Vous êtes sur la page 1sur 173

INSTITUT POLYTECHNIQUE DE GRENOBLE

N attribu par la bibliothque

|__|__|__|__|__|__|__|__|__|__|

THESE

pour obtenir le grade de

DOCTEUR DE LInstitut polytechnique de Grenoble

Spcialit : Gnie Industriel

prpare au laboratoire G-SCOP (Laboratoire des Sciences pour la Conception, l'Optimisation et la

Production)

dans le cadre de lEcole Doctorale Ingnierie-Matriaux Mcanique Energtique

Environnement Procds Production

prsente et soutenue publiquement

par

Aymen MILI

Le 21 octobre 2009

Vers des mthodes fiables de contrle des procds par la matrise du risque
Contribution la fiabilisation des mthodes de process control dune unit de Recherche et de
Production de circuits semi-conducteurs

DIRECTEURS DE THESE : Michel TOLLENAERE & Stphane HUBAC

JURY

M. Benoit Iung , Prsident


M. Maurice Pillet , Rapporteur
M. Daniel Noyes , Rapporteur
M. Stphane Dauzre-Prs , Examinateur
M. Michel Tollenaere , Directeur de thse
M. Stphane Hubac , Directeur Industriel
M. Ali Siadat , Co-encadrant
M. Samuel Bassetto , Co-encadrant
La logique n'est rien d'autre qu'une description de l'action de penser et dans
la plupart des cas la suit

Ibn Khaldoun

I know you believe you understand what you think I said, but I am not
sure you realize that what you heard is not what I meant.

W.E. Deming
REMERCIEMENTS
Avant de commencer ce manuscrit je souhaite adresser quelques remerciements tous ceux qui ont
contribu ce travail et mont permis daboutir la fin de ces trois annes de thse.

Je remercie monsieur Benoit Iung, mon ancien professeur lISIAL, davoir accept de prsider mon
jury de thse et pour ses remarques et critiques sur mon rapport.
Je remercie messieurs Maurice Pillet, Daniel Noyes et Stphane Dauzere-Peres pour le temps quils
ont pris pour rapporter mon travail, leurs remarques constructives et leur disponibilit pour
rpondre mes questionnements.

Cette thse a t encadre par une quipe de chercheurs et industriels dont je me flicite davoir
travaill avec eux et partager leur exprience :
Un grand merci pour vous Mr Michel Tollenaere, pour mavoir encadr, conseill et pour votre
temps que vous avez consacr diriger mes travaux. Merci pour votre prsence et soutien
continus
Merci vous Mr Stphane Hubac, pour tous ce que vous avez fait ds le premier jour au dernier de
ma thse. Je pense tre parmi les rares qui ont eu cette chance de vous avoir comme directeur :
lexpert et lhomme.
Mr Alain Deleporte, je ne saurai vous remercier pour votre soutien et encadrements continus. Vous
mavez intgr au sein de lentreprise et vous avez toujours rpondu mes questions. Jai eu un
norme plaisir de travailler et changer avec vous.
Mr Ali Siadat, sans votre recommandation cette thse naura pas eu lieu, jen suis reconnaissant.
Ton encadrement, tes encouragements et tous ce que tas fait pour moi je souhaite que ca continue
par une amiti
Mr Samuel Bassetto, merci pour tout tas pass beaucoup de temps mencadrer me diriger et
sans ton encadrement je ne saurai avancer dans ma thse et mes recherches.
Merci pour ce plaisir que jai eu pour travailler avec vous et pour le temps quon a pass ensemble
esprant que ca continue.

Merci tous mes amis et collgues ST et G-scop, mes amis de Grenoble et de Metz. On a pass des
bons moments mais ca passe vite

Sans ma famille et leur soutien ds mon arrive en France, cette thse naura aboutit. Les mots ne
suffiront jamais te remercier mon trs cher papa SI Khaled el MILI , tu es toujours mon
exemple, le pre, lami qui a su faire son devoir. Tu mas accompagn, soutenu et encadr depuis
toujours. Cette thse est le fruit de ton soutien et elle est pour toi
Ma trs chre maman Ommi Rachida , je ne saurai ni comment le dire ni comment lcrire : je
veillerai toute ma vie te rendre un petit bout de ce que tu mas donn damour et de soutien. Merci
du fond du cur
Tous mes remerciements sont mes frres Abdel Hakim et Mehdi, qui mont soutenu, aid dans les
moments les plus difficiles.

Tu es toujours dans mes penses, merci pour ta patience, ta prsence mes cts ma trs chre
fiance Rawya notre vie est nous

Merci tous !
SOMMAIRE

INTRODUCTION GENERALE ......................................................................................................................... 1


CHAPITRE I : LES METHODES DE CONTROLE DES PROCEDES & LE CONTEXTE INDUSTRIEL ...... 7
I. INTRODUCTION :............................................................................................................................................ 9

II. LA MICROELECTRONIQUE ................................................................................................................................. 9


1- Les composants semi-conducteurs ...................................................................................................... 9
2- Les applications industrielle des composants ST ............................................................................... 11
3- La production de puce dans un environnement "salle blanche" ....................................................... 11

III. INTRODUCTION AU CONTROLE DES PROCEDES (PROCESS CONTROL)........................................................................ 13


1- Contexte gnral du contrle des procds ...................................................................................... 13
2- Cartographie du process control ST Crolles ....................................................................................... 13

IV. LES ANALYSES DE RISQUES CHEZ ST .................................................................................................................. 15


1- Pourquoi les Analyses des Risques..................................................................................................... 15
2- Comment sont-elles intgres ? ........................................................................................................ 16
3- Constat du dploiement .................................................................................................................... 16

V. PROBLEMATIQUE DE LA THESE ........................................................................................................................ 17


1- Analyse des risques lis aux drives quipements ............................................................................ 18
2- La gestion des plans dactions ............................................................................................................ 19

VI. CONCLUSION : ............................................................................................................................................ 20


CHAPITRE II : APPORT DANALYSE DE RISQUE EN MAINTENANCE PAR UNIFICATION DES PLANS
DACTION ....................................................................................................................................... 21
I. INTRODUCTION :.......................................................................................................................................... 23

II. LES ANALYSES DES RISQUES : .......................................................................................................................... 23


1- Quelques dfinitions : ........................................................................................................................ 24
2- Processus de gestion des risques : ..................................................................................................... 26
3- Pourquoi les AMDEC ou analyses de risque ? ................................................................................. 27
4- Les mthodes danalyse des risques : ................................................................................................ 28
5- Typologie des risques industriels : ..................................................................................................... 29
6- Synthse: Les analyses des risques entre avantages et inconvnients : ............................................ 31

III. LES ANALYSES DES RISQUES DANS UN PROCESSUS DE MAINTENANCE ....................................................................... 32


1- Bref aperu sur lvolution de la fonction maintenance .................................................................... 32
2- Les risques et la maintenance : Risk Based Maintenance .................................................................. 33
3- RBM : domaines et quelques cas dapplication ................................................................................. 35
4- Synthse : constat et amliorations possibles ................................................................................... 36

IV. LES METHODES DE GESTION DES PROBLEMES QUALITE ....................................................................................... 37


1- PDCA, une dynamique damlioration continue ................................................................................ 37
2- Le risque dans un cycle PDCA............................................................................................................. 38
3- Rsolution des problmes Plans dactions : types et gestion actuelle .............................................. 41
4- Plan dactions ou processus de dcision ? ......................................................................................... 43
5- Une intgration du risque, de lexpertise et des vnements ? ........................................................ 44

V. SYNTHESE ET CONTEXTE DE PROPOSITION : ........................................................................................................ 46


1- Comment apprend-on des vnements rels ? ................................................................................. 47
2- Risk Based Maintenance Dynamique : suivi et mise jour ? ....................................................... 48
3- Des plans dactions unifis : les Risques sont-ils pris en compte ? .................................................... 48

VI. CONCLUSION : ............................................................................................................................................ 49


CHAPITRE III : VERS UNE GESTION DYNAMIQUE DES RISQUES BASES SUR LES DONNEES DE
PRODUCTION ...................................................................................................................................... 51
I. INTRODUCTION :.......................................................................................................................................... 53

II. LES RISQUES DANS UN SYSTEME DE MAINTENANCE :............................................................................................ 53


1- Les politiques de maintenance : ........................................................................................................ 54
2- Le rle des analyses des risques dans loptimisation des priorits de maintenance ......................... 55

III. LE MODELE DUNE GESTION DYNAMIQUE DES RISQUES MAINTENANCE, RISK BASED MAINTENANCE DYNAMIQUE RBMD .. 57
1- La gestion des vnements maintenance .......................................................................................... 57
2- Proposition ......................................................................................................................................... 58
3- Panne quipement vs risque.............................................................................................................. 61
4- Mise jour dynamique de la base des risques .................................................................................. 62
5- Modle de donnes : ......................................................................................................................... 63
6- Application oprationnelle ................................................................................................................ 65

IV. CAS DAPPLICATION : .................................................................................................................................... 67


1- La structure des donnes risques et les donnes des pannes ........................................................... 68
2- La maintenance des quipements lithographie ................................................................................. 68
3- Implmentation de lapproche .......................................................................................................... 69
4- Rsultats............................................................................................................................................. 72

V. CONCEPTUALISATION DE LAPPROCHE POUR TOUTES LES DONNEES DE PRODUCTION .................................................. 75


1- Modlisation des sources dvnements en entreprise .................................................................... 75
2- Lien entre analyse de risque et gestion des problmes. .................................................................... 76

VI. CONCLUSION .............................................................................................................................................. 79


CHAPITRE IV : UNIFICATION DU PROCESSUS DE GESTION DES PLANS DACTIONS ...................... 81
I. INTRODUCTION: .......................................................................................................................................... 83

II. LA GESTION DUN PLAN DACTIONS .................................................................................................................. 84


1- Dfinitions .......................................................................................................................................... 84
2- Mthodes ........................................................................................................................................... 84
3- Exemple du semi-conducteur ............................................................................................................ 86
4- Besoins ............................................................................................................................................ 88

III. FMECA VS 8D ........................................................................................................................................... 88


1- Le processus 8D en dtail................................................................................................................... 90
2- La gestion actuelle (courante) des 8D et FMECA ............................................................................... 91

IV. VERS UNE GESTION UNIFIEE DES PLANS DACTIONS, RBAP: RISK BASED ACTIONS PRIORITIES ...................................... 92
1- Liens possibles entre FMECA et 8D .................................................................................................... 92
2- Diagramme dactivits ....................................................................................................................... 93
3- Dcision multicritre .......................................................................................................................... 96
4- Modle de gestion des donnes communes ..................................................................................... 97

V. IMPLEMENTATION DE LAPPROCHE .................................................................................................................. 99


1- Cas dutilisations ................................................................................................................................ 99
2- Actions parallles : analyse du niveau de risque et de la criticit des vnements ........................ 102
3- Algorithme de traitement des vnements oprationnels.............................................................. 104
4- Convergence vers un plan dactions unifi RBAP ............................................................................. 106
VI. DEPLOIEMENT INDUSTRIEL ........................................................................................................................... 106
1- Dveloppement de lapplication ...................................................................................................... 107
2- Indicateurs de performance ............................................................................................................. 108
3- Exemple et cas dtude .................................................................................................................... 110
4- Rsultats du dploiement ................................................................................................................ 112

VII. CONCLUSION........................................................................................................................................ 112


CONCLUSION GENERALE ET PERSPECTIVES .......................................................................................... 115
BIBLIOGRAPHIE .................................................................................................................................... 121
ANNEXES ..................................................................................................................................... 131
FIGURES
Figure I.3 Processus de fabrication dune puce .................................................................................................... 10
Figure I.1 circuit intgr ........................................................................................................................................ 10
Figure I.2 Transistor NMOS ................................................................................................................................... 10
Figure I.4 Produits STMicroelectronics ................................................................................................................. 11
Figure I.5 Synoptique du Process Control (Hubac 2007) ....................................................................................... 14
Figure I.6 Nombre de SCARP classs par source ................................................................................................... 18
Figure I.7 Nombre de SCRAP dus aux pannes sur une anne .............................................................................. 18
Figure I.8 Gestion actuelle des plans dactions chez STMicroelectronics ............................................................. 19

Figure II.1 Risk analysis process (Duffus 2001) ...................................................................................................... 23


Figure II.2 Flow gestion des risques ...................................................................................................................... 26
Figure II.3 FMECA Typologies (Stamatis 2003) ...................................................................................................... 30
Figure II.4 RBM: General risk-based maintenance approach (Arunraj and Maiti, 2007) ...................................... 34
Figure II.5 Application concept for risk based engineering (Fujiyama et al. 2004) ............................................... 35
Figure II.6 Roue de qualit PDCA (Chardonnet & Thibaudon 2003) .................................................................. 37
Figure II.7 Dimensions PDCA dans lapproche du risque (Chardonnet & Thibaudon 2003) ................................. 39
Figure II.8 Combinaison des analyses des risques et OHS (Labodova 2004) ......................................................... 40
Figure II.9 La mthode de rsolution des problmes (Crepin & Robin 2001) ....................................................... 41
Figure II.10 Association type de problmes vs action ........................................................................................... 42
Figure II.11 processus dcisionnel de Simon (Simon 1977) .................................................................................. 44
Figure II.12 processus de la mthode Contingent risk and decision analysis (Krte 2003) ............................ 45
Figure II.13 vers un Risk Based Maintenance et des plans dactions Dynamiques ....................................... 49

Figure III.1 Les diffrentes formes de maintenance.............................................................................................. 54


Figure III.2 Taux de rejets par source .................................................................................................................... 56
Figure III.3 Nouvelle approche pour la RBM : RBMd ............................................................................................ 60
Figure III.4 IDEF0 RBM dynamique ..................................................................................................................... 61
Figure III.5 Liens identifis entre donnes de maintenance et risques................................................................. 62
Figure III.6 Modle de donnes ............................................................................................................................ 64
Figure III.7 Idef0 Mise jour des risques............................................................................................................ 66
Figure III.8 Les diffrentes tapes de la photolithographie .................................................................................. 67
Figure III.9 FMECA vs Equipment classification ..................................................................................................... 68
Figure III.10 Extract of FMECA load port module. ................................................................................................. 72
Figure III.11 Evolution du niveau de risque (Atelier Litho) .................................................................................... 73
Figure III.12 Restructuration des risques (Atelier Litho) ....................................................................................... 73
Figure III.13 Variabilit du downtime pour les Load_Port .................................................................................... 74
Figure III.14 Processus actuel du management des actions ................................................................................. 76
Figure III.15 Processus proposs pour la gestion des plans dactions................................................................... 77
Figure III.16 Modle de donnes pour la gestion des risques et vnements...................................................... 78

Figure IV.1 Gestion des risques pour une entreprise de semi-conducteurs ......................................................... 86
Figure IV.2 Exemple de liens entre les risques sur diffrents niveaux .................................................................. 87
Figure IV.3 Correspondance en Bowtie et FMECA ................................................................................................ 89
Figure IV.4 Plan dactions 8D: Dfaillances produits ............................................................................................. 91
Figure IV.5 Plan dactions risque : risques produits & oprationnels ................................................................... 92
Figure IV.6 Plan dactions correctif : dfaillances oprationnelles quipements ................................................. 92
Figure IV.7 Processus joignant analyse des risques et plan dactions ................................................................... 93
Figure IV.8 Processus propos pour lunification des plans dactions .................................................................. 95
Figure IV.9 Processus de gestion des risques & des plans dactions ..................................................................... 96
Figure IV.10 UML model........................................................................................................................................ 98
Figure IV.11 Diagramme des cas dutilisation (use cases) ................................................................................... 100
Figure IV.12 Schma global des cas dutilisation ................................................................................................ 102
Figure IV.13 Action plan flow .............................................................................................................................. 103
Figure IV.14 RBAP: Un processus dynamique ..................................................................................................... 106
Figure IV.15 Structure de loutil Fair8 ................................................................................................................. 107
Figure IV.16. Manufacturing action plan evolution & ......................................................................................... 109
Figure IV.17. Cycle time evaluation ..................................................................................................................... 109
Figure IV.18 Images de corrosion humide sur wafer .......................................................................................... 110
Figure IV.19 Extrait de la base des risques ......................................................................................................... 111
Figure IV.20 Comparaison de lvolution du temps de cycle des AP avant et aprs RBAP ................................. 112

TABLES
Tableau II-1 Grilles AMDE AMDEC (Faucher 2004) ............................................................................................ 25
Tableau II-2 Analyses des risques : exemples davantages et dinconvnients .................................................... 31

Tableau III.1 Occurrence grid (corporate) ............................................................................................................. 66


Tableau III.2 Occurrence matrix on a period of 12 months ................................................................................. 67
Tableau III.3 Calcul de la limite Rpo = Rs * Ro ....................................................................................................... 70
Tableau III.4 Extrait des donnes de la base GMAO ............................................................................................. 71
Tableau III.5 Quantification de limpact des dfaillances ..................................................................................... 71

Tableau IV-1 Exemples doutils, objectifs et mthodes dvaluation. .................................................................. 85


Tableau IV-2 Tableau de gestion des priorits ................................................................................................... 111

Annexes

Annexe 1 SPC-FDC- R2R...................................................................................................................................... 132


Annexe 2 Grilles de cotation .............................................................................................................................. 138
Annexe 3 Analyse fonctionnelle et FMECA ........................................................................................................ 141
Annexe 4 Exemple FMECA ................................................................................................................................. 145
Annexe 5 Extrait du programme VB ................................................................................................................... 147
Annexe 6 Flow FAIR8 .......................................................................................................................................... 152
Annexe 7 Schma de la base FAIR8 (extrait) ...................................................................................................... 154
Annexe 8 Architecture technique ...................................................................................................................... 156
Lexique

AMDEC Analyse des Modes de Dfaillances et de leurs Effets et leurs Criticits


APC Advanced Process Control
BE Back-End
CMMS Computerized Maintenance Management System
CMP Polissage Mcano-Chimique ou Chemical Mechanical Polishing
Cp Indice de capabilit processus
DEF Dfectivit
ECN Engineering Change Notice
FC Failure Code
FDC Fault Detection and Classification
FE Front-End
FMECA Failure Mode, Effect and Criticality Analysis
FOUP Front Opening Unified Pod
GMAO Gestion de Maintenance Assiste par Ordinateur
HAZOP Hazard and Operability
ISO International Organisation for Standardization
MOS Metal Oxide Semiconductor
MSP Matrise Statistique des Procds
MTBF Mean Time Between Failures
MTTR Mean Time To Repair
NMOS Negative Metal Oxide Semiconductor
NPW Non Production Wafer ou wafer tmoin
ORA Optimal Risk Assessment
PCRB Process Change Review Board
PDCA Plan Do Check Act
PMD Pr-mtal dilectrique
PMOS Positive Metal Oxide Semiconductor
PT Test Electrique ou Parametric Test
QRA Quantitative Risk Assessment
R&D Recherche et Dveloppment
RBM Risk Based Maintenance
RPN Risk Priority Number
R2R Run-to-run ou boucle de rgulation
SPC Contrle Statistique des Procds ou Statistical Process Control
TH Epaisseur ou Thickness
UCL Limite de Contrle Haute ou Upper Control Limit
Wafer Plaque de silicium vierge
Introduction gnrale

p. 1
p. 2
Introduction

Lindustrie de la microlectronique a, depuis sa gense dans les annes 50, appuy son
dveloppement sur son excellence technologique, lui permettant de renouveler son offre de
produits un rythme inconnu des autres secteurs industriels. La loi de Moore (Moore 1965)
montre lvolution exponentielle de la complexit des semi-conducteurs proposs en entre
de gamme ; cette volution sest traduite par un doublement du nombre de transistors tous
les ans cot constant depuis 1950. Cette loi dfinie de faon empirique s'est rvle exacte
entre 1971 et 2001 par laugmentation de la densit des transistors qui a doubl chaque 1,96
anne. Etre prsent dans la dure sur de tels marchs ncessite des efforts permanents pour
maintenir une excellence technologique. Cette excellence technologique est la base dune
culture dentreprise trs prsente chez STMicroelectronics o la R&D occupe une place
centrale. La recherche assure ainsi la mise en uvre dune nouvelle technologie (45, 32 nm)
tous les deux trois ans.
La recherche dexcellence conomique et la volont de devenir leader dans son domaine sont
la base des programmes damlioration de la majorit des industriels. Or daprs (Treacy &
Wiersema 1997), la recherche de performances peut emprunter trois voies pour aboutir ces
objectifs : la supriorit technologique, lexcellence oprationnelle et lintimit au client. Le
niveau de performance au long de ces trois voies dpend du secteur dactivit de
lentreprise, du type de service quelle offre et de sa culture. Pour se maintenir de faon
durable sur les marchs, elle doit exceller au moins dans lun des trois aspects, tout en
veillant sa comptitivit dans les deux autres.
Ce travail de thse sinscrit dans la recherche de lexcellence oprationnelle dans les
industries des semi-conducteurs, visant ladaptation des mthodes du gnie industriel au
contexte des industries trs forte composante technologique.
Classiquement, dans le cadre de lexcellence oprationnelle, on cherche matriser les
domaines des cots, du rendement, du temps de cycle dans le respect de la scurit,
lenvironnement et les relations humaines (Duret & Pillet 2005). Sappuyant sur une
dmarche qualit et lutilisation de moyens danalyse de donnes fiables, les acteurs
oprationnels cherchent adresser quotidiennement deux aspects :
- le contrle et la rduction continus de la variabilit.
- la gestion, value en termes de risque, des actions entreprendre.
Cette thse sintresse en particulier au second aspect. Nanmoins, le contrle et la rduction
continue de la variabilit nont jamais t ngligs puisquils ont servi quantifier
oprationnellement les gains obtenus par la mthodologie propose. Plus prcisment, cette
thse propose une mthode globale de gestion des actions, incluant les actions de
maintenance, en liant le contrle de la variabilit des produits et quipements.
La gestion des risques et des actions associes est historiquement lie dans lindustrie au
domaine de la qualit et du contrle des procds (Bassetto 2005). Le contrle des procds
constitue souvent un groupe distinct permettant ainsi une meilleure intgration du processus
qualit dans les organisations oprationnelles. Il joue alors un rle transversal et, sappuyant
sur les outils qualit, danalyse statistique, de collecte de donnes, il contribue la
performance des units de production au travers de programmes lis au contrle et la
rduction de la variabilit et de matrise des risques. Le contrle des procds agit donc sur

p. 3
Introduction

la matrise de loutil de production (fiabilisation des moyens, minimisation des pertes,


prvention des dysfonctionnements) et, par consquent, au processus dexcellence
oprationnelle.

