0
1 ( + /1, ) = 0
1 (/1, ) = 1
1 ( + /1, ) = 1 ( + /1 ())
94
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
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
MFOPS
0.9
0.85
0.8
0.75
0.7
Niveau 1
Niveau 2
Niveau 3
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
96
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
MFOPS
0.9
0.85
0.8
0.75
0.7
Niveau 1
Niveau 2
Niveau 3
97
5.1.3
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
7414
7334
7266
7254 (-2%)
6977 (-5%)
6882 (-5%)
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%)
5.2
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
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
5.2.2
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
() = (, )
(5.3)
=1
() = (, )
(5.4)
=1
=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
( , )
=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
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
Nombre de panne
1000
800
600
400
200
0
1
1.5
2
2.5
Kilomtrage des pannes
3.5
5
x 10
Densit de probabilit
2.5
x 10
-5
2
1.5
1
0.5
0
0
2
3
Kilomtrage [Km]
5
x 10
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
5.2.3
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
(, ( 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
= (1 ,
)(
) + (,
)( )
1
1
,
,
,
,
, 2
avec ( )
et (
= (1 ,
)(
1
lesprance
et
(5.8)
)
+
(
)
(
)
,
1
, 2
, 2
la
variance
des
incrments
du
processus
106
(, ( 1 ), ( (1 )), )
(, ( 1 ))
(5.9)
= 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
107
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
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
109
5.3.2
Cas 1
Non
Niveau 2
Cas 2
Oui
Niveau 1
Cas 3
Oui
Niveau 3
Dans un second groupe, nous nous focalisons sur les hypothses relatives aux
informations de surveillance disponibles en ligne pour les diffrents composants du
systme.
111
5.3.3
Sortie
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
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
Cot
1.5
0.5
15
x 10
10
4
MFOP
0.7
0.6
0.8
0.9
NC
113
optimal
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 (%)
114
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
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
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
6.1.1
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
Client
Besoins / Contraintes
Fiabilit
Maintenabilit
6.1.2
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
6.2
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
Cots
dexploitation
satisfaisants ?
Oui
Design
Valid
Non
Slectionner
les outils
appliquer
Adapter la
modlisation
du systme
Identifier les
composants les
plus impactants
(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
6.2.2
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
Faire voluer
larchitecture de
surveillance
6.3
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
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):
-
En sappuyant sur ces diffrents indicateurs, Rausand et Hoyland (2004) concluent que
limportance dun composant dpend de trois critres:
-
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
6.3.2
, + , ()
()
(6.3)
127
(6.4)
(6.5)
, () = [(, ( + )) +
=1
,
]
(6.6)
128
, () =
=1
(6.7)
avec
= ( , ( )) + + (( + ) )
(6.8)
=1
, () = [( + ) ]
(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
6.4.1
Sortie
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
6.4.2
Rsultats initiaux
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
, (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
A2
0.8
Fiabilit
0.6
0.4
0.2
0
0
t [km]
10
5
x 10
6.4.3
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)
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%)
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
133
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)
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%)
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
(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
(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
(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
(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
6.5
Conclusion
138
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
7.1.1
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
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.
Sortie
7.1.2
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
Donnes Vhicule
- Numro didentification (not VIN)
- Numro de chssis
- Date de mise en circulation
Ensuite, pour chaque opration de maintenance effectue sur un vhicule, les donnes
suivantes sont disponibles :
7.1.3
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
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)
Observations de
dure de vie
Dfaillance
Fin de ltude
1
2
Maintenance
hors du
rseau Volvo
Censure
.
.
.
.
.
01/2007
12/2008
12/2013
x 10
2.5
2
1.5
1
0.5
0
400
600
800
1000
1200
Age du vhicule [jour]
1400
1600
1800
7.2
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
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
(1 , 2 , , ; ) = ( ; )
(7.2)
=1
(7.3)
Fonction de rpartition
1
0.8
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
Fonction de rpartition
1
0.8
0.6
0.4
0.2
0
0
6
Distance [km]
10
12
5
x 10
Figure 7.6: Fonctions de rpartition obtenues avec et sans prise en compte des donnes de
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
Fonction de rpartition
1
0.8
0.6
0.4
0.2
0
0
6
Distance [km]
10
12
5
x 10
Figure 7.7: Fonctions de rpartition obtenues avec et sans prise en compte des donnes de
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
148
Sortie
7.3
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
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
7.3.2
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
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
7.3.3
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
Information de dgradation
Remplacement prventif
Remplacement correctif
=
= 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:
-
Pour les autres composants soumis une maintenance corrective, aucune information nest
disponible. Nanmoins, un diagnostic est effectu sur lensemble des composants quand le
152
Politique de maintenance
actuelle
Politique de maintenance
base sur la MFOP
Gain
7736
7232
6.5%
7.4
Conclusion
153
154
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
156
157
8.2
Perspectives
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