Cette thse CIFRE a t ralise en coopration avec les laboratoires G-SCOP-INPG


(Grenoble-38) et LCFC-ENSAM Paris Tech (Metz-57), au sein de la socit
STMicroelectronics (Crolles-38) qui uvre dans un domaine industriel o la supriorit
technologique est vitale. Elle sintitule Vers des mthodes fiables de contrle des procds par la
matrise des risques et adresse laxe de lexcellence oprationnelle dans un contexte
dexcellence technologique. Lintimit client, vue ici non comme client final mais comme
client en BtoB1, est galement adresse via des supports structurels de linnovation
technologique et de la fiabilisation de lindustrialisation : STMicroelectronics se doit de
convaincre ses clients de sa capacit matriser le comportement de ses outils de production,
en particulier dans les phases de monte en volume de production.
Le contrle des procds est appliqu, en autres, aux moyens de production comme les
machines, les systmes de transport, les installations, etc. La matrise de ces moyens de
production a fait lobjet de maintes tudes et de beaucoup dintrt de la part des industriels
car elle influe souvent au premier ordre sur la qualit des produits, le temps de cycle et les
cots donc, par consquence, sur la rentabilit de lentreprise. Dans le domaine des semi-
conducteurs, comme dans beaucoup dautres secteurs industriels, plus de 50% les rejets
produits sont lis aux machines (ou quipements). De nombreux projets sont mis en uvre
pour rduire cette origine de causes de rejets. En lien avec la rduction et la matrise de la
variabilit des quipements, on constate que les services dentretien ont progressivement
disparu pour laisser la place des services de maintenance plus structurs, aux politiques
de prvention bien plus dveloppes. Une vritable stratgie dentreprise sest mise en place
en vue de prvenir les dysfonctionnements, de passer du stade o lon subit au stade
danticipation des pannes tout en maximisant la productivit.
La notion danalyse de risque a fait son apparition en 1949 aux Etats Unies dans le domaine
de larme nuclaire. Cette mthode a connu un grand succs dans le domaine militaire et a
t depuis applique dans la majorit des domaines industriels. Le succs de cette mthode
est trs dpendant du niveau dintrt que lui consacrent les acteurs et, surtout, de leur
niveau dexprience. La complexit des outils et processus de fabrication dans certains
domaines industriels ne permet pas de couvrir la totalit de risques potentiels possibles.

Dans le cadre de cette thse, le risque considr nest li ni la scurit ni lenvironnement


mais il traite des aspects de variabilit des processus de production. La question centrale de
cette thse vient adresser les deux proccupations cites prcdemment : la matrise de la
variabilit et la gestion en termes de risques des actions. Comment valuer et amliorer la
performance des moyens et processus de production par le biais dune analyse de risque qui soit
dynamique et intgre. Comment dfinir par la suite des plans daction unifis et robustes pour
matriser la variabilit et viter les non conformits ?

1
Business to Business par opposition Business to Customer

p. 4
Introduction

Autour de cette question, ce manuscrit est organis en quatre chapitres :

Chapitre I:
Le contrle des procds

Chapitre II:
Synthse bibliographique

Gestion
dynamique des Plans dactions
risques unifis
quipements

Gnralisation sur
Le niveau de
tous types de
risque dans les
risque et
critres dun plan
vnement de
daction
production

Chapitre III Chapitre IV

Le premier chapitre vient introduire la fonction contrle des procds dans lentreprise et
plus particulirement dans le domaine de semi-conducteurs. Une prsentation des moyens
de contrle et de surveillance vient montrer la notion de gestion en temps rel des donnes
des quipements et des produits. Le processus des analyses des risques dans le semi-
conducteur est prsent ds le dveloppement dune nouvelle technologie, sa mise en
production jusqu son arrt.

Le second chapitre de cette thse est une synthse bibliographique sur des travaux et
mthodes en lien avec la proposition dveloppe. Il commence par une prsentation des
mthodes utilises pour matriser le risque industriel et les domaines dapplication. Il aborde
lutilisation du risque dans le service maintenance, les approches qui ont t dveloppes et
leurs impacts sur les objectifs de cette fonction. La troisime partie de ce chapitre introduit
des travaux sur la gestion des plans dactions et sur les processus de dcisions. La dernire
section est une discussion des travaux tudis qui permet de situer les propositions de la
thse par rapport aux travaux prsents dans les domaines de gestion des risques et des
plans dactions. Cest une dmonstration de la problmatique du ncessaire dynamisme lie
lefficacit dune stratgie de gestion des risques en milieu industriel.

Le troisime chapitre constitue la premire proposition de cette thse. Il commence par


dvelopper limportance des analyses des risques dans un systme de maintenance et
montre les apports potentiels de telles approches. Une proposition damlioration des
politiques de maintenance par lintgration dynamique des analyses de risques et de

p. 5
Introduction

lhistorique des machines est bauche puis compare lapproche classique Risk Based
Maintenance (Arunraj & Maiti 2007). Un modle de donnes et le diagramme de transitions
ainsi que les mthodes de calcul des critres dvaluation du risque sont prsents au travers
de lapproche nomme RBM Dynamique et illustre au travers dun exemple de
dploiement ralis sur un des ateliers de production. Une gnralisation de cette approche
pour lintgration tous types dvnements indsirables dans le systme de production est
prsente dans la dernire section de ce chapitre. Elle montre quune prise en compte de non-
conformits peut se faire de la mme faon que celle ralise pour les pannes quipements.
Une modlisation conjointe des vnements et des risques est dveloppe pointant les liens
potentiels permettant de simplifier lintgration du risque dans un processus de dcision.

Le dernier chapitre est consacr la gnralisation des concepts introduits dans le chapitre
prcdent. Lobjectif est datteindre lexcellence oprationnelle tout en amliorant la relation
client, ceci en rpondant la problmatique dunification dynamique des processus de
gestion des vnements dans une organisation, tout en intgrant la notion de risques
encourus, lhistorique de ces vnements et en fiabilisant les quantifications ralises par
lexpertise humaine. Un modle dactivits est dcrit, intgrant les mthodes classiques de
rsolution des problmes (8D) et analyses de risque (FMECA). Les outils dvelopps dans le
cadre du traitement de linformation, de lvaluation automatique des vnements sont
dcrits ainsi que leurs liens aux plans dactions qui deviennent unifis. La mthodologie
propose de gestion des plans dactions intgrant le niveau de risque Risk Based Actions
Priorities RBAP est enfin revue dans son intgralit. Ce chapitre se termine par une
prsentation de lapplication industrielle et une analyse critique des rsultats obtenus.

p. 6
Chapitre I : Les mthodes de contrle des
procds & le contexte industriel

p. 7
p. 8
Ch. I : Les mthodes de contrle des procds & le contexte industriel

I. Introduction :

Ce chapitre prsente une introduction du cadre de cette thse, notamment le domaine de la


microlectronique, le contrle des procds dans cette industrie et le rle que jouent les
analyses de risques dans ce secteur. La problmatique de la thse est prsente dans le
cinquime paragraphe de ce chapitre dfinissant les besoins de lindustriel, lapport attendu
en termes de mthodologie et de rsultats.

II. La microlectronique
Cette section prsente quelques lments de base de technologie de la microlectronique : ces
lments ont servi de cadre ce travail en y apportant certaines particularits. En effet pour
la science du gnie industriel, une caractristique majeure de la microlectronique est que les
quipements travaillent de faon quasi systmatique en limites de leur capabilit ; lensemble
des processus de production se rvle en consquence trs dlicat matriser.
La microlectronique, spcialit du domaine de llectronique, consiste la ralisation de
composants miniatures et complexes sur un support en gnral de silicium2. A ses dbuts, ce
domaine industriel avait comme objectif de rduire le volume, la densit dintgration et le
poids des applications par remplacement danciennes techniques (Tubes vide, composants
passifs, etc.). Aujourdhui lvolution technologique est axe sur lamlioration des
performances, de la densit dintgration, tout en optimisant les cots.

1- Les composants semi-conducteurs

Les composants lectroniques intgrs comme les transistors, rsistances connects les uns
aux autres sur une mme plaque de silicium constituent ce quon appelle un circuit intgr
(invent par Jack Kilby3 en 1958). Un circuit intgr est aussi connu sous le nom de puce
lectronique et peut traiter des signaux de deux types: analogique ou numrique.

Un transistor est un composant lectronique utilis gnralement pour stabiliser une tension,
moduler un signal etc. En microlectronique, le transistor MOS (Metal Oxide Semiconductor)
est le plus frquemment utilis dans la fabrication des circuits intgrs. Ce transistor peut
tre de deux types : NMOS et PMOS. Leur assemblage sur un circuit, nomm CMOS, forme
un inverseur qui offre une faible consommation dnergie trs utilis pour des applications
associant rapidit et densit dintgration.

2
Le silicium est un lment chimique de la famille des cristallognes, de symbole Si et de numro atomique 14.
3
Jack St. Clair Kilby, (n le 8 novembre 1923 Jefferson City, dans l'tat du Missouri et mort le 20 juin 2005,
Dallas au Texas), tait un ingnieur lectricien amricain.

p. 9
Ch. I : Les mthodes de contrle des procds & le contexte industriel

Figure I.2 Transistor NMOS Figure I.1 circuit intgr

La technologie dune puce est associe la largeur de grille du transistor le plus fin
ralisable. Exemple : La technologie C045, permet de raliser des puces contenant des
transistors avec une largeur de grille de 45 nanomtres (45.10-9 mtre). Les principales
technologies industrialises ou en cour de dveloppement STMicroelectronics Crolles sont
C120, C110, C090, C065, C045 et C032.

La fabrication dun circuit intgr est en gnral ralise sur des plaquettes de silicium aussi
appele Wafer. La Figure I.3 rsume le processus de fabrication.
A partir dun barreau de silicium (1), on obtient la plaque (2) qui va servir de support la
ralisation des circuits. Au travers dune srie doprations de dpts de film isolants,
conducteurs, ou photosensibles (3), dopration de lithographie (4), de gravure, de dopage,
disolation (5, 6, 7) et dinterconnexion (8), puis de dcoupe (9), on cre les composants sur
les puces qui vont tre ensuite assembles dans des botiers avant dtre intgrs dans les
applications. STMicroelectronics dveloppe et fabrique les puces sur des plaquettes de
diamtre 200 et 300 mm crolles.

Metal 6

Metal 5
Metal 4
Metal 3
Metal 2
Metal 1

Figure I.3 Processus de fabrication dune puce

p. 10
Ch. I : Les mthodes de contrle des procds & le contexte industriel

2- Les applications industrielle des composants ST


STMicroelectronics fabrique des circuits intgrs pour de nombreuses applications
microlectroniques (Figure I.4). Les parts de march en pourcentage de ventes pour le 4me
semestre ainsi que les clients clefs de lanne 2008 :

- Tlcommunications 38%: Alcatel-Lucent, Motorola, Nokia, Research in Motion,


Siemens, Sony Ericsson,
- Grand Public (consumer) 17%: Garmin, LG Electronics, Nintendo, Panasonic, Philips,
Samsung, Thomson,
- Industriels 17%: Delta
- Informatique 15%: Apple, Dell, HP, Seagate et Western Digital,
- Industrie automobile 13%: Bosch, Conti, Delphi, Mareli, Pioneer, Sirius.

Digital Consumer
Communications Automotive

Computer
Peripherals Industrial

Figure I.4 Produits STMicroelectronics

3- La production de puce dans un environnement "salle blanche"

Les plaques de silicium sont manufactures dans un atelier connu sous le nom de Salle
blanche . Cest un environnement dans lequel le nombre de particules par m3 est matris.
Cet environnement est indispensable pour fabriquer des puces fonctionnelles avec le niveau
de qualit requis des circuits. La matrise de nombreux facteurs environnementaux influe sur
la qualit dune salle blanche : la temprature, lhumidit, la pression, le flux dair, la tenue
du personnelLa norme europenne ISO 14644-1 classifie les salles blanches en fonction du
nombre de particules par m3. La salle blanche crolles 300 est classe au meilleur niveau
(ISO1).

Lorganisation de production est rpartie en ateliers spcialiss et regroups par domaine de


comptence. Le passage itratif dans chacun des secteurs permet de raliser les puces.
(CEFEM 2001).

p. 11
Ch. I : Les mthodes de contrle des procds & le contexte industriel

- Traitements Thermiques : dans cet atelier on ralise deux grands types doprations :
- le dpt ou la croissance des couches doxyde ou poly silicium temprature
relativement leve (>600C).
- Le recuit dactivation de dopants aprs implantation ou densification de
couches dposes.
- Nettoyage : La mission de ce secteur est de nettoyer la surface des plaques de toute
contamination particulaire ou chimique pouvant affecter le fonctionnement des circuits
ou le bon droulement des tapes suivantes du procd (Effet dinterface, chimiques,
etc.).
- Photolithographie : Dans ce secteur, vont tre raliss sur de la rsine photosensible et
grce lexposition au travers dun masque, des motifs qui vont servir dlimiter des
zones particulires sur la plaque. Lors des oprations de gravure ou dimplantation, les
zones avec rsine seront protges.
- Gravure : Le rle de ce secteur est denlever de la matire sur les zones non protges
par la rsine et/ou avec une grande slectivit par rapport aux zones protges.
- Implantation ionique : Dans ce secteur, on dope le silicium en bombardant les
plaquettes avec un faisceau dions. On apporte ainsi en fonction du type de dopants
utiliss des lectrons (Type N) ou des trous en excs (Type P) qui permettent dajuster la
conductivit du silicium ou des couches dposes.
- Dilectrique : cet atelier a le rle de dposer des couches dilectriques la surface de la
plaquette participant lisolation des diffrentes couches conductrices entre elles ou
protgeant le circuit de lenvironnement externe.
- Mtal : Dans cet atelier, on dpose des couches conductrices la surface de la plaquette
qui permettront de relier lectriquement les composants dans la puce. Elles autoriseront
une connexion entre puce et botier.
- Polissage (CMP : Chemical Mechanical Polishing) : dans ce secteur, on planarise par
polissage mcano chimique les couches doxyde et/ou de mtaux dposes afin de
rduire la topologie de chaque niveau lors de la fabrication.
- Mise paisseur : dans cet atelier, un des derniers du processus, on enlve de la matire
en face arrire de la plaquette afin de pouvoir intgrer la puce son futur botier.
- Test paramtriques & EWS : cest dans ces deux secteurs que lon ralise les mesures
lectriques sur les plaquettes avant mise en botier (Test paramtrique) et livraison au
client (EWS).

Une plaquette passe en moyenne huit semaines en salle blanche et subit une centaine
doprations pour obtenir un produit fini. Le parc machine est divis en trois catgories :
quipement de procd, quipement de mesure et systme de transport automatis. Une
plaquette suit une route4 (Gamme de fabrication) constitue doprations ralises grce
des recettes sur des quipements de procds. Des tapes de mesure contrlent les
oprations selon un chantillonnage de plaquettes qui permet dvaluer la qualit des

4
Suite des oprations passes sur des quipements de procd

p. 12
Ch. I : Les mthodes de contrle des procds & le contexte industriel

oprations effectues. Les plaques sont transportes dune opration lautre manuellement
sur des chariots ou par le systme de transport automatis.

Lors de la production des puces en salle blanche, les diffrentes organisations


oprationnelles doivent travailler de concert afin dobtenir des rsultats optimaux. Dans ce
cadre de recherche de synergie et defficacit, la mise en place dun systme de contrle des
procds est un facteur clef. La dure de vie trs courte des produits microlectroniques rend
encore plus stratgique le besoin dun contrle dynamique des procds.

III. Introduction au contrle des procds (Process control)

1- Contexte gnral du contrle des procds

Les oprationnels au quotidien doivent contrler et rduire la variabilit, ils doivent aussi
grer leurs actions en y incluant une dimension lie au risque. Pour cela, ils utilisent des
outils statistiques et mthodologiques permettant damliorer de faon continue la qualit
des produits et des processus.

Un systme de contrle des procds efficace au niveau industriel ou recherche et


dveloppement est un facteur clef damlioration dans les domaines suivants :
- temps de cycle dapprentissage la production en volume,
- cots de dveloppement et de production en volume,
- rendement de fabrication et sur produits finis,
- scurit et environnemental
Un tel systme, mis en place de faon cohrente et oprationnelle participe la gestion des
actions damliorations du produit et des processus au sein des organisations et, par
consquence, permet doptimiser la synergie et lefficacit de ces dernires.

Lorsque lon sintresse au sujet de la mise en place dun systme de contrle des procds,
on trouve deux domaines dans lesquels sont puiss les mthodes et outils oprationnels:
- le domaine de la Qualit (li aux aspects mthodes)
- le Domaine de la statistique (li aux aspects outils danalyse et de quantification)
Il est cependant noter qu laire de linformatique et pour une approche moderne du
contrle des procds, il est primordial dy ajouter un troisime domaine clef :
- le Domaine des donnes (relatifs aux aspects daccessibilit et dinfrastructure
informatique)
Ce domaine, bien souvent, restreint lui seul les possibilits de dploiement de solutions de
contrle oprationnelles qui, par consquence, devront tre choisies en tenant compte de cet
aspect limitant.

2- Cartographie du process control ST Crolles

La Figure I.5 dcrit le synoptique global du systme de contrle des procds Crolles.

p. 13
Ch. I : Les mthodes de contrle des procds & le contexte industriel

Control Plan & Spec definition

New modules & process steps Process


Equipment

Milestone Protocol FMEA Management PT, WLR


Previous technologies, Technology, module,
control plan & FMEA recipe & equipment
Review
Risk level (RPN)
PFY, Yield, CT, Cost
Events & reports
Review
Action plan
-Key parameters Co/Cpk
Probe, final & ECN / PCRB
Eng data analysis - Out of Spec & control
functional yield results control
Report -Gage R&R (cpm)

Parameters real time monitoring-


Data collection
-In line APC (Process & Equipment)
- Parametric test, WLR Line & electrical control Line & electrical models

APC line control SPC Model


- Control charts
Technology targets - Close loops (R2R) R&R Model
& specifications - Fault detection FDC Model
- Metrology
PLAN Do
PT & WLR control
Rules ACT Check - Limit file
- Program definition PT & WLR Model

Figure I.5 Synoptique du Process Control (Hubac 2007)

Lors de lintroduction dune nouvelle technologie, partir de spcifications client et de


rgles de design (Technologie target et Rules), un protocole de dveloppement est initi
(Milestone protocol) et de nouveau modules et procds ventuellement dvelopps (New
modules). La base existante des FMECA (pour les Technologies dj en production) est
utilise et complte afin de dfinir le plan de contrle et les axes de dveloppement en
fonction du niveau de risque valu (RPN). Un comit dexpert valide les plans daction
proposs et autorise leur valuation dans la ligne de production par lquipe R&D. Les
modles adquats sont ensuite introduits dans les systmes de contrle au niveau mesure
physiques en ligne (SPC, R&R, FDC Annexe 1) et lectriques (PT, EWS). Les dveloppements
sont raliss et contrl de faon continue par des outils en ligne de fabrication (APC line
control), test lectrique (PT) et fiabilit (WLR). Les rsultats des mesures sont stockes (Data
collection), analyss (Eng data analysis, Probe, PFY, Yield, CT, Cost) et valus au regard
dindicateurs statistiques (Review). En fonction des rsultats obtenus, le cycle est poursuivi.
On remarque que le processus introduisant une nouvelle technologie est parfaitement
intgr au sein du systme qui permet damliorer les technologies dj matures.

On constate donc que lanalyse des risques, dans lindustrie du semi-conducteur, est un
lment mthodologique essentiel du processus de contrle car il est un moyen de
prvention et destimation des drives. Il participe lamlioration des performances en
termes de cots, rendement et temps de cycle. Cest pourquoi le process control veille la

p. 14
Ch. I : Les mthodes de contrle des procds & le contexte industriel

bonne application de cette approche et suit lvolution du niveau de risque avec des
indicateurs pour chaque technologie, module, recette et quipement.

IV. Les analyses de risques chez ST

1- Pourquoi les Analyses des Risques

Une des premires exigences en termes danalyses des risques est celle des clients.
Lindustriel est dans lobligation de fournir une tude des risques pour une technologie
donne avant de commencer la produire. Ce document est analys par des auditeurs
mandats par le client et, cest en consquence, quils apprhendent le niveau de matrise que
lentreprise a de la technologie. Il en estime le niveau de garantie en termes de fiabilit et de
capacit fabriquer des produits de qualit en complment dindicateurs comme le Cp,
Cpk

Pourquoi fait-on une analyse des risques ? Les lments de rponse cette question peuvent tre
classs en fonction du domaine o lon souhaite appliquer cette mthodologie :
- Outil de production : malgr les analyses FDC et les plans de maintenance qui permettent
de scuriser les machines, le zro dfaut nexiste pas et la probabilit dune panne reste
toujours le rsultat de plusieurs facteurs comme ltat des machines, le produit fabriqu,
lenvironnement Les analyses des risques dans ce cadre fournissent une vision sur le
comportement probable dune machine, les causes potentielles des dfaillances et
permettent ainsi de dfinir des actions ou de faire voluer les plans de maintenance
prventive existants.
- Produit : le SPC, les tests PT et EWS sont des moyens de contrle et dassurance de la
qualit des produits, ce qui nlimine nanmoins pas totalement le risque de non-
conformit ou de SCRAP de plaquettes. Des brches existent toujours dans ces systmes
de contrle et de surveillance et il est ncessaire de prvenir les causes de ces drives en
y apportant les actions correctives appropries. Cest le rle des analyses des risques
produits, dites dans un premier temps au stade du dveloppement de la technologie,
pour scuriser la qualit tout au long du cycle de production.
- Recette : Dans cette catgorie, le risque est fonction de deux paramtres : lquipement et
le produit. Une drive du processus de production peut tre le rsultat dune drive
quipement, produit ou les deux simultanment. Cette dpendance rend difficile
lidentification de la source de dfaillance. Un autre cas possible, qui requiert une
analyse plus approfondie, est celui du fonctionnement tolr dun quipement qui
impacte le produit ou inversement. Une analyse de ces risques permet de pointer ces
problmes et de les prvenir si ncessaire.

Du point de vue production en salle blanche, ces trois axes sont particulirement tudis
par STMicroelectronics. Dans le cadre de cette thse, on sintresse en premier lieu aux

p. 15
Ch. I : Les mthodes de contrle des procds & le contexte industriel

analyses des risques quipement, source premire de dtracteurs de la performance, puis


ensuite aux analyses des risques produits et processus.

2- Comment sont-elles intgres ?

Comme prsent dans le synoptique du process contrle, le suivi des analyses des risques est
ralis en deux principales tapes : la mise en place dune nouvelle technologie, la mise
jour et revue des analyses existantes. Les FMECA produit ou Technologie elles sont inities
par les ingnieurs R&D et mises jour par les supports process. Une fois la technologie
passe au stade de production, les FMECA recettes et quipements sont maintenues
respectivement par les ingnieurs process et maintenance. Dans la synoptique du process
control ST crolles, elles interviennent deux stades :

- Etape Do : par la mise en place des analyses des risques par technologie, recette et
quipement. Cette tape est dclenche par la cration dune nouvelle technologie ou
lamlioration dtapes de la gamme de fabrication pour des technologies matures.
- Etape Check : par la mise jour et la vrification du niveau de risque. Lors du PCRB,
une vrification de la prise en compte et de la mise jour du risque par le demandeur
de la modification est ralise. Toute requte sera rejete si cette tape a t nglige ou
les risques insuffisamment considrs.

Un suivi du niveau de risque par indicateurs (Bassetto 2005) des performances des quipes
en termes de gestion des actions lies un risque lev (RPN 125 selon la grille
STMicroelectronics), est mis en place.

3- Constat du dploiement

Un audit interne sur lvolution des risques en termes du nombre de risques analyss en
moyenne, nombre de risques critiques dtects et risques mis jour, montre une stabilisation
de ces chiffres ou une lgre augmentation. Seules les FMECA techno sont mises jour de
faon rgulire lors de la phase dveloppement.

Pour les FMECA quipement et process, elles ne sont pas revues rgulirement, mises au
second plan sous motif de priorits oprationnelles et du manque de disponibilit des
ingnieurs. Il est noter galement que la nature de cette mthodologie qui ncessite du
temps et des ressources, est lorigine dun succs mitig chez les oprationnels.
Labsence de rutilisation des connaissances stockes dans la base FMECA rend lanalyse des
risques obsoltes et, au bout dun certain temps, perd sa valeur ajoute.

En rsum de cet audit, trois axes sont investiguer pour amliorer lusage des analyses de
risques et permettre de sy rfrer en vue damliorer les stratgies de prvention :

p. 16
Ch. I : Les mthodes de contrle des procds & le contexte industriel

- la dynamique didentification et de mise jour des risques,


- la structuration simplifie et cohrente des analyses des risques,
- la rutilisation plus performante de lexprience contenue dans les FMECA.

V. Problmatique de la thse

Constatant que les soucis des entreprises et de lencadrement oprationnel tournent toujours
autour des mmes sujets en production ou recherche et dveloppement - les cots, le
rendement, le temps de cycle, la scurit, lenvironnement et les relations humaines - il est
tonnant de dcouvrir un aspect cyclique li lengouement ou la rsistance (voire le rejet)
des ingnieurs, de lencadrement oprationnel, utiliser des mthodes Qualits et des outils
Statistiques supposs les soutenir dans leur dmarche damlioration. Mme si tous les
ouvrages de qualit aprs W. Edouards Deming (Chardonnet & Thibaudon 2003)
recommandent un engagement sans faille du management dans la dmarche qualit, force est
de constater que cette injonction est souvent mal intgre sur le terrain. Ainsi, dans un
contexte industriel concurrentiel de plus en plus dlicat, coupl un contexte cologique et
environnemental qui sensibilise aux mfaits du gaspillage, il est important doptimiser
lutilisation des ressources. Plusieurs rflexions et questionnements viennent alors lesprit
visant saisir la raison de cette apparente incohrence. Les questionnements sont en
particulier de trois ordres : les crises seraient elles seules mme de rendre les outils qualit
populaires ? Quel est le rle de linjonction du client ? Enfin, quelle place pour les outils
informatiques daccs aux donnes ?

Une premire interrogation porte donc sur le fait que les mthodes prnes par les systmes
Qualit, documentes dans dexcellents ouvrages [par exemple (Duret & Pillet 2005), (Crepin
& Robin 2001),] ont dmontr leur efficacit oprationnelle dans de nombreux cas (Six
SIGMA chez Motorola, Lean Manufacturing chez Toyota, etc.). Elles sont pourtant souvent
dlaisses par des organisations entires, pour tre, quelque temps plus tard, considres
comme seule voie de salut lorsquune crise subvient. Pourquoi les organisations, se
sentant au bord du gouffre , ont-elles alors recours ces mthodes comme mdecine
miracle .
En second lieu, la difficult pour les oprationnels consiste faire le lien au quotidien
entre les mthodes et les outils Qualit et Statistiques. Les services qualit et les statisticiens,
mis part en temps de crise, sont souvent considrs respectivement comme non
oprationnels ou thoriciens . Pourquoi cette obligation quasi systmatique de faire
apparatre linjonction du client pour faire utiliser (souvent sous la contrainte), des
mthodes et outils ayant dmontr leur efficacit par ailleurs ?
Enfin, en dernier lieu, lre de linformatique et alors quil semble vident que laccs aux
donnes est un lment clef, seul espoir dextraire les sources de variabilit et rsoudre de
faon factuelle les problmes. Pourquoi est il si difficile sur le terrain de convaincre de
limportance des programmes amliorant laccs ces mmes donnes ?

p. 17
Ch. I : Les mthodes de contrle des procds & le contexte industriel

En constant que les deux seules notions qui intressent un oprationnel au quotidien pour
amliorer les cots, le rendement, le temps de cycle, la scurit, lenvironnement et les
relations humaines sont :

- le contrle et la rduction continue de la variabilit.


- la gestion en termes de risque des actions entreprises.

On mesure limportance de lintgration de la gestion des risques dans le processus


mthodologique de lentreprise. Gardant lesprit les constats prcdents, cette thse sur la
gestion des risques devra apporter des points damliorations aux problmes soulevs.

Dans le cas particulier du processus de fabrication de lindustrie du semi-conducteur, les


oprationnels sont confronts dans leur quotidien aux drives et dysfonctionnements des
moyens ou processus de production. Les drives quipements tant le premier dtracteur en
termes de cots, rendement et temps de cycle, cette thse aborde cet aspect de faon
prioritaire.

1- Analyse des risques lis aux drives quipements

La gestion des vnements (pannes ou drives) est une des principales priorits des
oprationnels. Cest un maillon trs sensible dans la chane du processus de production car
les cots de mobilisation des quipements sont levs (entre 200 et 400 $ de lheure). Les
analyses de rejets montrent que les quipements en sont la premire cause (Figure I.6) et que
la variabilit des rejets nest pas contrle (Figure I.7).
N b re d e re je t s p rod uit
N bre de r e je t s produit

/ Eq uipe m e nt s

Equip Other Defects Misproc Parametric Process Eng Broken_scr A 01M 01 A01M 02 A01M 03 A 01M 04 A01M 05 A01M 06 A 01M 07 A01M 08 A01M 09 A 01M 10 A 01M 11 A01M 12

Source rejet
Anne/mois

Figure I.6 Nombre de SCARP classs par source Figure I.7 Nombre de SCRAP dus aux pannes sur
une anne

Les priorits des interventions sont dtermines en fonction de limpact des pannes sur le
temps darrt des machines. Cette gestion est justifie par le fait que chaque arrt est une
cause potentielle de rejets ou au moins dune baisse de rendement du produit (pour des
plaquettes dont le cot varie entre 4000 et 6000 $). Privilgier les tches correctives permet de
rsoudre les problmes et limiter les pertes mais ne permet pas dliminer dfinitivement les
causes potentielles et de minimiser les risques de prochaines dfaillances. Dans ce contexte,
notre tude vise amliorer laspect prventif des interventions de maintenance en

p. 18
Ch. I : Les mthodes de contrle des procds & le contexte industriel

rutilisant les connaissances lies aux pannes. La premire question qui se pose est : Comment
amliorer la performance des quipements en proposant un outil daide la dcision pour les
ingnieurs maintenance ? Lobjectif est alors dtudier les facteurs de dpendance des recettes
et de la qualit du produit vis--vis des quipements et de proposer ainsi des priorits pour
les actions mettre en place. Il ne sagit pas seulement damliorer la disponibilit et la
fiabilit des quipements mais, galement, de minimiser tout risque li une dfaillance ou
un mauvais fonctionnement de loutil.

Les drives quipements sont gres dans le cadre de plans dactions. Suivant le secteur o a
t dtect le rejet (chez le client, au test lectrique, en cour de process, ), un plan daction
diffrent (8D, FMECA, Maintenance,) est initi. On constate alors une difficult unifier
ces plans entre les secteurs.

2- La gestion des plans dactions

Ltude ralise en dbut de thse a montr que les Scraps, les non conformits et les retours
clients sont traits par un processus 8D. Les analyses prventives sont tablies suivant la
mthodologie FMECA aliments en parallle par les actions prventives du processus 8D
(Bassetto 2005). Les pannes quipements sont gres dans le cadre du processus de
maintenance corrective. La Figure I.8 illustre cette diversit.

Figure I.8 Gestion actuelle des plans dactions chez STMicroelectronics

On constate que dans chaque type de plan dactions les degrs de priorit et le type daction
sont souvent incohrents ce qui participe une certaine confusion entre les secteurs dans le
cadre de la rsolution de problmes oprationnels. La question qui se pose est alors :

p. 19
Ch. I : Les mthodes de contrle des procds & le contexte industriel

Comment amliorer la performance des quipements en proposant un processus de gestion unifi des
plans dactions ?

Pour prendre en compte les besoins de STMicroelectronics de mise en place de mthodologie


amliorant la synergie et lefficacit oprationnelle, cette thse propose une approche
permettant lintgration du risque dans un seul et unique processus de dcision pour tous les
secteurs. La finalit est de supporter tous les oprationnels, quel que soit leur secteur, pour
grer leurs activits en incluant la notion de risque de manire optimale et unifie.
Amliorer la mthode de gestion des risques et offrir un outil daide la dcision pour grer
les priorits des actions permet de pointer les sources potentielles des problmes. La gestion
des plans dactions rsultants doit permettre doptimiser le rendement, le temps de cycle et
minimiser les cots. Notre proposition doit donc rpondre au questionnement : Comment
associer risques, vnements et expertise humaine pour obtenir un processus unifi de gestion des
plans dactions ?

Avec une vision de contrle des processus intgre et dynamique, cette thse a pour
ambition de dvelopper une dmarche que chaque oprationnel puisse sapproprier dans
son quotidien. Focalise sur les objectifs de lentreprise elle doit intgrer les outils qualit et
les donnes oprationnelles. Lide dun plan daction unifi permettra daligner les objectifs
et dagir avec une stratgie cohrente.

VI. Conclusion :

Ce premier chapitre prsente le contexte oprationnel et les attentes au niveau industriel et


acadmique. Partant du constat que les oprationnels ont besoin au quotidien doutils
simples et efficients pour contrler, rduire la variabilit et grer leurs actions en terme de
risques, lobjet de cette thse est de proposer des solutions de gestion des risques
oprationnels et des mthodologies de travail qui soient gnriques et applicables dans
dautres secteurs industriels. Le chapitre suivant permettra de situer cette problmatique par
rapport aux travaux dj raliss sur la gestion des risques, leur intgration dans le systme
de maintenance et la gestion des plans dactions. Les propositions de cette thse, dans les
chapitres III et IV, montrent les apports en termes de gestion de maintenance et de risques
oprationnels et proposent une approche dynamique damlioration continue des plans
dactions par la matrise du risque.

p. 20
Chapitre II : Apport danalyse de risque en
maintenance par unification des
plans daction

p. 21
p. 22
Ch. II : Revue bibliographique

I. Introduction :

Ce chapitre prsente une synthse bibliographique des travaux de recherche et des


applications industrielles autour de la problmatique de la thse. Il vise situer le prsent
travail de recherche au regard des travaux antrieurs et montrer les axes potentiels dapports
scientifiques et industriels. Les principaux domaines abords sont : les analyses de risques, la
maintenance base sur la notion de risques RBM et les mthodes & procdures de gestion
des problmes.

La premire partie de ce chapitre est une introduction aux notions de risques et aux
approches utilises pour les prvenir. Une tude sur les domaines industriels, o cette
approche est dploye, est fournie ainsi quune discussion sur les apports des analyses des
risques et les contraintes de dploiement. La seconde partie de cette synthse
bibliographique traite des travaux raliss sur lapproche RBM. Par la suite, une prsentation
des approches et mthodes qualit vient introduire le constat de divergence dans les outils
de rsolution des problmes. Cette dernire section du chapitre prsente les points qui seront
abords au chapitre IV et positionne ce travail par rapports aux tudes prcdentes.

II. Les analyses des risques :

Lanalyse des risques est un processus complexe qui intgre un large panel de disciplines des
sciences fondamentales ou humaines (physique, sociologie, conomie, engineering). Cest
un processus compos de trois parties essentielles : lanalyse du risque (1), son valuation (2)
et sa gestion (3). (Duffus 2001) reprsente une vision globale de ce processus.

RISK Management RISK ANALYSIS Risk assessment

Hazard identification
Risk evaluation Risk assessment
Dose response
assessment
Emission & exposure
control Risk management
Exposure assessment

Risk monitoring Risk communication Risk characterization

3 1 2

Figure II.1 Risk analysis process (Duffus 2001)

p. 23
Ch. II : Revue bibliographique

1- Quelques dfinitions :

Risque : la notion de risque est associe la crainte du danger. Un risque est le rsultat dune
exposition potentielle un phnomne dangereux, quil soit de lordre de la scurit des
personnes, des biens, ou des services. Le terme de risque dsigne aussi bien la cause dun
vnement (redout ou recherch) que sa consquence ventuelle (Sienou 2009). Les grands
axes ou domaines ou la notion de risque est aborde :

- Risque sant : cest le risque qui concerne la scurit des personnes et leur sant. Le risque
sanitaire fait partie de cette catgorie.
- Risque financier : il y a risque s'il y a possibilit d'cart entre la valeur anticipe d'une
grandeur et sa valeur ralise. Cest la possibilit dtre dficitaire ou dtre dans
l'impossibilit de faire face par exemple, des remboursements demprunts (Charreaux
2006).
- Risque environnemental : connu sous le nom ERA5. Il porte principalement sur l'valuation
des incertitudes afin de garantir la fiabilit d'un large ventail de conditions
environnementales. Il inclut l'utilisation des ressources naturelles ( la fois en termes de
quantit et de qualit), la prservation de l'environnement et des considrations de sant
publique.(Ganoulis & Simpson 2006)
- Risque industriel ou risque technologique : il reprsente les dfaillances potentielles qui
peuvent avoir un impact sur le produit, les moyens ou les processus de conception et de
production.

Cette thse sintresse au risque industriel, en particulier aux vnements potentiels qui
peuvent tre lorigine dune perte de rendement, de temps de cycle ou de cots. La
diffrence entre une dfaillance et un risque se situe dans la ralit des faits. Une dfaillance
ou un problme cest un vnement dj pass et dtect dont on subit les consquences. Le
risque nest quune anticipation, une probabilit dapparition du phnomne. Dans le cadre
gnral, on parle de risques naturels, risques lis lenvironnement et comment les prvenir.
Il est dusage de caractriser chaque risque laide de trois critres : svrit, occurrence et
dtection.
Svrit (S) : valeur associe leffet le plus grave dun dysfonctionnement. Cest une
cotation relative limpact (produit, processus ou quipement).
Occurrence (O) : valeur correspondant la frquence de la dfaillance.
Dtection (D) : capacit de dtection du mode de dfaillance.
Lestimation de ces trois critres doit tre dfinie dans le cadre de grilles de cotation avec une
chelle qui varie habituellement entre 1 et 10. Il ny a pas un standard qui dfinit la taille des
grilles mais gnralement elles varient de 1 5 ou de 1 10. La seconde chelle est
recommande car elle offre plus de prcision et simplifie linterprtation des effets (Stamatis
2003). Dans cette thse on utilise les grilles de cotations (Annexe 2) recommandes par
lautomobile et adaptes au milieu des semi-conducteurs par STMicroelectronics. Ces grilles,

5 Environmental Risk Analysis

p. 24
Ch. II : Revue bibliographique

comme prcis dans le manuel de rfrence FMEA (Chrysler LLC et al. 2008), sont sur une
chelle de 1 10.
RPN : Risk Priority Number, cest le produit S*O*D. Il reprsente lindice de priorit du
risque et le critre dcisif pour raliser des actions. Dans le milieu des semi-conducteurs le
seuil de dclenchement est impos 125 par les clients les plus exigeants.
Ce seuil a fait lobjet de divers questionnements sur la mthode de calcul et la pertinence de
lvaluation du risque, sachant que pour plusieurs combinaisons de valeurs diffrentes de S,
O et D on obtient le mme RPN. (Narayanagounder & Gurusami 2009) ont prsent une
nouvelle mthode de calcul du niveau de risque : RPC (Risk Priority Code). Cette mthode
permet doptimiser le calcul des priorits des modes de dfaillance si deux des critres S, O
ou D sont identiques.
Dans cette thse, on utilise le critre classique de la mthodologie FMECA : RPN. Etant
utilis par tous les sites de STMicroelectronics dans le monde, ce critre a t appliqu sur
lensemble des propositions de ce travail de recherche.
Criticit : on qualifie une dfaillance de critique si, juge travers plusieurs critres, elle
nous apparat inacceptable. La notion dacceptabilit est une notion relative. Elle na un sens
que dans un contexte donn.
AMDE - FMEA : Analyse des Modes de Dfaillances et de leurs Effets. Une mthode
danalyse de la fiabilit des systmes. Elle est compose des relations entre les dfaillances et
leurs effets. Elle intgre lanalyse FMA : Failure Mode Analysis qui est base en gnral sur
lhistorique des informations comme la garantie, les services fournies et les donnes de
process (Omdahl 1988).
AMDEC - FMECA : une des mthodes de fiabilit gnrale et utilisable dans tous les
domaines. Cest une mthode systmatique qui propose danticiper les problmes plutt que
de subir leurs consquences.
Le Tableau II-1 montre la structure gnrale dune analyse de risques. LAMDE est incluse
dans lanalyse AMDEC. Une premire partie consiste identifier le risque et le coter. La
seconde consiste dfinir les modifications et actions ncessaires pour baisser le niveau de
risque sil dpasse le seuil de dclenchement. La partie (3) value la tendance du risque aprs
les modifications, ce qui permet de dcider ainsi de les clturer, les modifier ou den ajouter
dautres.

Composant Modes de Causes Effets sur le Effets sur S O D RPN Modification S O D RPN
dfaillance poste le produit s

AMDE
AMDEC
Re-conception Validation des
1
modifications
2
3
Tableau II-1 Grilles AMDE AMDEC (Faucher 2004)

p. 25
Ch. II : Revue bibliographique

2- Processus de gestion des risques :

La gestion des risques industriels a toujours t base sur lexpertise humaine. La volont de
matriser les dfaillances et leurs sources justifie lintrt des industriels pour cette mthode.
Grer les risques revient les tudier, dfinir les possibilits ou probabilits dapparition et
dfinir les actions ncessaires pour limiter les effets sur les systmes. Raliser une AMDEC
pour un systme ou une machine revient dcomposer en parties fonctionnelles et tudier
pour chacune les possibilits de dfaillances. Raliser une analyse de risque nest pas
synonyme dliminer compltement toute possibilit de panne ou de dysfonctionnement : il
sagit de minimiser le niveau de risque en tudiant en priorit les risques les plus dangereux
ou critiques.

Figure II.2 Flow gestion des risques

p. 26
Ch. II : Revue bibliographique

Comme prsent Figure II.2, ltude dun risque doit suivre trois tapes conscutives :

a) Identifier le risque : Cette premire tape reprsente la base de la mthode. Elle consiste
pour un composant donn prsenter la nature du risque par la description du mode de
dfaillance, ses causes, leffet attendu et ceci pour chaque partie du systme.
b) Evaluer le risque : Il sagit dassocier au risque une valeur numrique pour quantifier son
importance. Trois critres sont valus : la dtection, loccurrence et la svrit. Ces trois
valeurs doivent tre dtermines selon des grilles standard. Limportance du risque et
son degr de gravit sont alors dfinis par le rsultat du produit de ces trois valeurs ; le
plus souvent il sagit du produit des trois valeurs. Ce produit est alors appel RPN (Risk
Priority Number). Suivant les pratiques, un autre indicateur dagrgation peut
nanmoins tre choisi. Les actions requises pour remdier au risque peuvent alors tre
identifies sur la base de cet indicateur quantitatif.
c) Agir : Une fois identifis et valus, les risques doivent tre classs en fonction de leurs
criticits. Un risque est class critique sil dpasse le seuil maximum autoris. Ce seuil est
gnralement dfini par la valeur maxi du RPN qui reprsente le seuil limite partir
duquel il faut imprativement dfinir des actions correctives et prventives. Ces actions
doivent tre spcifies avec un responsable, une date limite de ralisation et un objectif
en termes de rsultats (diminution du niveau du risque). Un risque correctement identifi
et valu ne signifie pas quil nexiste plus. Il faut que les actions soient accomplies et le
niveau de risque recalcul sur la base des rsultats obtenus afin de sassurer que
lanomalie a disparue sur le systme.

3- Pourquoi les AMDEC ou analyses de risque ?

(Stamatis 2003) prsente les analyses FMECA comme une mthode pour maximiser la
satisfaction des clients en rduisant et/ou liminant les problmes potentiels. Il dfinit
quatre dclencheurs potentiels dune analyse de risques :
- la conception dun nouveau produit, processus, service ou concept.
- le changement dun produit, processus, service ou concept existant.
- le dveloppement dune nouvelle application pour un produit, processus, service ou
concept existant.
- des amliorations apporter pour un produit, processus, service ou concept existant.
Dans ces travaux, il est montr que ltude des risques ne doit pas tre limite et freine par
le manque dinformation sur le systme tudi et doit dmarrer le plutt possible : Do the
best you can with what you have.
La mthode AMDEC, utilise initialement pour des applications militaires (DOD 1980), a t
largement dploye dautres domaines industriels. Cette mthode, base sur lanalyse
fonctionnelle des procds et processus, vise prvenir les risques et maximiser les gains en
temps, cots et qualit.

p. 27
Ch. II : Revue bibliographique

Montrant son efficacit dans loptimisation de la fiabilit des machines, elle a t adopte
dans la majorit des domaines industriels comme laronautique, lindustrie agro-
alimentaire, lautomobile
Depuis 1994, anne de lapparition de la premire dition de la norme QS 9000, l'AMDEC est
une des exigences spcifiques pour adresser le secteur automobile. Lintgration de cette
mthode danalyse et gestion de risque dans un systme de management de la qualit
sinscrit dans le cadre dune transparence totale envers le client en termes de gestion et
procdures. Dans le domaine du semi-conducteur, par exemple, toutes les FMECA
concernant les modules technologiques des produits fabriqus sont fournies au client. Avec
cette base de donnes sur les risques lies au produit, le client peut vrifier si les risques
pouvant affecter la qualit requise ont t traits, si des actions prventives on t mises en
place et en assurer le suivi. Le client peut galement vrifier si des dfaillances dj
constates ont t traites. Cette base reflte ainsi le niveau de matrise de la qualit par
lindustriel auquel le client confie sa production.
Etablir une analyse FMECA est un travail qui demande du temps. Une quipe htrogne au
niveau expertise, une rigueur dans lidentification et lvaluation des risques est ncessaire.
Cette approche, certes coteuse pour lindustriel, est un support de lamlioration continue,
un systme qui reflte ltat du systme de production (Chrysler LLC et al. 2008). Les
bnfices de analyses des risques dans le processus de dcision on t mis en vidence par
Mazur ds 1985 (Mazur 1985).

4- Les mthodes danalyse des risques :

La gestion des risques industriels a t largement aborde dans la littrature et de


nombreuses mthodes ont t proposes (Tixier et al. 2002). Le dveloppement continu des
technologies et la complexit des processus industriels sont lorigine des volutions des
mthodes danalyse de risques qui traitent aussi bien des aspects organisationnels que
techniques.

On peut classer les mthodes danalyse de risques en deux principaux groupes : dterministe
et probabiliste (Tixier et al. 2002), (Stamatis 2003). Ces groupes se caractrisent selon le
moyen didentification des risques. Une mthode est dite dterministe si elle tient compte les
donnes produits, quipement ou processus et identifie prcisment les consquences. Les
mthodes probabilistes sont bases sur la probabilit et loccurrence potentielle du risque
(Niehaus 2001) (Kirchsteiger 1999).

Parmi les mthodologies les plus couramment utilises pour les analyses des risques :

HAZOP6: a vu le jour dans les annes soixante dans le domaine de la chimie. Cest une
technique qualitative conue par (Kletz 1997). Plusieurs tudes on t proposes pour
amliorer cette mthodologie comme lutilisation dune base de donnes pour consolider les

6 HAzard and OPerability

p. 28
Ch. II : Revue bibliographique

dcisions des experts et allger leur charge de travail (Khan & Abbasi 1997). Dautres tudes
plus rcentes ont cherch automatiser des parties de HAZOP et proposer des modles
mathmatiques en vue damliorer lvaluation des risques (Labovsky et al. 2007).

QRA7 : comme lindique son nom, cette mthode est quantitative et elle est structure en
quatre phases : identification du risque, estimation des consquences, calcul de probabilit et
quantification du risque (Khan et al. 2002).

FMECA : approche qualitative, prsente dans la section prcdente qui a eu un large succs
dans le monde industriel avec des applications diverses.

ORA8 : approche propose par Khan et Abbasi en 1995 (Khan & Abbasi 1995). Elle vise
identifier le risque et les accidents probables dans le domaine de la chimie. Les mmes
auteurs, (Khan & Abbasi 2001), proposent par la suite des tudes pour amliorer leur
approche et montrent son applicabilit au monde industriel.

Dans leur tude, Tixier el al (Tixier et al. 2002), prsentent une revue de plus de soixante
mthodes danalyse de risques quils ont classes en quantitative ou qualitative. La majorit
des tudes sont appliques au domaine industriel et utilisent des mthodes connus comme
les FMECA, HAZOP, QRA Ils montrent la difficult matriser totalement les risques dans
une entreprise et la ncessit dutiliser des mthodes diffrentes pour couvrir lensemble des
risques. Ils concluent au besoin dune approche mthodologique structure en quatre
phases :

- the source term (industrial establishment);


- the flux (vector of propagation of accidents);
- targets (human, environmental and equipments);
- control and management.

Cette structure permet une conjonction entre les aspects dterministes et probabilistes et
simplifie le processus de dcision pour les industriels.

5- Typologie des risques industriels :

On peut classer les risques en fonction de leurs origines et leur niveau dimpact industriel. La
typologie des risques rentre dans la partie Management des risques , elle permet une
transparence dans la classification des risques et une simplification de leur rutilisation.

Bassetto (Bassetto 2005), a tabli dans sa thse une typologie des risques dans le domaine du
semi-conducteur. Il montre les consquences sur le contrle des risques dune technologie en

7 Quantitative Risk Assessment


8
Optimal Risk Assessment

p. 29
Ch. II : Revue bibliographique

production de masse. Il prcise galement lintrt de procder par cascade entre les types de
risques pour contrler la production.
Stamatis (Stamatis 2003) prsente une typologie plus gnrique qui classifie les risques selon
quatre volets :
- les risques systme : les modes de dfaillance potentiels lis aux fonctions des
composants du systme,
- les risques design : dfinis pour scuriser la conception des produits et leur passage
en production. Ils intgrent les contraintes de design et fabrication,
- les risques process : ce sont les risques lis lefficacit du processus de production et
des moyens utiliss,
- les risques service : ils permettent de garantir la qualit du service fourni au client.

System Design Process Service

Components Components Manpower Manpower/Hu


Machine man resources
Method Machine
Subsystems Subsystems Material Method
Measurement Material
Environment Measurement
Main systems Main systems Environment

Human
Machines
resources

Tools Task
Work stations Work stations
Production Service lines
lines Services
Processes Performance
Gauges Operators
Operators training
training

Focus: Minimize Focus: Minimize Focus: Minimize Focus: Minimize


failure effects on the failure effects on the process failures on service failures on
system design the total process the total organization
Objective/goal: Objective/goal: (system) Objective/goal:
Maximize system Maximize design Objective/goal: Maximize the
quality, reliability, cost quality, reliability, cost Maximize the total customer satisfaction
and maintainability and maintainability process (system) through quality,
quality, reliability, reliability and service
maintainability and
productivity

Figure II.3 FMECA Typologies (Stamatis 2003)

Les risques tudis dans cette thse sont de types Process et Service. On sintresse dans
un premier temps aux risques quipements pour traiter les aspects fiabilit et disponibilit
des moyens de production. Ensuite, on intgre les risques lis aux dfaillances
oprationnelles et au produit dans un but damliorer les processus de dcision des actions
en les unifiant.

p. 30
Ch. II : Revue bibliographique

6- Synthse: Les analyses des risques entre avantages et inconvnients :

Le rle incontournable des analyses des risques dans la prvention des vnements
indsirables est dmontr par le simple fait de leur large utilisation par des industries de
haute technologie (nuclaire, aronautique, nanotechnologie). Cependant, ces approches
bases en grande partie sur des ressources humaines, sont qualifies de lourdes, difficiles
entretenir et de processus, bnfique mais long.

Pour illustrer les apports des analyses de risque et leurs inconvnients, on prsente dans le
Tableau IV-1 une synthse de rsums de travaux sur les analyses des risques des certains
domaines industriels.

Domaine Avantages Inconvnients

- Performant si utilisation ds la phase de


- Manque de liens entre les sources
Nuclaire conception
de dfaillances
- Base de donnes sur les connaissances
- Lourdeur de gestion pour des
(Knoll 1996) - Outil de base pour la construction de la
systmes complexes
(Niehaus 2001) maintenance et son optimisation
- groupe de travail : temps &
Analyses des risques

(He et al. 2007) - synthse des points critiques pour la


ressources
conception
Semiconducteur - Permet une mise en place des contrles
- Processus complexe analyser
ncessaires
- Quantification des rsultats qui
(DePinto 1997) - Pointer les processus ou moyens
sont gnralement long terme
(Whitcomb & Rioux potentiellement dfaillants
- Liens pas toujours vidents avec
1994) (Zafra-Cabeza - Minimiser le taux de scrap
SPC et plan de contrle
et al. 2008) - Consolider la confiance des clients
Automotive
- Une analyse dun nombre important de - Gnration des rsultats de
combinaisons de pannes pannes non automatises
(Price & Taylor
- Une analyse plus performante des systmes - Pas de lien entre les cotations de
2002)
lectriques pannes dpendantes

Tableau II-2 Analyses des risques : exemples davantages et dinconvnients

Cette synthse pointe les apports de cette approche en termes de mthode de travail, gains
oprationnels et scurit des moyens et ressources. Cependant elle identifie des
inconvnients majeurs, pour limplmentation, le suivi et le maintien des analyses des
risques qui sont principalement :

a. la difficult didentifier les risques dans un systme complexe,


b. le temps important ncessaire pour raliser une tude,
c. le champ dtude non-limit (pas de spcification du primtre dinvestigation),
d. le langage non-unifi des documents, ce qui rend difficiles les tches dexploitation et de
mise jour,
e. labsence de liens entre causes dpendantes.

p. 31
Ch. II : Revue bibliographique

Dans ce contexte, cette thse vise apporter des lments de rponses aux questionnements
des oprationnels et des solutions pour allger et optimiser lutilisation de ces approches. En
premier lieu, les axes (a) et (b) sont traits en vue de simplifier la phase dtude
(identification des risques) en utilisant lhistorique des vnements et en intgrant de faon
automatique des risques jugs critiques. Dans une deuxime partie, il est propos dunifier la
gestion de tous les risques dune entreprise en se basant sur les typologies associes. Une
intgration de ces analyses dans le processus de dcision des actions est ensuite propose
pour rpondre laxe (c) et amliorer lexploitation des connaissances (d).

III. Les analyses des risques dans un processus de maintenance

Cette section du chapitre dveloppe laspect intgration des risques dans le systme de
gestion des actions de maintenance. Une revue dtudes ralise ce sujet est prsente avec
une analyse des points damlioration potentiels de cette mthodologie.

1- Bref aperu sur lvolution de la fonction maintenance

Les tudes dans le domaine de gestion des quipements et leur fiabilit sont nombreuses et
varies (Gertsbakh 2002) (Duarte et al. 2006). Diverses politiques ont t dveloppes pour
minimiser le taux de panne, baisser le niveau de risque et amliorer la disponibilit des
machines.

La norme europenne NF EN 13306 (AFNOR 2001) dfinit la maintenance en tant que


lensemble de toutes les actions techniques, administratives et de management durant le
cycle de vie dun bien, destines le maintenir ou le rtablir dans un tat dans lequel il
peut accomplir la fonction requise.
Cette fonction connue dans ses dbuts par le caractre correctif, a volu depuis vers des
systmes de contrle, de prvention et de supervision. Dans ce cadre, les politiques de
maintenance, gnralement connues par des aspects de fiabilit et de disponibilit, visent
optimiser le fonctionnement des machines de production en minimisant le risque de panne.
Lobjectif principal est de rpondre aux objectifs de production et ne pas impacter le
planning (Kaabi 2004) (Mili et al. 2006).
Des approches diverses ont t proposes pour amliorer le fonctionnement des systmes de
maintenance (Higgins and Mobley, 2001). Les principales fonctions objectives tudies sont :
la minimisation des cots, lamlioration de la disponibilit. Les cots indirects de
maintenance sont quivalents, en Europe, de 4% 8% du chiffre daffaires; cest sensiblement
la mme chose pour les cots directs (Iung & Marquez 2006).
Avec lvolution des technologies, le dveloppement des moyens de communication avec et
sans fil, la maintenance distance ou e-maintenance (Levrat et al. 2008) est parmi les
avances technologiques rcentes en terme de contrle et de matrise distance. (Iung &
Marquez 2006) montrent que ce type de maintenance permet au moins didentifier la cause
racine ou root cause des pannes, rduire les pannes des systmes de production, liminer
les cots leves des maintenances correctives et amliorer la qualit et la productivit.

p. 32
Ch. II : Revue bibliographique

2- Les risques et la maintenance : Risk Based Maintenance

Risque et maintenance : deux termes qui se croisent sur lobjectif et dont lexistence de lun
est dclencheur de lautre. Lobjectif de la maintenance prventive est dliminer le risque
mais sil ny a pas de risque la maintenance na pas lieu dtre.

Les thories de fiabilit, les politiques de maintenance prventive, sont prsentes dans un
cadre doptimisation des cots des actions correctives et prventives. La majorit de ces
approches sont focalises sur la performance des quipements par une rduction de
loccurrence des pannes et loptimisation des frquences de maintenance. Le risque de panne
nest pas une notion courante dans la dfinition des plannings.
La notion de matrise des risques est apparue dans un cadre de performance industrielle, de
gain de confiance vis--vis du client et de contrle des capacits de production. Dans le
domaine de la maintenance, la mthodologie RFM (Risk Focused Maintenance) a t
propose pour dfinir les priorits des actions en accord avec le niveau de risque (Tomic
1993).
(Cassanelli et al. 2006) appliquent les analyses des risques lors de ltape de conception dun
moteur lectrique proposant un processus de gestion des actions correctives (au niveau
design) bas sur les analyses des vnements par les FMECA. Ils considrent la prcision
dans la dfinition des risques comme le facteur majeur de russite des FMECA. Une mthode
de maintien et de mise jour de la base des risques est propose. Il est point que les
analyses des risques doivent suivre lvolution du produit et de lquipement.
(Herrou & Elghorba 2005) prsentent un cas dtude dun systme compresseur pour lequel
on applique la mthode FMECA pour minimiser les cots indirects de maintenance, en
focalisant sur lidentification des facteurs mineurs qui ont un impact majeur sur le systme
(principe du Pareto). Ils procdent par cascade pour identifier les causes potentielles au plus
bas niveau du systme (dcomposition fonctionnelle). Un cas dapplication dans une PME
est prsent en montrant lapport dune telle approche pour dfinir les besoins en termes de
disponibilit des quipements et, ainsi, aiguiller vers une amlioration de la politique de
maintenance.
(Redmill 2002) prsente les analyses de risques comme un processus subjectif, insistant sur le
fait quun bon droulement des tapes de ce processus (identification, analyse et valuation)
est essentiel au succs de lapproche. Selon ses travaux, les analyses de risques sont un
support la dcision fortement dpendante de lexpertise humaine : there are many
techniques for hazard identification, and all depend on human observation, judgment and creativity.

Les approches RFM considrent les risques comme une des parties du processus de dcision
pour la maintenance (Darling 1996). Dautres approches comme RBM (Risk Based
Maintenance) considrent le risque comme critre central dans le processus de dcision.
(Khan & Haddara 2003) dcrivent une mthode pour lamlioration des plannings de
maintenance et leur mise jour en se basant sur le niveau de risque. Ils dveloppent trois
modules : estimation du risque, valuation du risque et modification des plans de
maintenance. Le premier module consiste dvelopper des scnarios potentiels de

p. 33
Ch. II : Revue bibliographique

dfaillance, leurs consquences sur le systme et destimer par la suite les risques associs. Le
second module permet dvaluer les critres du risque par les experts et dfinir si des actions
sont ncessaires ou non. Le dernier module est bas sur le rsultat des deux prcdents pour
revoir les plannings de maintenance. Un exemple doptimisation de plans de maintenance
dun systme HAVAC (Heating, ventilation and air-conditioning) a t prsent montrant
lintrt de cette approche. Mais dans cette tude laspect vnements indsirables (pannes)
na pas t pris en compte. Seuls les plans de maintenance sont mis jour, les risques
identifis ne sont pas suivis par la suite. Lobsolescence des risques encourus induit alors
lobsolescence des plans de maintenance.

(Arunraj & Maiti 2007) ont ralis une synthse de la mthode RBM. Ils prsentent les
diffrentes tapes de la mthode et expliquent les inconvnients (Figure II.4). Tous les
modules de cette approche sont dvelopps en montrant les facteurs pouvant impacter la
qualit des analyses de risques.

Figure II.4 RBM: General risk-based maintenance approach (Arunraj and Maiti, 2007)

p. 34
Ch. II : Revue bibliographique

3- RBM : domaines et quelques cas dapplication

(Fujiyama et al. 2004) dveloppent une tude quantitative de RBM pour les systmes de
turbines vapeur. Ils proposent une formulation statistique des probabilits de dfaillance et
une estimation des risques base sur les arbres de dfaillances. Ils intgrent linspection pour
amliorer les fonctions de fiabilit. Deux exemples doptimisation des plannings de
maintenance sont prsents montrant lapport de lapproche en termes de minimisation des
occurrences des vnements indsirables et doptimisation des cots de maintenance. Dans
cette tude, la schmatisation des perspectives proposes (Figure II.5) montre le besoin
damliorer et de gnraliser cette approche pour quelle soit base sur lengineering.

Quick Risk-based
2 Inspection Risk Optimum 3
Risk-based
System Control Design System
Inspection
Design

Total Risk
Management
System

Probabilistic Risk-based Risk-based Flexible


Life Assessment Life Operation Operation 4
1 Assessment
System Support system

Reliability Life System Remote


Analysis Assessment optimization Monitoring/IT
technology technology technology technology

Figure II.5 Application concept for risk based engineering (Fujiyama et al. 2004)

Cette prsentation dun concept gnrique montre le besoin dune complmentarit entre les
diffrents facteurs impactant le risque : les analyses statistiques (1), linspection (2), le design
(3) et les oprations (4). Mais dans ce concept, laspect gestion des donnes et la qualit
dinformation ne sont pas prsents. Le retour dexprience et la capitalisation des donnes
ne sont pas galement associs ces facteurs. Lintgration dun axe relatif aux donnes
dvnements oprationnels pourra amliorer lestimation des risques et leur valuation de faon
dynamique.

Dans le mme domaine de gnration de lnergie, (Krishnasamy et al. 2005) dveloppent


une application industrielle dans lentreprise canadienne Holyrood power generation. Les
auteurs montrent lintrt de la RBM dans la minimisation des risques lis aux dfaillances
quipements. Ils soulignent dans leur tude limpact positif de telles approches sur les cots
et sur les politiques de maintenance.

p. 35
Ch. II : Revue bibliographique

Dans lindustrie de la ptrochimie, (Hu et al. 2009) dveloppent une approche amliore
RBM par lutilisation du modle PAR9. Ils montrent que dans la majorit des tudes utilisant
la RBM, limperfection des actions dans les plans de maintenance nest pas prise en compte.
Ils proposent par la suite une planification de la maintenance imparfaite plus frquente que
les autres maintenances.

4- Synthse : constat et amliorations possibles

(Arunraj & Maiti 2007) identifient, sur la base de vingt cinq tudes ralise sur la RBM, trois
facteurs principaux qui peuvent agir sur le droulement de cette approche. Ils montrent que
pour ces trois facteurs, les origines de la dfaillance sont presque toutes identiques :

- Facteur 1 : identification du risque et analyse initiale des consquences. Ce facteur


dpend de la qualit des donnes utilises lors de cette phase de lapproche et de la
difficult de retrouver les informations adquates.
- Facteur 2 : estimation du risque. Pour cette tape, ils soulignent trois dtracteurs
majeurs : (1) la mthode employe pour calculer le risque, (2) lidentification de la
frquence (une par semaine, par mois), (3) lestimation des consquences relatives
chaque cotation (avec identification des actions ncessaires).
- Facteur 3 : les impacts identifis des risques ne sont pas mesurs de manire prcise
que ce soit sous laspect qualitatif ou quantitatif.

Ces rsultats pointent le besoin damliorer la qualit des analyses des risques. La qualit des
informations recueillies et utilises, la frquence de mise jour et lestimation du risque sont
le plus souvent revoir La qualit des donnes est lun des points de dpart de cette
approche. Laccs ces donnes doit tre simplifi et accessible par tous les acteurs de la
mthodologie (Tummala & Mak 2001). Il sagit dintgrer les donnes potentiellement
influentes sur lestimation et lvaluation du risque ds le dbut de lanalyse.
Les approches dveloppes dans ce contexte doptimisation des politiques de maintenance,
par la prise en compte du niveau de risque, utilisent les mthodes classiques danalyse des
risques. Quil sagisse de RBM, RFM ou autre, toutes ces approches utilisent un risque estim
et valu par les experts pour le prendre en compte par la suite dans le processus de dcision.
Laspect analyse fonctionnelle a t galement abord pour appuyer la dcision des experts.
Mais dans certains domaines industriels, o les moyens de production sont dots de
systmes de haute technologie, une dcomposition fonctionnelle dtaille des quipements
requiert un investissement important de la part de lentreprise et une forte mobilisation des
experts.

On constate galement que, dans la majorit des tudes, la rutilisation des donnes de
maintenance et des rapports des experts na pas t clairement formule. Ignorer cette

9
Proportionnal Age Reduction (Shin et al. 1996)

p. 36
Ch. II : Revue bibliographique

rutilisation peut tre un dtracteur des facteurs cits par (Arunraj & Maiti 2007) sur la
qualit des analyses de lidentification lvaluation prcise.
Comment un risque peut il voluer ? Voil une question sur laquelle on ne trouve pas de
rponse dtaille dans cette revue de littrature. Les approches classiques RBM montrent le
suivi des plans et actions de maintenance suite un risque dtect et jug critique. Mais ce
risque, lorigine de laction, nest pas suivi, ni mis jour et on ne dispose pas dune
tendance de son volution avant et aprs laction.
Sur ces questionnements, sur les aspects identification & estimation robustes des risques et
sur laspect dynamique du suivi du niveau de risque et son volution, le chapitre III vient
introduire une proposition damlioration de lapproche Risk Based Maintenance appele
RBMdynamique.

IV. Les mthodes de gestion des problmes qualit

1- PDCA, une dynamique damlioration continue

Lamlioration continue et la recherche de solutions adquates sont parmi les supports


majeurs du systme qualit (ISO 9000-2005). Ces supports sinscrivent dans le cadre dun
outil trs simple et trs connu : la cyberntique PDCA (Plan Do Check Act). Introduite au
dpart par Deming10 en 1950 comme la dynamique de lamlioration continue, en se basant
sur le principe des tudes statistiques dans le cycle de Shewhart11, elle a t retenue par les
japonais sous le nom PDCA de Deming (Chardonnet & Thibaudon 2003).

Dcider les Dfinir le but,


mesures lobjectif et les
ncessaires et les moyens dy
amliorations parvenir
possibles

Act Plan

Check Do
Contrler, Sinstruire,
mesurer les carts sentraner et
et comprendre les excuter les
rsultats obtenus ISO tches dfinies

Figure II.6 Roue de qualit PDCA (Chardonnet & Thibaudon 2003)

10
Wiliam Edward Deming : qualiticien amricain n en 1900 et dcd en 1993. Docteur en sciences de
lUniversit de Yale en 1928.
11
Walter Andrew Shewhart : physicien, ingnieur et statisticien n en 1891 et dcd en 1967. Docteur en
physique de lUniversit de Californie en 1917.

p. 37
Ch. II : Revue bibliographique

Comme le montre la structure du cycle PDCA (Figure II.6), le contrle des rsultats permet
dvaluer ce qui a t mis en place comme plans dactions et de mesurer les carts entre
objectifs et ralisations. Dans le cas de non-atteinte des objectifs, un autre plan doit tre tabli
et de nouveaux objectifs fixs galement.

LISO 9000 (ISO 2005) a port le dveloppement de ce cycle et son implmentation dans les
industries au rang dune norme internationale. La satisfaction du client est un point central
dans ce quon appelle les processus orients clients. PDCA est le moteur dinnovation dans une
entreprise au niveau managrial, technique ou organisationnel. Cette roue est supporte de
manire continue par lISO. Ce standard qualit est un acteur permanent de la continuit de
ce cycle et non pas une simple cale qui permet de bloquer le retour en sens inverse (comme
prsent dans plusieurs tudes). Cest pourquoi on la prsent en Figure II.6 sous forme
dune roue cliquet qui fait avancer le cycle tout en bloquant tout retour en arrire.

La gestion des vnements dans un systme de production et la dfinition des plans


dactions sinscrivent dans cette dynamique damlioration continue. Les quatre tapes du cycle
PDCA sont un moyen simple, efficace pour montrer comment dvelopper un plan dactions,
limplmenter, lvaluer et lamliorer si ncessaire. Les japonais, qui ont t les premiers
adopter lapproche de Deming sur une large chelle, ont montr lintrt de cette approche et
lont largement dploye Nous commenons par amliorer ce que nous savons faire, mais pas
encore suffisamment bien, ensuite nous innovons, mais pas linverse.

2- Le risque dans un cycle PDCA

Lamlioration continue, la prvention dvnements indsirables sont des objectifs


communs entre la dynamique PDCA et les analyses des risques. La structure de cette
dernire, comme prsent dans la premire section de ce chapitre12, montre des similitudes
dans les tapes avec les quatre phases du PDCA. Les trois tapes de lanalyse du risque
(Identifier le risque, Evaluer le risque, Agir) correspondent respectivement aux quatre
premires phases du PDCA (Check & Plan, Act, Do). Une fois le risque trait (des actions ont
t mises en place), sa rvaluation permet de dcider sil est dsormais acceptable ou il est
ncessaire de dvelopper dautres actions. Cette dernire tape montre une similitude
structurelle avec PDCA en termes damlioration continue.

Cette similitude est analyse dans les travaux de (Chardonnet & Thibaudon 2003) qui
prsentent lanalyse du risque avec les dimensions PDCA. Ils sappuient sur le principe
damlioration continue pour montrer les liens entre PDCA et analyse de risques. Lanalyse
du pourquoi et du comment en intgrant la notion de retour dexprience permet en effet de
prvenir et de minimiser les risques.

12
II. Les analyses des risques

p. 38
Ch. II : Revue bibliographique

Dimension dETHIQUE Dimension


Buts & valeurs mis en EPISTEMOLOGIQUE
objectifs Modles & principes mis
en application

Act Plan

Dimension
Dimension STATIQUE Check Do DEONTOLOGIQUE
Recueil des donnes, Normes & rgles mises en
des faits & prvisions pratique

Axe de retours Axe


dexprience dontologique

Figure II.7 Dimensions PDCA dans lapproche du risque (Chardonnet & Thibaudon 2003)

La modlisation propose (Figure II.7) reprsente quatre dimensions complmentaires sous


deux axes : retours dexprience et dontologie :
- Dimension 1 : Statique13 ; associe la gestion et collecte des donnes.
- Dimension 2 : Ethique14 ; associe la dfinition des objectifs et finalits recherches.
- Dimension 3 : Epistmologique15 ; associe la spcification des modles et des
moyens de mises en application.
- Dimension 4 : Dontologique16 ; associe la mise en place des actions, rgles et la
pratique des dfinitions.

Avec cette reprsentation, les auteurs montrent quel lien peut tre ralis entre deux
domaines distincts : la sociologie et la technique. On constate actuellement une rupture entre
les ingnieurs qui pensent YAKA et les psychosociologues qui disent ils sont comme ca
Dans un processus de dcision, en termes de risques, cette tude pointe clairement le facteur
humain comme le maillon faible. Le rsultat de ce processus dpend normment du niveau
dexpertise et de la vision des experts sur la sret.

Une tude sur limplmentation dun management intgr en se basant sur les analyses des
risques, ralise par (Labodova 2004), montre que la matrise du risque est un support
incontournable pour le management des systmes complexes. Elle prsente une approche
pour lintgration squentielle de systmes de management de la qualit comme QMS17,

13
Statique : qui n'volue pas, semble fix de manire dfinitive, par opposition dynamique : un monde
statique, immobile.
14
Ethique : qui concerne la morale (en latin ethicus, du grec thikos, moral)
15
Epistmologie : discipline qui prend la connaissance scientifique pour objet. (en grec epistm, science)
16
Dontologie : ensemble des rgles et des devoirs qui rgissent une profession, la conduite de ceux qui
l'exercent, les rapports entre ceux-ci et leurs clients et le public. (Source LAROUSSE)
17
Quality Management System

p. 39
Ch. II : Revue bibliographique

EMS18 et OHSMS19. Lobjectif est daboutir un systme de management intgr et formalis


There is no formalised integrated management system IMS . Un modle thorique a t
propos (OHSMS/IMS) combinant les analyses des risques et PDCA appuy par un cas
dtude industriel.

Planning Implementation and Operation


OH&S Continual
Policy Production Improvement
system-
description
Hazard
identification

Scenarios
Management
Review
Risk
evaluation

Goals
setting-Up Definition of
Barriers
(Prevention-
Protection) Risk Audit &
management Corrective
Actions

Commitment Initial Review , Background For Planning, Goals & Goals OH&S Tools, Methods
of Top Specification of Policy (Acceptability of Risk) quantification Programms Responsibilities,
Management Resources

Figure II.8 Combinaison des analyses des risques et OHS (Labodova 2004)

Dans ce diagramme (Figure II.8), les tapes danalyse de risque sont modlises par
correspondance au modle PDCA. Dautres tapes, considres comme importantes par
lauteur, sont rajoutes comme monitoring, audit et revue de management.

Ce deuxime exemple met en avant limportance du risque et son rle dans la dynamique du
contrle continu. Une telle intgration requiert lvidence un investissement
supplmentaire en termes de temps et de ressources mais elle permet de consolider et
dappuyer les dcisions prises dans un systme de management. Utiliser le risque comme
critre de gestion des priorits des actions a montr son intrt dans le domaine particulier
de la maintenance industrielle (Khan & Haddara 2003). Cette gestion apporte des indicateurs
sur les risques encourus, les causes potentielles et sur le niveau de criticit dune dfaillance.
Cette notion de prvention et de prise en compte des risques peut alors tre intgre dans
tout processus de gestion dun plan dactions et de dcision des priorits. Les retours clients,
les non-conformits, les drives process etc. sont tous des vnements indsirables qui, en
cas de politique corrective, peuvent engendrer des risques importants. Il faut mieux les
prvenir que de subir des consquences gnralement trs coteuses.

18
Environmental Management System
19
Occupational Health and Safety Management System

p. 40
Ch. II : Revue bibliographique

3- Rsolution des problmes Plans dactions : types et gestion actuelle

La rsolution dun problme est prsente par (Crepin & Robin 2001) comme un processus
permettant daller, par tapes successives et avec rigueur, de lidentification du problme
sa rsolution. Ils tablissent un schma gnrique (Figure II.9) de la mthode de rsolution
des problmes composs de sept tapes successives.

Identifier les problmes


Choisir un problme en fonction de critres dfinis par le
1. Choisir un problme
groupe
Planifier le projet

Dfinir clairement le problme choisi


2. Poser le problme Recueillir/structurer des donnes sur la situation actuelle
Choisir un objectif damlioration

Chercher et classer toutes les causes possibles


Dterminer les causes probables
3. Rechercher et valider les causes
Tester/valider
Si ncessaire, redfinir lobjectif

Chercher toutes les solutions possibles


Slectionner une solution en fonction de critres choisis
4. Rechercher et choisir une par le groupe
solution
Tester/valider la solution
Prsenter le projet la hirarchie

Prparer la mise en uvre de la solution


5. Mettre en uvre la solution
Mettre en uvre la solution

Suivre lvolution des rsultats dans le temps


6. Evaluer les effets de la solution
Etablir un bilan global chiffr de laction engage

7. Standardiser/gnraliser la
Rechercher des extensions possibles de la solution retenue
solution

Figure II.9 La mthode de rsolution des problmes (Crepin & Robin 2001)

Lensemble de ces tapes englobe la totalit des actions entreprendre pour atteindre un
objectif qui est fonction des demandes et des attentes du client (interne ou externe). Cet
objectif est en en lien avec le type de problmes :

- problme de type dysfonctionnement : dans ce cas, lobjectif est de rsoudre un


dysfonctionnement et dapporter des solutions pour le contenir et le prvenir dans le
futur.

- problme de type besoin damlioration : dans ce second cas, le dclencheur nest pas
une dtection dun vnement indsirable mais un besoin et un objectif du
demandeur pour amliorer sa performance et aller au-del du niveau actuel.

Cette classification peut tre associe deux principaux types dactions au sein dun systme
de production (Motschman & Moore 1999) :

p. 41
Ch. II : Revue bibliographique

- plans dactions correctifs (dfinis pour remdier un vnement dtect),

- plans dactions prventifs (permettent danticiper les dfaillances et minimiser leur


probabilit).

Les actions correctives sont ralises pour liminer les causes dune non-conformit, dfaut
ou autre situation indsirable dans le but de prvenir son occurrence (ISO 2005). Par contre,
les actions prventives permettent dliminer les causes potentielles. Des tudes (Nakagawa
& Mizutani 2009)(Motschman & S. B. Moore 1999) montrent limpact parfois ngatif des
ractions post-vnement en termes de cots, perte de rendement, qualit du produit et
principalement des pnalits leves. Le dveloppement des stratgies prventives est un
axe dtude trs abord en industrie (Vairaktarakis 1999) en vue des apports qui en rsultent.

Cette association (Figure II.9) montre que les deux principaux niveaux dactions ont une
dpendance directe avec la nature du problme.

Problme Action

Dysfonctionnement Corrective

Amlioration Prventive

Figure II.10 Association type de problmes vs action

Dans la mthode de rsolution du problme, les auteurs dfinissent la ou les actions


entreprendre comme la solution du problme. Cependant, cette solution peut avoir un
niveau de complexit plus ou moins lev en fonction de lobjectif requis et de
lenvironnement en question. Cest pourquoi cette mthode de rsolution, dfinie comme
processus, englobe elle-mme un sous-processus : celui de la gestion des plans dactions.

Les moyens de rsolution des problmes ont une forte importance dans ce processus. Ils
offrent aux experts des outils pour identifier les causes et tablir les solutions appropries.
Les mthodes et approches dveloppes pour proposer aux oprationnels des outils
analytiques et de qualit connaissent un large succs dans le monde industriel. Les cartes de
contrle (Sulek et al. 2006), lhistogramme et diagramme de concentration de dfauts sont
utiliss pour grer les priorits des actions en fonction des svrits des vnements
associes. Dautres mthodes, comme le diagramme en arte de poisson (Ishikawa), les
analyses de risques (FMECA, Hazop ....) et brainstorming, ont un caractre prventif avec
comme objectif dliminer les causes potentielles des dfaillances (Crepin & Robin 2001).

La littrature sur le management des actions montre, quavec la complexit des processus et
moyens de production, le processus de dcision est gnralement ralis dans le cadre dun
groupe htrogne dexperts. Sassoue et al. (Sasou et al. 1996) proposent un modle pour

p. 42
Ch. II : Revue bibliographique

simuler le processus de dcision au sein dune quipe. Cette tude montre que les facteurs
potentiels impactant ce processus sont : lincapacit de trouver le dfaut dans une mauvaise
dcision, ne pas trouver la source de dfaillance ou de slectionner la meilleure des dcisions
proposes par lquipe.

Yaman et Balibek (Yaman & Balibek 1999) prsentent un cas dtude sur un problme
similaire dans le domaine dinstallation des facilities. Ils prsentent un ensemble de types de
processus de dcision : processus bass sur les fonctions utilit/valeur ajoute "aggregate all
the objectives and trade-off preferences and risk attitudes, processus hirarchie analytique
decisions objectives are elements of a hierarchy et processus fonction objective.

Le processus de gestion des plans dactions devient complexe en fonction dun ensemble de
critres dpendants :

- Cr1 : complexit du processus tudi,

- Cr2 : domaine concern par le plan dactions,

- Cr3 : complexit du processus global de production qui induit une divergence au


niveau des services.

Ces trois critres influent sur le choix de la mthode utiliser pour rsoudre le problme et
sur la fonction objective tudier. Mais dans certains cas, la dcision du choix doit tre
rapide. Dans ce cadre, (Muellner et al. 2007) prsentent une tude sur loptimisation de la
gestion des actions suite un accident. Une mthode de minimisation du temps de mise en
place des actions est propose pointant trois facteurs de russite pour celle ci : choix des
actions, disponibilit du systme, identification continue de ltat du systme.

4- Plan dactions ou processus de dcision ?

Face aux vnements indsirables, aux problmes et aux demandes damliorations,


lindustriel doit dcider des actions mettre en place. Le processus de rsolution des
problmes, dvelopp dans la section prcdente, montre les tapes suivre pour y aboutir.
On peut parler alors de dfinition dun plan dactions ou dun processus de dcision qui permet
le choix dactions appropries. Il sagit dans les deux cas de constater lexistant, lanalyser,
dcider des solutions et les implmenter.

Dans sa thse, (SEGUY 2008) prsente une synthse bibliographique sur les processus de
dcision. Elle les identifie comme une activit complexe, base sur un enchanement de
mcanismes conduisant une prise de dcision. Le plus ancien de ces processus de dcision
est celui de Simon (Simon 1977), qui est compos de quatre tapes : Intelligence, design, choice
& review. Ces quatre tapes sont gnriques des sept proposes dans le modle de (Crepin &
Robin 2001). Par contre, comme le montre le schma de ce processus (Figure II.11), il est mis
en avant le retour et lchange dinformation entre les tapes. Ltape review a comme
entre le rsultat de la mise en place de la solution (Choice) et elle permet si ncessaire de
modifier et amliorer les tapes Design et Intelligence.

p. 43
Ch. II : Revue bibliographique

Intelligence Design Choice

Review

Figure II.11 processus dcisionnel de Simon (Simon 1977)

Cette prsentation du processus de dcision est simple de prsentation, elle montre les
changes et le retour dinformation permettant une amlioration continue. Ce nest pas le cas
pour la prsentation de Crpin qui montre un processus squentiel. Or nul ne peut nier que
lexprience amliore la dcision individuelle.
Grer un plan dactions est un processus de dcision dont les entres et les finalits sont les
mmes. Par contre, la dfinition dun plan dactions est trs dpendante de lorganisation
(qualit, R&D, maintenance) qui le ralise et de ses objectifs oprationnels (Zu et al. 2008)
(Aitken 2005). Dans le cas particulier dactions correctives, des tapes de ce processus comme
lvaluation dune action et de son impact long terme sont gnralement ngliges. Laction
corrective tend arrter le dysfonctionnement et limiter les pertes. Le rle de laction
prventive est dapporter des amliorations du fonctionnement actuel du systme et de
prvenir les drives. Dans ce deuxime cas, toutes les tapes sont suivre avec rigueur afin
de situer lapport des plans prventifs par rapport aux attentes.

Les processus de dcision, de gestion des plans dactions et de rsolution des problmes vont
dans un mme sens, celui de rpondre une demande formule et explicite. Les tudes,
prsentes prcdemment, montrent toutes de faon gnrique les tapes suivre mais pas
de mthodologie ou de spcification sur loutil de qualit utiliser, dans quel cas de
problme ou domaine nont t prcises. Lexpertise humaine est dsigne souvent comme
lacteur majeur du processus de dcision dont les rsultats dpendent du niveau dexpertise
et de la politique de rsolution des problmes (Harte et al. 1994). Un facteur qui peut tre trs
intressant intgrer dans ce processus de dcision, qui peut supporter les experts et les
orienter dans les tapes de cette dmarche, est lanalyse du risque et de son impact sur le
processus tudi et les actions dcider. Lapproche des analyses des risques, montrant lapport
sur les aspects prvention et scurisation des processus permet davoir un fil conducteur dans le
processus de dcision de lanalyse des vnements limplmentation des actions.

5- Une intgration du risque, de lexpertise et des vnements ?

La prise en compte des risques dans les processus de dcision pour les systmes complexes a
t un axe de nombreux travaux de recherche. (Krte 2003) propose une mthodologie
nomme Contingent risk and decision analysis qui permet de supporter le processus de
dcision pour des circonstances variables avec des temps de dcision courts. Cette

p. 44
Ch. II : Revue bibliographique

mthodologie est prsente sous forme de neuf tapes permettant de structurer et simplifier
la situation pour les dcideurs.

Criteria for decision Decision rules Procedures


8 9 Familiarization & Training
Meta rules

Risk analyses
7
Catalogue of consequences and risk

Contingent decision models


6 Probability assessment

Identification of
5 contingent variables
Scenario definition

4 Decision influence
model

3 Decision alternatives

2
Consequence definition

1 Identification of
hazard indication

Figure II.12 processus de la mthode Contingent risk and decision analysis (Krte 2003)

Ce modle montre lintgration des processus danalyse du risque et de gestion des


dcisions. Toutes les tapes de dcision sont supportes par celles danalyse du risque. Le
rsultat final est une dcision base sur le niveau de risque, ses probabilits et son valuation
par les experts. Cette mthode a t applique pour tudier les accidents et incidents
dhlicoptre, et a montr son intrt en termes de structuration des procdures lors des
incidents critiques. Selon les auteurs, pour que les plans dactions et les processus de
dcisions soient performants, lentreprise doit anticiper les situations indsirables et doit
exprimer ce que doit tre une bonne dcision. Cest le rle des analyses de risques dans les
processus de dcision. Cette intgration a t prsente par (Matos 2007) comme un
problme multicritre. Il tudie la problmatique de la prise de dcision dans le cadre
dincertitude, prsente le cas de rsolution de problme avec un critre et propose par la
suite une mthodologie de dcision par la prise en compte du risque.

Cette notion de risque dans un processus de dcision a t largement aborde dans la gestion
des projets RPM : Project Risk management (Williams 1995). Elle a dmontr son rle dans la
russite des projets, la prvention dvnements indsirables et laide la dcision :
Identification and assessment of environmental uncertainly then becomes critical to project success
and lies at the heart of the decision-making process. Cette citation est extraite de ltude
bibliographique de Williams sur la gestion du risque dans les projets. Un risque identifi

p. 45
Ch. II : Revue bibliographique

comme acteur principal pour prvenir les dtracteurs de performances, les causes du retard
et les pertes en termes de cot.

Dans ce cadre, (Chapman 1997) prsente un processus gnrique nomm PRAM : Project
Risk Analysis Management . Ce processus est similaire, par sa structure, a celui propos par
(Krte 2003). Il est constitu de neuf tapes : Define, Focus, Identify, Structure, Ownership,
Estimate, Evaluate, Plan et Manage. Chacune de ces tapes est dveloppe afin de prciser et
permettre une utilisation plus facile pour les praticiens en prsentant des exemples. Cette
tude appuie les propositions prcdentes qui recommandent une analyse structure et des
tapes bien dfinies pour une russite de la mthodologie.

Les critres tudis dans les approches RPM sont gnralement : Dure, Cot, Bnfice,
ressources ncessaires et qualit des rsultats (Tavares et al. 1998). Le risque est tudi dans
certains cas comme facteur relatif la fonction objective minimiser, comme dans ltude de
(Tavares et al. 1998) qui propose un modle pour la minimisation du risque li aux cots et
dure des projets.

La prise en compte du risque dans le management des projets est prsente comme
essentielle et au cur de la russite du projet. Mais cette prise en compte, comme la majorit
des autres domaines, est lie lexpertise humaine. (Baccarini & Archer 2001) proposent,
dans ce contexte, une approche pour amliorer lestimation du risque et son valuation.
Nomme PRR : Project Risk Ranking, cette approche est base sur une matrice dvaluation du
risque qui permet en fonction des donnes du projet (client, nature, industrie) dattribuer
le niveau de risque le plus appropri. Mais en gestion des projets, les objectifs de mise en
place dune dmarche danalyse des risques ne doivent pas se limiter une dtermination
dune probabilit. Gourc et al. (Gourc et al. 2001) appuient limportance de telle dmarche
dans la dfinition du plan de rponses aux risques : les objectifs sont tout a fait louables Mieux
prparer les quipiers une situation de crise, former aux conduites tenir en cas de survenue,
responsabiliser etc.

Le risque, critre dans le processus de dcision, est valu selon son impact et en fonction des
objectifs recherchs. Mais quelle est donc la dimension ou lampleur dun risque dans un
projet ? (Bruzelius et al. 2002) associent le niveau de risque la nature de la dcision
prendre : Big decision, big risk. Dans leur travail, ils montrent que le risque et son impact sont
en correspondance avec la nature du projet et son ampleur. Plus le projet est important (avec
des cots levs), plus le risque de pertes est important.

V. Synthse et contexte de proposition :

Cette revue de ltat de lart dtaille un ensemble de mthodes, de propositions et


dapplications industrielles dans les domaines des analyses des risques et de la gestion des

p. 46
Ch. II : Revue bibliographique

plans dactions. Lobjectif initial tant de prsenter les axes dtude de cette thse, cette
synthse montre les pistes tudies et les lments de rponse apports par les approches
proposes pour rpondre deux questions principales :

- Comment simplifier la gestion des risques tout en la rendant dynamique et


oprationnelle ?
- Avec quelle mthodologie peut-on optimiser la dcision dans un plan daction par la
prise en compte du risque ?

1- Comment apprend-on des vnements rels ?

Comme prsent dans la premire section de ce chapitre, le processus danalyse des risques
est une dmarche structure qui permet une identification des points critiques dun systme
donn et une dfinition des actions prventives appropries. Ce processus, trs ancien dans
le temps, a connu des amliorations, des applications dans divers domaines (industriels ou
non) mais galement des critiques et des rejets dimplmentation dans certains cas.

Dans le cas du semi-conducteur et, en particulier, dans ltude que lon a ralise dans le
cadre de la socit STMicroelectronics, les analyses des risques prsentent un apport majeur
dans loptimisation des processus et la prvention dvnements indsirables lorigine de
pertes parfois considrables. Cest galement un outil qui permet dvaluer la capacit
produire des puces de qualit (document exig par le client). Mais la complexit des gammes
de fabrication (recettes) et la technologie pousse des outils de production ne permettent pas
aux experts de rentrer dans les dtails et dvelopper des analyses de risques conforme aux
rgles. Elles deviennent ainsi rapidement obsoltes et dans certains cas ne sont utilises que
comme moyen pour justifier dune politique de prvention.

Ltape didentification et destimation du risque, tant la plus lourde en termes de temps de


disponibilit dexperts et de moyens dinvestigations, peut tre une piste potentielle pour
amliorer et allger ce processus. Comme ltat de lart la suggr, les tudes sur les analyses
des risques considrent cette tape comme cl de russite mais elles la relient au niveau
dexpertise et la politique de lentreprise. Dans le contexte actuel o la gestion de
linformation et les systmes dinformation jouent un rle central dans lentreprise, notre
constat est quun retour dexpriences ou retour dinformations peut supporter ces analyses de
risques et leur apporter des lments damlioration : cest sur cette intuition que cette thse
a t construite. Lexpertise acquise par les ingnieurs et leurs connaissances des systmes
sont le rsultat du suivi des vnements indsirables et des actions dj mises en place ; cette
expertise peut dfinir quels risques sont encourus dans le futur et quels moyens de
prvention doivent tre mis en place.

Le questionnement relatif cette problmatique est : comment mettre les vnements indsirables
dtects au service de la prvention des risques et comment associer pertinemment expertise humaine,
traitement de linformation et risque potentiel ?

p. 47
Ch. II : Revue bibliographique

2- Risk Based Maintenance Dynamique : suivi et mise jour ?

Les quipements de production dans lindustrie du semi-conducteur sont dots dinnovation


technologique avance ce qui induit des cots levs en termes dinvestissement et de
maintenance. La RBM est une approche innovante qui permet de dfinir et de modifier des
plans de maintenance prventive en fonction du risque potentiel.

Cette mthodologie a t prsente pour appuyer le travail des experts et amliorer la


conception de la maintenance. Mais comme pour les analyses des risques dautres
domaines, cest lexpert qui identifie, estime et qualifie le risque. Un quipement de
production complexe requiert une analyse fonctionnelle dtaille afin de cibler au mieux les
lments critiques du systme, ce qui savre trs complexe raliser avec des quipements
comme ceux de la salle blanche.

Les logiciels de GMAO20, qui ont fait leur apparition dans les annes 80, connaissent un large
succs dans lindustrie par les gains quils apportent en termes de traabilit des oprations,
doptimisation de maintenance et de gestion des donnes des quipements. Ces outils
permettent de centraliser les informations sur les pannes, les actions associes et les cots
engendrs. Un historique complet sur lquipement qui, en cas de bonne interprtation,
permet damliorer ses performances dexploitation et danticiper ses drives. Cet historique
peut tre considr comme un point dentre pour la RBM pour offrir aux experts un support
de travail bas sur des vnements rels et des pertes dj mesures.
Pour amliorer les plans dactions de maintenance et aboutir une optimisation continue de
ces plans, il faut arriver partir dvnements dtects, dfinir des actions et mesurer leur
performance par la suite. La question est alors : comment dfinir un plan dactions de
maintenance qui intgre les notions de risque et vnementiel avec une valuation continue
de type RBM dynamique ?

3- Des plans dactions unifis : les Risques sont-ils pris en compte ?

La revue de littrature montre la diversit des outils de qualit proposs pour faire face aux
vnements et problmes qui peuvent impacter un systme de production. La roue de
Deming ou PDCA est le support privilgi de lamlioration continue car elle porte une
dynamique de progrs. Rsoudre un problme, dfinir un plan daction et prendre une
dcision sont des actions complmentaires qui contribuent lobjectif damlioration.

Les tudes ralises ce sujet montrent quune structuration des tapes et une identification
prcise de lobjectif sont cls dans la russite dun plan dactions. Lidentification de la ou des
causes de dfaillance est un lment crucial et un facteur prpondrant sur la qualit de la
dcision. Elle est en effet prsente dans la littrature comme une des tapes les plus
importantes du processus de dcision. Lanalyse du risque permet, avec sa structure, une

20
Gestion de Maintenance Assiste par Ordinateur : est une mthode de gestion assiste d'un logiciel destin aux
services de maintenance d'une entreprise afin de l'aider dans ses missions.

p. 48
Ch. II : Revue bibliographique

identification des causes potentielles dun vnement ce qui permet de consolider la dcision
pour prvenir un tel type dvnement.
Lintgration du risque dans la gestion des projets a montr les apports et les gains en termes
de cots et performance. Pourquoi donc ne pas lintgrer alors dans un processus de gestion
dun plan dactions ce qui permettra certainement damliorer laspect prventif et de grer
les priorits en termes de valeur du risque.

Risk Based
Maintenance

Estimation du risque Gestion des action


Estimation du risque
Evaluation du risque Rsolution des problmes
Equipment
Typologies Le risque des projets
Evaluation dun risque
maintenance
Analyse de
risque Plan dactions

Figure II.13 vers un Risk Based Maintenance et des plans dactions Dynamiques

La Figure II.13 montre les liens entre la revue de ltat de lart et les propositions de cette
thse. Une premire tape consiste dfinir des voies afin de simplifier et amliorer
lapproche classique de gestion des risques. Ensuite, comment intgrer vnements de
maintenance pour rendre la RBM dynamique et ainsi valuer en continu les plans de
maintenance. Et comme dernier axe de cette thse, la gestion des plans dactions qui devient
unifie quel que soit lvnement trait tout en intgrant la notion de risque dans la dcision.

VI. Conclusion :

Ce chapitre de la thse a t ddi une revue des travaux de recherche et des applications
industrielles dans les domaines de gestion des risques et des plans dactions. Cette revue a
t ralise en fonction de lobjectif de cette thse en termes de propositions et applications
industrielle.

Le point central de ce chapitre est lintgration du risque dans le processus de dcision. Quil
sagisse de risk based maintenance ou de gestion unifie des plans dactions, notre constat
tait quune intgration dynamique du risque peut apporter des amliorations des processus
comme la maintenance, la qualit ou autre.
Les chapitres qui suivent (III et IV) dveloppent respectivement une approche de gestion
dynamique des risques dans un systme de maintenance et une mthodologie de gestion
unifie des plans daction par la prise en compte du risque. Des dveloppements suivis par
une application industrielle seront prsents et discuts pour valuer lapport de chacune
des approches.

p. 49
Ch. II : Revue bibliographique

p. 50
Chapitre III : Vers une gestion
dynamique des risques bass
sur les donnes de production

p. 51
p. 52
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

I. Introduction :

La diffrence entre une dfaillance et un risque se situe dans la ralit des faits. Une
dfaillance ou un problme, cest un vnement rel dont on subit les consquences, le risque
ntant quune probabilit dapparition du phnomne. Dans le cadre gnral, on parle de
risques naturels et en particulier ceux lis lenvironnement, on sintresse leur prvention.
Mais on trouve galement cette notion de risque qui prend de plus en plus dimportance
dans lindustrie (Rosness 1998). Avec des exigences croissantes et parfois contradictoires au
niveau qualit des produits, respect des dlais et surtout les cots de production. Les
industriels cherchent minimiser les risques qui peuvent affecter leurs objectifs. La mthode
de gestion des risques appele AMDEC Analyse des Modes de Dfaillances, de leurs Effets
et de leurs Criticit ou FMECA Failure Mode, Effect and Criticality Analysis , utilise
initialement dans le secteur militaire (DOD 1980) a t largement dploye dans divers
domaines industriels. Cette mthode, base sur lanalyse fonctionnelle des procds et
processus, vise prvenir les risques et maximiser les gains en temps, cots et qualit.

Un risque industriel peut impacter le produit, le procd de fabrication ou loutil de


production. Les risques les plus tudis dans ce cadre sont souvent ceux lies aux
quipements qui ont un impact sur la qualit des produits, le rendement et le temps de cycle.
Lobjet de ce chapitre est de prsenter une nouvelle approche pour la gestion des risques
industriels. Il montre lintrt dune gestion dynamique des risques oprationnels et son rle
dans lidentification des vrais risques et ainsi dans loptimisation de la gestion des actions
prventives. Une approche pour la gestion des risques lis aux quipements a t dveloppe
et gnralise par la suite lensemble des donnes de production.

Ce chapitre est organis ainsi : une premire section vient introduire la notion de risque dans
un systme de maintenance et dcrit lapproche classique RBM Risk Based Maintenance .
La deuxime section dtaille notre proposition sur la gestion dynamique des risques
quipements, le cas dtude dvelopp, puis la discussion des rsultats obtenus. La troisime
et dernire section de ce chapitre traite de la gnralisation de lapproche propose pour une
intgration de toutes les sources dvnements de lentreprise.

II. Les risques dans un systme de maintenance :

La maintenance du parc quipement dune entreprise est gnralement assure par le service
maintenance. Ce service, connu dans les dbuts des annes soixante dix comme le service
dentretien, tait conu au dpart pour rparer les machines en cas de panne. Mais cette
fonction sest rapidement dveloppe pour aller vers dautres politiques de maintenance
permettant de prvenir les dysfonctionnements et amliorer la fiabilit et la disponibilit des
quipements. De nombreuses tudes et recherche ont t dveloppes dans cet axe afin
doptimiser le rendement dutilisation des machines et minimiser les cots de maintenance.

p. 53
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

1- Les politiques de maintenance :

Les politiques (ou stratgie) de maintenance sont les mthodes dveloppes dans lindustrie
pour grer les interventions sur les machines. Deux principaux types de politique sont
utiliss :

a. La maintenance corrective

Maintenance excute aprs dtection dune panne et destine remettre un bien dans un
tat dans lequel il peut accomplir une fonction requise (AFNOR 2001).
Elle est classe comme maintenance curative si lintervention a un caractre dfinitif o
palliative si lintervention est provisoire.

b. La maintenance prventive

Maintenance excute des intervalles prdtermins, selon des critres prescrits, et destine
rduire la probabilit de dfaillance ou la dgradation du fonctionnement dun bien
(AFNOR 2001). La maintenance prventive regroupe lensemble des actions mises en uvre
dans le but de rduire le nombre de pannes et le taux de dfaillance dun outil de
production. Ces actions sont planifies selon diffrents critres choisis pour augmenter la
disponibilit de loutil et ne pas subir les pannes comme dans le cas de la maintenance
corrective.
La maintenance prventive est classe en deux modes :

- Maintenance systmatique : Maintenance prventive excute des intervalles de temps


prtablis ou selon un nombre dfini dunits dusage mais sans contrle pralable de
l'tat du bien (AFNOR 2001). Ralise systmatiquement sur des lments de criticit
leve des intervalles prdfinis.
- Maintenance conditionnelle : Maintenance prventive base sur une surveillance du
fonctionnement du bien et/ou des paramtres significatifs de ce fonctionnement
intgrant les actions qui en dcoulent (AFNOR 2001). Cette catgorie est rserve au
matriel onreux, pouvant tre suivies et inspects.

Avant dtection dune panne Maintenance Aprs dtection dune panne

Maintenance prventive Maintenance corrective

M. conditionnelle M. systmatique M. palliative M. curative

Figure III.1 Les diffrentes formes de maintenance

p. 54
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

La Figure III.1 prsente une cartographie des politiques de maintenance gnrale, elle montre
les types dinterventions par rapport aux vnements (avant ou aprs lapparition dune
panne). Les tudes damlioration des politiques de maintenance prventive (Age, block...)
(Nakagawa & Mizutani 2009) ont t centres sur lamlioration des performances des
machines selon des critres comme MTBF21, MTTR22, taux de disponibilit et dautres Ces
critres prennent en compte les paramtres machines, le taux de charge et les cots associs.
Lobjet de ces politiques est doptimiser les intervalles de maintenance et de minimiser le
risque des pannes. Un autre type de maintenance qui a merg depuis lanne 2000 est
nomme la e-maintenance, dfinie comme support de maintenance qui contient les
ressources, les services et le management ncessaire pour permettre un processus
dexcution dynamique (Muller et al. 2008). Enfin des stratgies de maintenance ont
privilgi lintgration du niveau de risque et les analyses fonctionnelles pour prvenir les
pannes et dysfonctionnements. Ces politiques connues sous le nom RBM: Risk Based
Maintenance, permettent lintgration du risque dans lamlioration des plannings de
maintenance prventive.

2- Le rle des analyses des risques dans loptimisation des priorits de maintenance

a. Limpact de la maintenance sur le processus de production

Le rle des politiques de maintenance est de dfinir des moyens de dtection et de mise en
place dactions correctives ou prventive pour assurer le bon fonctionnement dun systme.
Le rle de ces politiques a t largement dmontr et mesur en termes de productivit et
bnfice de lentreprise (Alsyouf 2007). Mais plus les systmes de production sont
complexes, plus lidentification et le choix de ces stratgies devient difficile. Cest pourquoi
ce domaine de lindustrie a t largement tudi et diverses stratgies ont t adoptes en
fonction du domaine industriel. Les pannes et les arrts non contrls affectent le temps de
cycle de fabrication, la qualit du produit et, videmment, le cot de production. Les
politiques de maintenance cites dans la section prcdente montrent lintrt de planifier
lavance les actions en optimisant des intervalles qui les sparent.

Dans le cas particulier du semi-conducteur, lquipement est au cur du systme de


production et la qualit des produits est en forte dpendance du fonctionnement des
machines. Une tude chez STMicroelectronics (Figure III.2) a montr que les arrts des
quipements sont lorigine denviron 40% des rejets de plaquettes.

21
Mean Time Between Failures
22
Mean Time To Repair

p. 55
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

Nbre de rejets produit

Broken_scr Defects Eng Equip Facilities Misproc OOSPEC


Source rejet

Figure III.2 Taux de rejets par source

Dans ce domaine, mme les tches correctives doivent respecter des procdures prdfinies
et aucune action non rpertorie dans la base des actions ne peut tre excute. Les analyses
des risques jouent dans ce domaine le rle didentificateur des dfaillances possibles et de
causes potentielles. Lide dintgrer la notion de risque dans la maintenance des machines a
t utilise par les militaires (DOD 1980) pour fiabiliser leurs systmes et viter les
dfaillances qui cotent trs cher en pertes matrielles et humaines dans ce domaine. La
complexit des quipements et la technologie avance utilise pour les piloter rend la tche
des services maintenance difficile et la recherche de la cause de panne plus dlicate. Cest
pourquoi une analyse prliminaire des risques associs au fonctionnement de lquipement
et ses composants prsente un des supports de prvention et de minimisation du taux de
panne. Lapproche Risk Based Maintenance est au cur de cette ide, elle montre comment
partir dune estimation de risque, passant par une analyse des impacts vers une amlioration
des plans prventifs.

b. Lapproche Risk Based Maintenance (RBM)

Ltude de ltat de lart (Chapitre II) montre que plusieurs travaux ont eu comme sujet
loptimisation des stratgies de maintenance par la minimisation du niveau du risque (Tomic
1993) (Khan & Haddara 2003) (Duarte et al. 2006). Ces travaux relvent limportance de la
matrise prventive du niveau de risque en raison de leur impact sur les cots de
maintenance, les pertes de productivit, la qualit et les rendements. Cette approche dsigne
le risque comme point essentiel pour dfinir lensemble des actions prventives. Lanalyse
du hasard pour chaque unit de lquipement permet didentifier les risques qui peuvent
impacter le bon fonctionnement et ainsi les prvenir par les actions adquates.

Lapproche classique RBM (Risk Based Maintenance) a t propose pour intgrer les
analyses de risques dans le processus de gestion de la maintenance. Mais dvelopper une
analyse fonctionnelle complte pour un quipement et tudier pour chacune de ses parties
les risques possibles demande beaucoup de temps et une mobilisation des experts
maintenance. Dans le semi-conducteur et dans dautres domaines industriels utilisant des
quipements complexes, la priorit est donne lamlioration de la disponibilit et les

p. 56
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

ingnieurs maintenance ont gnralement des plannings chargs et des priorits lies la
production. Dans la majorit de ces tudes (Labodova 2004) (Tixier et al. 2002), lexpertise
humaine est seule utilise pour formaliser lanalyse de risque et quantifier loccurrence
alatoire des risques, estimer leur criticit et la pertinence de leur niveau de dtection
travers lanalyse de lhistorique quipement.

Notre proposition est oriente sur une approche dynamique de la rutilisation des
informations et des connaissances issues des expertises ou des vnements passs pour
lestimation des risques. Assister lexpertise humaine durant les phases didentification et de
quantification permettra des analyses plus prcises et des mises jour rgulires en
optimisant la productivit des ressources engages dans ce processus.

III. Le modle dune gestion dynamique des risques maintenance, Risk


Based Maintenance dynamique RBMd

1- La gestion des vnements maintenance

Dans la suite de ce chapitre lensemble des termes et abrviation relatifs au risque et


vnement sont dtaills dans les paragraphes nomenclature et dfinitions.

a. Nomenclature

R: Risk (Estimated)
E: Event (Actually detected)
IS: Information System
Dr: risk Definition (Item / Function, cause and effect)
Ro: estimated occurrence of the Risk
Rs: estimated severity of the Risk
Rd: estimated detection of the Risk
RPN = Ro * Rs * Rd: Risk Priority Number
Rpo= Rs*Ro: Risk priority occurrence affect cycle time and cost
Eo: Event occurrence
Es: Event severity
Ed: Event detection
De: event Definition (Item / Function, cause and effect)
AP: Action Plan
eAP: engineering Action Plan
rAP: risk Action Plan

b. Dfinitions

Un vnement (E) est un fait rel dtect suite une dfaillance, un mauvais fonctionnement
ou une non-conformit. Lvnement est identifi par sa dfinition (De) et ses paramtres
dvaluation : Occurrence (Eo) et svrit (Es).

p. 57
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

E (De, Eo, Es)

Les plans dactions dfinis par les ingnieurs (eAP) sont mis en place pour corriger les effets
gnrs et limiter les pertes.

n
Ei eAP
j =0
j
(n: nombre des actions associes un vnement i)

La dfinition du risque (R) dpend du domaine tudi et du type des effets que peut
engendrer le risque. Dans cette thse on tudie les risques affectant le bon fonctionnement
(Fiabilit, Cots et temps de cycle) du systme de production. On dfinit ainsi le risque
comme tout dysfonctionnement potentiel pouvant affecter le fonctionnement de loutil de
production, des oprations lies aux recettes, ou la structure dune technologie. Chaque
risque est caractris par sa dfinition (Dr), son Occurrence (Ro), sa Svrit (Rs) et son
niveau de Dtection (Rd).

R (Dr, Ro, Rs, Rd)

Lvaluation du niveau de risque dans la mthode FMECA est base sur une limite connue
sous labrviation RPN (Risk Priority Number). Cest le rsultat de la multiplication des trois
paramtres du risque: Svrit Rs (Evaluation de limpact sur le produit, processus ou
quipement), Occurrence Ro (La probabilit dapparition du risque) et la Dtection Rd
(niveau de dtection du dysfonctionnement).

RPN = Rs * Ro * Rd

Pour chaque risque identifi, si sa valeur dRPN dpasse la limite admissible (Fixe en
gnral par les industriels en fonction du domaine dapplication), une ou plusieurs actions
(rAP) doivent tre dfinies pour prvenir le dysfonctionnement et agir en priorit sur les
causes.

n
Ri rAP
j =0
j
(n: nombre des actions associes un risque i)

Cette dfinition du problme sera utilise dans la suite de ce chapitre pour prsenter les
approches proposes et la manire daborder cette problmatique.

2- Proposition

Notre proposition consiste amliorer ce qui a t dveloppe dans la mthodologie RBM en


proposant aux experts une liste prdtermine de risques prioritaires. Il sagit de dvelopper
un outil daide la dcision, bas sur les modles cits dans la littrature ((Harte et al. 1994),
(Azria et al. 2007)) et sur la gestion des retours dexprience pour assister les ingnieurs
maintenance pendant les deux phases didentification et destimation du risque.

p. 58
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

Notre question centrale est : comment amliorer la gestion des plans dactions de maintenance par la
prise en compte du risque tout en simplifiant le processus de dcision ?

Pour rpondre ce questionnement, on propose une approche dynamique pour identifier les
risques dans un systme de gestion de maintenance tout en intgrant les vnements
enregistrs en cours du cycle de production. Les tapes de cette approche consistent dans un
premier temps dfinir des liens entre les analyses de risques et les vnements de la salle
blanche pour faciliter la mise jour des FMECA et des connaissances capitalises dans cette
base. Puis, en deuxime lieu, suivre en temps rel les facteurs majeurs de pertes de
performance et agir en consquence sur les causes potentielles. Avec cette mthodologie, la
cration des plans dactions nest plus base uniquement sur lexpertise humaine mais
galement sur une analyse approfondie de lhistorique des vnements et du niveau de
risque associ.

Utiliser lhistorique des pannes dun quipement, avec calcul des critres doccurrence de
svrit et du couple Rs *Ro (Rpo) permet didentifier les risques potentiels de chaque
machine. Cet historique est gnralement enregistr dans des bases de donnes de
maintenance connues sous le nom GMAO (Gestion de Maintenance Assiste par
Ordinateur). Il constitue une base de connaissances trs riche qui contient des descriptions
des pannes, leurs causes et, surtout, les solutions mises en place. Ce que nous proposons
dans cette tude, cest dutiliser ces connaissances pour identifier les risques potentiels et
amliorer la qualit de dcisions et des actions mises en place. Le rsultat consiste
simplifier lidentification des risques (gains en termes de temps et de ressources), obtenir des
FMECA dynamiques et rgulirement mis jour et des plans dactions de maintenance
performants.

La Figure III.3 montre lamlioration propose : RBMd (Mili et al. 2009). Cest durant la
premire tape identification et cotation du risque que le systme analyse les donnes de
maintenance et les codes en formalisme FMECA. La suite de la mthodologie RBM reste
inchange sur les aspects identification des actions.

p. 59
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

Start

a Collect breakdown history from CMMS

Data filtering

b Calculate severity and occurence

End
Is risk Yes
acceptable

No
c
Is risk already
exixting in FMECA
Database
No
Yes

Update Occurrence
Create new risk line
and Severity ranks

Maintenance planning
Validate automatic update
updating e

Detection estimation Consequence estimation

Risk evaluation

Identify high, medium and low risk units

Is risk
acceptable No

Yes

End

Figure III.3 Nouvelle approche pour la RBM : RBMd

Les tapes de cette procdure consistent :

a) Collecter les donnes issues de la GMAO (historique de la maintenance corrective).


b) Calculer loccurrence et le temps darrt total de chaque panne.
c) Transformer lhistorique de lquipement en formalisme FMECA.

p. 60
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

d) Slectionner les risques classs potentiels.


e) Mettre jour la base de risques et vrifier le niveau des risques existants.

Ce travail prliminaire offre un document de base pour les experts. Il leur permet de
travailler sur les risques imminents et issus de la ralit de lquipement. Mais la validation
de lexpert reste obligatoire afin dviter des erreurs destimation et permettre une flexibilit
daccs au donnes.
Ce nouveau processus ne gne pas le fonctionnement classique de la RBM. Si des risques
sont potentiels et nont pas t dtects par le systme, les experts peuvent les rajouter dans
leur analyse. Mais un risque qui est issu dune analyse pousse de lhistorique des pannes a
plus de chance de se reproduire.

Figure III.4 IDEF0 RBM dynamique

Ce diagramme IDEF0 (Figure III.4) illustre les entres et sorties de chaque activit. Les
ingnieurs de maintenance interviennent dans toutes les tapes sauf le calcul automatis des
risques associs aux pannes. Leur validation (A3) permet dapprouver le contenu de
lanalyse des vnements et dcarter les risques survalus. La mise jour du risque
quipements (A4) est alors alimente par deux entres : lanalyse prventive classique et les
risques issues de lanalyse dvnements rels.

3- Panne quipement vs risque

Pour faire le lien entre informations issues dun systme de maintenance (codes) et le
formalisme risque, il faut mettre en vidence toutes les similarits entre une panne dans une
base de GMAO et un risque quipement dans une base de risques. Les analyses
prliminaires de risques spcifient pour chaque risque le ou les modes de dfaillance
possibles, les causes et effets potentiels. Dans le cas des FMECA quipement, une analyse

p. 61
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

fonctionnelle est recommande afin de dtailler les blocs fonctionnels de la machine (Voir
exemple analyse fonctionnelle Annexe 3).

Un risque est en premier lieu associ une partie du processus et/ou dune fonction et doit
tre dfini par un ensemble de critres quon peut classer en trois sous-ensembles :

- Partie1 - La dfinition du risque : elle est compose de cinq paramtres qui permettent de
dfinir la fonction de lquipement ou du processus impact (Item/Function), le ou les
modes de dysfonctionnement potentiels (Potential Failure Mode), le ou les effets potentiels
(Potential Effects of Failure), la ou les causes qui peuvent le dclencher (Potential Cause/
Mechanism of Failure) et les moyens actuels de contrle et de prvention (Current Controls
Prevention/Current Controls Detection)
- Partie2 - Lvaluation du niveau de risque : les trois critres identifier sont la svrit,
loccurrence et la dtectabilit. Des grilles de cotation sont standardises afin de coter sur
une chelle de 1 10 ces critres. Lvaluation du risque se fait par le RPN qui est le
produit de ces trois critres.
- Partie3 - Laction associe au risque : cest la partie o les actions prventives ncessaires
sont dfinies pour diminuer le niveau de risque et passer en dessous de la limite
autorise. Cette partie contient le dtail des actions (responsables, dates) et la
rvaluation du risque (Forcasted effect) une fois ces actions en place.

LAnnexe 4 montre un exemple dune FMECA quipement avec toutes les parties cites ci-
dessous et des exemples de risques.

4- Mise jour dynamique de la base des risques

Toute panne est associe un quipement donn et pour une fonction particulire. Le
compte rendu de panne contient une description de la cause et leffet engendr par la panne.
Ces informations permettent de dfinir lItem function et le Potential failure mode de
la partie 1 de lidentification du risque.

Fonction Causes Fonction


cause impacte
impacte potentielles

Effet Effets
potentiels
Panne Risque

Dure Niveau de
Svrit
Nombre Niveau
doccurrences doccurrence

Figure III.5 Liens identifis entre donnes de maintenance et risques

p. 62
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

La Figure III.5 montre les liens identifis dans cette approche entre une donne de
maintenance et une instance de risque. Les liens illustrs entre dure de panne et niveau de
svrit et entre nombre doccurrences et niveau doccurrence permettent de dfinir deux
des critres dvaluation du risque (Partie2).

Pour tablir ces liens, il est indispensable de vrifier la structure des donnes de maintenance
et la qualit de saisie des informations dune panne. Ce sont les critres qui impactent le
calcul de la svrit et loccurrence du risque associ.

5- Modle de donnes :

Un premier modle de donnes a t construit afin de prsenter la structure du systme


dinformation li au contrle des procds et les interactions possibles avec les analyses de
risques (Figure III.6). Ce modle montre les liens qui peuvent tre tablis entre les pannes
machines (Failure) et lanalyse de risque (Risk). Toute panne quipement enregistre en
cours de production doit tre identifie en fonction de ses causes (Cause), effets (Effect) et le
mode de dfaillance constat. A ces informations, on associe des codes de rsolution
dcrivant de manire dtaille le plan dactions correctif (Corrective Action). Le modle
montre que la gestion des ces vnements et des actions est structure par quipement
(Equipment) et par atelier de production (Workshop).
Les analyses de risques, reprsents dans ce modle par les classes Risk, Cause et Effect,
montrent laspect prventif des interventions. La dfinition du risque et lestimation des
effets sont galement des dclencheurs dun plan daction prventif.

p. 63
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

Owner
Update
-Id
-FirstName
-LastName
1..* -Team 1..*

control

*
1 1..* R
*

FMEA Create Cause


* Risk
-Id -Id
-Title -Name -Id Effect
-Owner -Description Have
* -ItemFunction
Have -Id
-Type -FailureMode
-SEV -Description
-CreationDate *
* -Det ** -Name *
-OCC

*
RPN & conditions..
*
* * *
Links between
*
risk analysis &
maintenance Control Plan Control detection Control prevention
-Id -Id -Id
-Description -Description -Title
-Title -Frequency -Description
-Techno -Title -Frequency

Decision criterias
*
have 1 -Severity
1 1 -Occurence
-detection
Action *
* -Id
-Description
Variable -TargetDate
- *
-Id
-Name *
* -Type have

Failure gnre
-Id
1
-Date 1
-FC1
1 -Commentaire
-Cause Preventive Action Corrective Action
*

Workshop
-Id Equipment
1 1
-Description * -Id
1 -Description
-Type
M
*

Figure III.6 Modle de donnes

Ce diagramme de classes prsente deux parties : analyse de risque (R) et maintenance (M).
Les liens possibles entre une action de maintenance, action suite une analyse de risque sont
montrs associant panne et risque potentiel. Cette association est prsente sous forme de

p. 64
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

classes dassociation (Decision criterias, RPN&conditions). Les critres sont, comme


dvelopp prcdemment, la svrit Rs et loccurrence Ro.

Un prototype a t dvelopp pour limport des donnes depuis la base de donnes Xsite, le
traitement et classification des risques et la mise jour de la base de donnes des risques.
Dvelopp avec le langage Visual Basic, il permet de classer les donnes selon latelier
concern, le type dquipement et le bloc concern (Annexe 5).

6- Application oprationnelle

Le dploiement de cette approche permet une mise jour de la base des risques de faon
rgulire en utilisant les vnements (pannes machines) enregistrs chaque semaine. Deux
cas de figure pour la mise jour de la base des risques sont possibles :

a. Mettre jour lvaluation dun risque dj existant dans la base:

Dans ce premier cas, lapparition dun vnement dj rpertori dans la base des risques
dclenche la rvaluation de son occurrence et/ou svrit. Loccurrence dun risque peut
varier en augmentant ou en baissant, par contre la svrit ne peut quaugmenter comme la
criticit dun risque est value sur leffet le plus consquent. Cette mise jour est effectue
mensuellement et les cotations peuvent tre modifies par les ingnieurs responsables de
lquipement en question. Les risques ayant dpass la limite autorise doivent tre alors
traits et des actions sont obligatoires dans ce cas. Lutilisation des FMECA de cette manire,
leur donne un caractre oprationnel et permet une supervision continue de ltat de
lquipement.

Un cas particulier dans la mise jour de lvaluation du risque : si lvnement associ


napparat pas pour une priode significative. Sa valeur doccurrence baisse
automatiquement et ce risque sera supprim de la base une fois son occurrence arrive 2,
c..d. quaucun vnement na t enregistr depuis une anne. Dans le cas dune
rapparition de cet vnement, il sera trait comme nouveau risque (paragraphe suivant).

b. Ajouter un nouveau risque dans la base :

Ce second cas fait suite lapparition de nouveaux vnements non rpertoris dans la base
des risques et dont lvaluation de leur svrit et occurrence dpasse le seuil minimum pour
tre considrs comme risques potentiels (Rs*Ro > seuil). Dans ce cas, une nouvelle ligne
pr-remplie est insre dans la base des risques. Quatre lments du risque sont rajouts
automatiquement : Item/Function, Potential Failure Mode, svrit et occurrence. Le reste
des informations (dtection, actions) est complter par les experts et les cotations sont
vrifier galement.

p. 65
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

Avec ces deux principes de mise jour, le niveau de risque calcul est fonction du
comportement des machines. Le risque devient un indicateur principal sur ltat potentiel de
lquipement et les plans prventifs sont adapts en consquence.

Rgles FMEA

Risque dj identifi Risque mis a jour


dans FMEA (cardinalits)
Risques potentiels Mettre jour un
identifis risque existant
Rgles de
comparaison A1
Caractristiques 2
(Techno, Module)

Vrifier l'existance
du risque

A1
Paramtres panne 1
(Tool, module, atelier)
Editer un nouveau
risque

A1
Rique cre
Risques machines Potentiels Programme de 3
vrification
Risque non
identifi

Grilles de
BDD cotation
FMEA

Node : A0 Titre : Mettre jour les risques

Figure III.7 Idef0 Mise jour des risques

c. Adapter les grilles de cotation en fonction de la dure de collecte des donnes

La cotation du niveau de risque est calcule sur la base de grilles dfinies en gnral en
fonction du domaine industriel ou fixes par lentreprise. Dans le cas STMicroelectronics, des
grilles pour les risques machines, recette et technologie ont t dfinies par le service qualit
ST corporate (Annexe 2). Le Tableau III.1 prsente une grille doccurrence de 1 10 en
fonction du nombre dapparition des vnements.

Tableau III.1 Occurrence grid (corporate)

Pour les calculs de svrit et occurrence, les grilles ont t adaptes en fonction de la collecte
des vnements. Notre temps de collecte des donnes maximum est de douze mois glissants.
Mais pour un vnement qui vient dtre dtect on ne peut pas lui appliquer la cotation sur
une anne pour ne pas sous estimer ses valeurs doccurrence et de svrit.

Exemple : pour un vnement E, qui apparat entre 2 et 3 fois pour le premier mois (M01) son
occurrence a pour valeur 7 sur la grille (colonne1, ligne3). Le mois suivant (M02), si E nas
pas doccurrence sa valeur baisse de 7 6 (colonne2, ligne3) ; Et dans le cas contraire, si E

p. 66
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

enregistre dautres occurrences, sa valeur augmente et passe dans le niveau suprieur (entre
4 et 30 vnements) et sa cotation passe 8 (colonne3, ligne4).
Le Tableau III.2 montre la matrice de calcul doccurrence sur une priode de douze mois
partags en six grades en fonction du nombre dvnements.

Tableau III.2 Occurrence matrix on a period of 12 months

Cette matrice permet de classer les nouveaux vnements enregistrs et leur affecter la
valeur adquate pour loccurrence. Et si un vnement est dans la base depuis plus quun an
cest la grille standard qui lui sera applique et si aucune occurrence nest enregistre depuis
un an et plus (occurrence =<2), le risque associ sera supprim de la base comme indiqu
prcdemment.

IV. Cas dapplication :

Pour lapplication de lapproche propose RBMd, latelier photolithographie a t choisi


comme pilote pour le test et lvaluation des rsultats. Le rle de cet atelier est de dfinir la
surface dun substrat les zones implanter ou graver. Trois tapes sont ncessaires pour la
ralisation de cette opration. La Figure III.8 montre la succession de ces trois tapes :

Rsine
Substrat COATING

Masque
EXPOSITION
Sens de
lecture Positive Ngative
DEVELOPPEMENT

GRAVURE

STRIP

Figure III.8 Les diffrentes tapes de la photolithographie

p. 67
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

- La premire tape consiste taler une rsine photosensible.


- La seconde tape est linsolation de cette rsine par un laser aux endroits o elle nest pas
protge par le masque. Ce dernier est compos dune plaque de quartz contenant du
chrome opaque aux radiations lumineuses. Il dfinit les surfaces du substrat qui doivent
subir un traitement spcifique (gravure ou implantation) tout en dlimitant les zones qui
ne ncessitent pas de traitement et qui seront protges par la rsine.
- La troisime tape consiste au dveloppement de la rsine : la rsine qui a t
transforme.

1- La structure des donnes risques et les donnes des pannes

Une tude des structures des donnes risques et pannes a t ralise pour mettre en
vidence les liens prsents en III.3. Dans le systme de gestion de maintenance en salle
blanche, chaque panne est associe au module de lquipement. Pour la cohrence entre les
structures des donnes, la base FMECA a t adapte afin de dfinir une analyse de risque
par module dquipement. Les risques sont alors classifis par type de machine et par
module.

Figure III.9 FMECA vs Equipment classification

La Figure III.9 montre la classification des risques qui est faite par atelier et quipement type.
Cette structure permet dvaluer limpact de chaque panne vis--vis des quipements
similaires et de lui associer la valeur du risque la plus approprie.

2- La maintenance des quipements lithographie

Les quipements de photolithographie qui ralisent cette opration appels Clusters , sont
classs parmi les plus complexes de la salle blanche. Plus de 3000 alarmes sont rfrences
pour ces machines qui sont composes de 70 robots appels modules dquipement. Un
cluster est compos de deux parties : la piste appele track qui permet de traiter la rsine
et le scanner o la rsine est expose. Lapproche a t applique sur les tracks.

p. 68
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

Toute intervention de maintenance, prventive ou corrective, est enregistre dans la base


GMAO. Les techniciens de maintenance ont leur disposition des gammes
dinterventions check lists quils doivent suivre pour toute intervention et faire valider
par lingnieur responsable de la machine. Dans la base de donnes de maintenance, chaque
intervention est caractrise par latelier, lquipement, le module, deux codes
didentification de la panne (Failure code 1&2) et les commentaires. Les codes FC1 et FC2
correspondent respectivement la fonction impacte du module et au mode de dfaillance
constat. La dure dintervention est calcule par rapport aux dates darrt et de
redmarrage de la machine.

Une tude complte de la structure des donnes de pannes ainsi que celle des FMECA a
permis lidentification des incohrences entre la ralit des quipements et les analyses de
risques dj ralises. Avant le dploiement, une revue des codes de pannes (Failure Codes)
a t ncessaire pour liminer les possibilits derreurs dans la saisie des rapports. Ce travail
a ncessit une mise jour dans la base de donnes de maintenance et a montr par la suite
leffet sur la qualit de linformation.

3- Implmentation de lapproche

Le test de lapproche a t ralis laide dun programme VB (extrait en Annexe 5) structur


en quatre fonctions :

i- Collecte des donnes de maintenance et classification par module et type


dquipement.
ii- Calcul de la svrit et de loccurrence correspondante pour chaque panne.
iii- Intgration des rsultats dans une table intermdiaire.
iv- Slection des risques ayant un produit RS*RO seuil et les intgrer dans la base
de risques sous la FMECA correspondante ou mettre jour les risques existants.

Les fonctions de collecte de donnes et de calculs sont excutes de faon hebdomadaire. La


slection des risques critiques et la mise jour de la base FMECA sont mensuelles. Pour le
calcul du seuil limite Rpo, une matrice a t tablie (Tableau III.3) montrant le produit Rs *
Ro. Pour les cas o Rpo dpasse la valeur 40 un plan dactions doit tre dfini pour prvenir
le risque.

p. 69
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

10 20 30 40 50 60 70 80 90 100
9 18 27 36 45 54 63 72 81 90
8 16 24 32 40 48 56 64 72 80

Occurrence : Ro
7 14 21 28 35 42 49 56 63 70
6 12 18 24 30 36 42 48 54 60
5 10 15 20 25 30 35 40 45 50
4 8 12 16 20 24 28 32 36 40
3 6 9 12 15 18 21 24 27 30
2 4 6 8 10 12 14 16 18 20
1 2 3 4 5 6 7 8 9 10
Svrit : Rs

Tableau III.3 Calcul de la limite Rpo = Rs * Ro

Les risques jugs critiques sont spars, dans cette table, des risques faibles par une limite
qui permet de dcider ou non des actions a mettre en place. Cependant, les risques proches
de cette limite, reprsents dans le tableau avec rayures, sont vrifier par les experts. Dans
dautres cas o la svrit o loccurrence est leve (Panne trs frquente ou trs
pnalisante), les risques doivent tre valus avec le critre RPN pour intgrer la dtection.

Lexemple qui suit montre le droulement de ces tapes pour un des modules (Load port) de
la machine. Ce module permet de faire le lien entre lespace externe (salle blanche) et
lintrieur de lquipement o la plaque sera traite. Deux machines sont prises en compte :
L193 et L248. Ces deux machines possdent respectivement cinq et trois load ports. Larrt de
lun de ces modules nengendre pas larrt total de la machine mais une perte de temps de
cycle car on ne peut plus charger des lots partir de ce module.

Ds les premiers rsultats de lanalyse, un nombre important de risques a t enregistr avec


des occurrences leves et de faibles valeurs de svrit. Ceci sexplique par des pannes de
courte dure mais avec beaucoup doccurrences. Ces pannes engendrent une perte au niveau
disponibilit machine pas trs significative pour une seule occurrence mais, cumule sur un
mois, elle devient critique, ceci sans prendre en compte le temps de mobilisation des
techniciens pour chaque intervention. Ce type de panne nest pas trait en priorit par la
maintenance car il passe au travers des analyses qui se font toutes les semaines et qui ne
peuvent pas le dtecter. Le cas dvelopp par la suite montre lintrt de cette approche dans
la dtection et lvaluation optimale des risques machines.

Pendant ltape de chargement dun Foup (caisse contenant les plaquettes processer), si le
foup est mal positionn sur le support du Load port, il sera rejet et le module arrt. Un
technicien de maintenance doit tre appel pour trouver la cause et redmarrer le module. Le
temps darrt est gnralement faible mais il dpend de la disponibilit du personnel. Cette
panne na pas t considre jusqu prsent critique et elle napparat pas non plus comme
risque potentiel. Il suffit chaque fois de redmarrer le module mais aucune action
prventive na t pense.

p. 70
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

Workshop EqpmentName Door WO_FC1 WO_FC2


BegDate EndDate
2007/06/08 2007/06/08
LITHO L193T03_P1 0,03 LOAD_UNLOAD DOCK_UNDOCK 02:29:24 02:31:35
2007/06/07 2007/06/07
LITHO L193T03_P1 0,38 FIXLOAD_A FOUP 00:35:02 00:58:10
2007/06/07 2007/06/07
LITHO L248T05_P3 0,15 LOAD_UNLOAD DOCK_UNDOCK 08:08:28 08:17:14
2007/06/05 2007/06/05
LITHO L248T02_P3 0,12 LOAD_UNLOAD FOUP_SENSE 04:00:01 04:07:51

Tableau III.4 Extrait des donnes de la base GMAO

Avec lapproche danalyse propose, on regroupe toutes les pannes provenant du mme type
dquipement, ce qui permet de mesurer limpact et le risque rel pour un atelier donn. Le
Tableau III.4 montre un extrait des donnes issues de la base de maintenance pour des
quipements de mme type (L193 et L248) et des modules diffrents (_P1 et _P3). Le nom de
lquipement (EqpmentName) contient le code de lquipement (Ex L193T03) et le numro du
module en question (Ex : _P1 pour le load port numro1). Les colonnes 4&5 dfinissent la panne
par la fonction impacte (WO_FC1) et le mode de dfaillance (WO_FC2). Lanalyse de ces
donnes collectes permet de quantifier pour chaque type de panne son impact.

Item Failure Number of Total


Workshop Eqpt Module
function mode occurrences downtime
LOAD
LITHO ACT12 LOAD_UNLOAD DOCK_UNDOCK 8 4.92 h
PORT

Tableau III.5 Quantification de limpact des dfaillances

Le Tableau III.5 montre limpact de ce type de panne pour toutes les machines de mme type
(sortie de la fonction 3 du programme VB) durant une semaine. Les codes reprsentant les
quipements sont remplacs par le type dquipement (colonne2 : ACT12) et le module en
question (colonne3 : LOAD PORT). En correspondance avec les grilles de cotation, le niveau
du risque est estim en niveau doccurrence 8 (entre 4 et 30 vnements pour le premier
mois) et une svrit 3 (une moyenne darrt de 37 minutes = 4h92/8). Ce risque a t dj
rpertori dans la base FMECA mais nest pas considr critique car son RPN = Rs*Ro*Rd=
2*7*8= 112 est en dessous du seuil de dclenchement des actions chez STMicroelectronics (fix
125).

p. 71
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

Item/Functi Potential Potentia Potential Current Current


on Failure l Cause/ Control Control

SEV

OCC

DET

RPN
Mode Effects Mechanism of Prev s
of Failure Detecti
Failure on
Foup not
No well
UNSCHED
wafers positioning
LOAD_UNLOA DOCK_UND ULED
loading 3 Air cylinder 8 NA 8 192
D OCK MAINTEN
, no failure
ANCE
process Solenoid
failure

Figure III.10 Extract of FMECA load port module.

La mise jour de ce risque (quatrime fonction du programme) montre que le RPN passe de
112 192 (Figure III.10). Une action de maintenance prventive a t mise en place pour tous
les load port consistant talonner les capteurs de position en fonction des dimensions des
foup. Suite cette modification des plans prventifs, loccurrence de ces pannes a baiss pour
atteindre la valeur 4 avec RPN= 96.

Cet exemple montre un cas de drive dquipement de production qui nest pas prise en
compte par les ingnieurs. Le cumul des temps darrt sur une priode courte (temps
dvaluation des pannes chez STMicroelectronics est dune semaine) ne permet pas de
classer ce type de pannes comme critique. Avec cette mthodologie et lestimation des
risques base dune anne dhistorique, ces dfaillances seront dsormais mises en avant et
ne peuvent tre dclasss que sur dcision des experts.

4- Rsultats

Le dploiement de cette mthodologie dans latelier lithographie sur une priode dun an
(Figure III.11), montre une augmentation forte du nombre des risques analyss (+ 250%). Le
nombre de risques prioritaires a galement augment et de nouvelles FMECA ont t cres.
Ceci montre lvolution dans la matrise du niveau du risque pour les quipements et permet
de pointer les blocs dquipements les plus critiques. Suivre galement le paramtre Rpo =
Rs*Ro permet de cadrer un nombre de risque faible dtection mais aussi avec un impact
non ngligeable. Un retour auprs des utilisateurs de ce prototype montre un autre rsultat
qualitatif sur les donnes des FMECA et sur laspect mise jour. On parle aujourdhui de
FMECA image de lquipement et une volution des actions et du niveau de risque en
parallle avec celle de ltat de lquipement.

p. 72
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

Risk count
FMECA count RPN > 125 Sev * Occ>40 Risk Count

FMECA Status Q4-A01 FMECA Status Q4-A02

Figure III.11 Evolution du niveau de risque (Atelier Litho)

La restructuration des analyses des risques (Figure III.12) en fonction de la gestion des
pannes a montr son apport en termes de simplification de la dmarche des experts et leur
accs aux donnes. Partant dun seul document qui regroupe lensemble des risques de tout
latelier, de nouvelles FMECA on t rajout suite lidentification des risques pour chaque
type de machines.
Risk count

W24_2007 W30_2007 W36_2007 W49_2007 W07/2008

LC (Litho Cluster) ACT12 LITHIUS


IMMERSION SCANNER ASML
NIKON

Figure III.12 Restructuration des risques (Atelier Litho)

Le dploiement de la RBMd sur cet atelier pilote pointe limportance de lanalyse avance de
lhistorique des quipements et son rle pour identifier les risques. Prsenter une analyse
prliminaire aux ingnieurs facilite leur tche et leur permet de travailler sur des donnes
issues dvnements rels.

Les rsultats de ce dploiement en termes damlioration de la disponibilit des quipements


est illustr par une baisse du nombre des pannes et ainsi des temps darrts. Lexemple du
module Load_Port (Figure III.13) montre le gain en termes de disponibilit.

p. 73
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

LOADPORT_Q4_06 LOADPORT_Q4_07

Figure III.13 Variabilit du downtime pour les Load_Port

La comparaison de la variabilit des temps darrts avant et aprs la mise en place de loutil,
montre une amlioration de 1% sur la mdiane et 2% sur la dispersion, ce qui reprsente un
gain moyen de 21.6 heures par Load_Port sur une priode de trois mois. Ces pourcentages
faibles sexpliquent par la dure moyenne de ce type de dfaillance. Mais son occurrence
leve, sachant quil ya plus de 180 quipements quips de Load port dans la salle blanche
et que le cot de mobilisation moyen est compris entre 200$ et 400$, ces rsultats signifient
un gain trs important au niveau de la rentabilit et du temps de cycle. Un plan de
maintenance prventive a t dploy pour le rglage des load port, ce qui a minimis ces
arrts et laiss plus de temps aux techniciens de maintenance pour dautres tches.

Le niveau de risque sest stabilis aprs la forte augmentation constate au dbut du pilote
(due lancienne politique de gestion des risques). Un travail de fond a t ralis pour
ajuster les valuations des risques et dfinir les actions ncessaires. La mise jour
dynamique des risques quipement devient un outil oprationnel de suivi de ltat des
machines et un indicateur sur les priorits dinterventions.

p. 74
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

V. Conceptualisation de lapproche pour toutes les donnes de production

Lapproche prsente dans la section prcdente montre que lutilisation des analyses de
risques de faon dynamique permet damliorer les plans dactions de maintenance. La
FMECA est alors un outil daide la dcision pour supporter les acteurs oprationnels dans
leur quotidien. Utiliser lhistorique des quipements pour tracer leur variabilit permet
didentifier les points critiques et ainsi anticiper les risques potentiels.

Malgr le fait que les drives quipements soient le premier rtracteur du rendement et
temps de cycle, dautres dysfonctionnements lies aux gammes de fabrication (recettes),
qualit de design du produit et au processus de fabrication impactent significativement les
objectifs de la production.

1- Modlisation des sources dvnements en entreprise

En continuit avec ce qui a t propos pour grer les priorits des actions de maintenance, il
sagit de gnraliser cette proposition afin quelle soit applicable pour toute activit de
lentreprise : qualit, Recherche & Dveloppement, process

La majorit des entreprises sont dotes aujourdhui dun systme dinformation, ce qui
nexclut pas que chaque entit gre ses donnes et rgles didentification des vnements de
manire diffrente. La gestion des actions et des risques est galement dpendante des
mthodes utilises et objectifs de chaque entit. La revue de littrature sur les pratiques
industrielles montre que la gestion des risques et leur codification ne sont pas standardises
et sont trs dpendantes de lexpertise humaine (Aven & Heide 2009). La nature des
mthodes danalyse de risque, qui demandent du temps et des ressources, rend la tche des
experts difficile et ils ne la considrent pas parmi les tches prioritaires. Cest pourquoi ces
analyses deviennent obsoltes avec le temps et ne refltent pas dans la majorit des cas la
ralit de lentreprise. La question est comment amliorer lanalyse de risque pour ces
diffrentes entits par une utilisation des vnements enregistrs durant le cycle de
production?

Il sagit, comme propos prcdemment, de minimiser au mieux lintervention humaine


dans les premires tapes de lanalyse (identification et valuation) et de baser le risque sur
lvnementiel.
Pour faire le lien entre formalisme risque (R) et vnement (E), il faut dfinir les points de
similarit entre dfinitions dvnements et identification du risque ainsi que ses critres
dvaluation.
Dr
De Link ? Ro

E Eo R
Es Rs
Rd

p. 75
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

Les processus de gestion des actions actuels sparent lvnementiel et les actions
prventives. Analyser les risques lis un produit, une machine ou un processus, revient
dfinir les points damlioration et les plans dactions associs.

Fab in process

Engineering Engineering Action Plan


Real time analysis (eAP)
manufacturing
events

Actual Manufacturing events


information & risk analysis
not linked

Human Risk analysis Risk Action Plan


expertise (FMECA) (rAP)

Figure III.14 Processus actuel du management des actions

La Figure III.14 montre le processus gnral de management des actions au sein dune
organisation. Les actions dcides suite un dysfonctionnement (eAP : engineering Action
plan) sont identifies par les experts en se basant sur la nature de lvnement et les causes
identifies. Dautre part, le principe des analyses prliminaires de risque rside dans laspect
prventif des interventions. Dans ce cas, lestimation des effets doivent tre les dclencheurs
dun plan daction (rAP : risk Action Plan). Donc le processus de gestion des AP (Action
Plan) contient deux flux dactions grs sparment :
n n
AP eAP
j =0
j XOR rAP
k =0
k

Ces plans daction sont supposs amliorer le temps de cycle, les cots et le rendement. Mais
bien quils soient bass sur des critres de criticit (svrit et/ou occurrence), leur gestion
des priorits est gnralement dlicate cause de la diversit des objectifs. Le management
doit alors trancher, en se basant sur lexpertise et les objectifs oprationnels

2- Lien entre analyse de risque et gestion des problmes.

a. Modle commun pour maintenance qualit et R&D

Lide est alors de converger vers un seul plan daction qui regroupera les analyses
prliminaires des risques et lhistorique des vnements de production. Le but est de
prsenter un tableau de bord des vnements, leur historique, les risques associs et dfinir
ainsi les plans dactions en fonction de ces paramtres. Avec cette mthode, on tend
minimiser le nombre dinterventions correctives (gnrant des cots trs levs) et amliorer
de faon continue les plans prventifs (actions prventives).

p. 76
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

n n
AP eAPj AND
j =0
rAP
k =0
k

Le plan daction qui en rsulte (AP) est bas simultanment sur une expertise humaine et un
traitement des donnes des vnements. Utiliser la gestion des risques comme une entre
pour dvelopper des points prventifs et en plus se baser sur un historique de faits rels
permet de minimiser la divergence des plans.

Fab in Human
process expertise
Coherent & classified data
using FMEA Formalism
E1 added value
E2

E3 Action Plan
Real time Information Risk analysis
. (Priority based on Risk
manufacturing treatment and (FMECA)
. level & actual
events formalism transfer
. manufacturing events)
.
.
En Coherent curves
with analysis
Formalism

Manufacturing
parameters

Figure III.15 Processus proposs pour la gestion des plans dactions

La Figure III.15 montre le flux des donnes lentre des plans dactions. Cette approche est
base sur la gestion lie aux connaissances de risques et sur les paramtres de production.
Etablir un plan daction devient ainsi un processus complet et fortement dpendant de ltat
actuel du produit, processus ou quipement. La valeur ajoute de lexpertise humaine sera
consolide par une tude pralable des causes dtectes, des effets r-estims et des solutions
intermdiaires.

Utiliser ce processus facilite la tche des experts et amliore la qualit des actions. Mais la
question se poser est : comment dfinir les paramtres cls suivre pour chaque famille et type
dactions ? Cest ce qui est prsent dans la Figure III.15 par le vecteur dvnements en
entre E = {E1, E2, En}. Dans le cas de la maintenance, ces paramtres sont les pannes
machines et les comptes rendus associs. Pour la non-conformit produit dans le cas de
STMicroelectronics, on peut suivre les informations des 8D.
Mais pour gnraliser cette procdure quel que soit le type dinformation et la source de
donnes, le modle doit tre adapt pour les variantes produit, processus et quipement.

b. Modle dobjet et liens entre risque, vnements et plans dactions:

La notion de risque est introduite pour identifier un vnement potentiel indsirable, affectant
un des objectifs oprationnels. Comme prsent dans le modle Figure III.16, un risque
(Potential_Undesired_Event) est associ une partie du processus de production (Equipment,

p. 77
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

Product, and Process_Step). Et pour chacune de ces parties, les experts doivent estimer le
niveau de risque (Risk_Evaluation) et dfinir les actions ncessaires (rAP). Des moyens de
contrle sont alors adapter (Process Control Tools) pour chaque partie du processus
(Process_Parts) pour amliorer la dtection et minimiser loccurrence de ces vnements
(Detected_Manuf_Events). Lexemple dtaill dans le paragraphe 4.c de la section prcdente
montre une divergence entre la dcision des experts et la ralit des vnements, le rsultat
tant des plans dactions diffrents (eAP et rAP) malgr un objectif commun.

Les systmes de production actuels sont dots de moyens de contrle, danalyse des donnes
et daide la dcision (Process control tools : Statistical Process Control (SPC), Fault
Detection and Classification (FDC), plans dexpriences). Ces moyens et mthodes portent
les ingnieurs valuer le fonctionnement de leur processus et classer les vnements par
leurs origines. Les plans dactions oprationnels (eAP) sont base sur ces donnes
(Detected_Manufacturing_Event) et dpendent de la qualit de traitement de linformation
(dure, fonction objectif, paramtre de collection).

Equipment

Product Process_Part

1
1
SPC
0..*
1..*
Process_Step
Process Control Tool
FDC
1

0..*
Action 1..* Detected_Manuf_Event
1..*
-Eo
-Es 0..*
1 Action PLAN-AP
1 -Ed
1..* 0..*
0..*
-(order)
0..*
1..* Effect
Event_Evaluation
1..* Cause
1..* -Expert validation
eAP
+RP()

0..*
0..*
0..* 0..1
Potential_Undesired_Event (Risk)
-Ro
rAP -Rs
-Rd 0..*
- 0..*
+RPN()

1..*
Risk_Evaluation 0..1
FMECA
-
1

0..1

Figure III.16 Modle de donnes pour la gestion des risques et vnements

p. 78
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

Lobjectif central des analyses de risque est de prvenir ces dysfonctionnements et de dfinir
les actions prventives adquates. Le risque, sil est produit et dtect, correspond un
vnement indsirable. Cest pourquoi valuer les liens qui peuvent exister entre risques
(Potential_Undesired_Event) et vnements dtects (Detected_Manufacturing_Event)
permet de crer une cohrence entre lhistorique dune partie du processus et lestimation de
ses drives au futur. Ceci permettra de converger vers des dcisions plus efficaces et
doptimiser le travail des experts par la gnration de plans dactions communs (Action Plan-
AP). Notre proposition consiste dvelopper une approche et un outil pour crer cette
cohrence et assister les experts pendant la phase de dcision (Event_evaluation). Chaque
vnement sera analys et class dans un premier temps par rapport son origine (produit,
processus ou quipement). Des donnes issues des moyens de contrle sont galement
intgrer afin de calculer loccurrence et la svrit de chaque vnement. Comme prsent
dans la section prcdente, le produit Rpo = Rs * Ro est utilis comme critre dvaluation
pour lintgration ou non dun vnement dans la base des risques.

Comme pour le cas de la maintenance, la base des risques pour produits (appeles Techno)
et processus (Recipe) est dj mise en place. Cet outil permet de la mettre jour et de
lutiliser comme moyen de gestion des plans dactions.
La ralisation du modle UML a mis en vidence la possibilit de faire converger en un seul
plan daction (AP) les analyses prventives des risques et lhistorique des
dysfonctionnements quipements. Il est ainsi possible de prsenter un tableau de bord de
ltat des quipements, produit et processus au travers dune base danalyse de donnes
simplifiant laccs lhistorique des vnements et actions. Par la prise en compte continue
des actions lies aux aspects prventifs on pourra minimiser le nombre des interventions
correctives associes aux cots trs levs.

VI. Conclusion

Lapport de cette tude est la proposition dune mthodologie outille daide la dcision et
de gestion des retours dexprience. Elle permet dassister les experts pendant les deux
phases didentification et destimation des risques. Elle consiste grer de manire dynamique
les risques dans un environnement de production. Les finalits recherches sont les
suivantes :

- des liens continus entre les analyses de risques et les vnements de la salle blanche
(Atelier de production),
- un outil permettant une analyse approfondie de lhistorique des quipements,
- un contrle continu des risques et des plans dactions.

Ceci facilitera en premier lieu la mise jour des FMECA et la capitalisation dynamique des
connaissances lies cette analyse. Loutil devra permettre galement dans un premier
temps de suivre en temps rel les dtracteurs principaux affectant la productivit et le temps
de cycle. La cration des plans dactions ne sera plus uniquement base sur lexpertise

p. 79
Ch. III : Vers une gestion dynamique des risques
base sur les donnes de production

humaine mais aussi sur une analyse approfondie de lhistorique des vnements et du
niveau de risque associ. Cette tude montre lintrt de lutilisation des analyses de risques
pour grer les plans dactions. La dfinition du niveau du risque base sur lhistorique et
lexpertise humaine est plus adapte pour quantifier la svrit des dysfonctionnements.
Ceci constitue une base de connaissance et de retour dexpriences formaliss et rutilisable
en cas de besoin. Loutil dvelopp reprsente une aide pour le traitement des donnes et un
moyen automatis pour allger la charge de travail des experts. Il permet galement de
maintenir la Base de donnes FMECA jour afin dviter que les donnes deviennent
obsoltes et inutiles.

Des voies damlioration de ce travail peuvent tre lintgration de la notion de dtection


dans le systme de management des risques. Une autre perspective galement, consistera
la formalisation du processus de gestion des plans dactions et des plans contrle dans
lobjectif duniformiser et doptimiser leur conception. Le sujet du chapitre suivant porte sur
lunification du processus de gestion des plans dactions.

p. 80
Chapitre IV : Unification du processus de
gestion des plans dactions

p. 81
p. 82
Ch. IV : Unification du processus de gestion des plans dactions

I. Introduction:

Faire face aux drives et la variabilit dune entit du systme de production quil sagisse
du produit, processus ou quipement, requiert une dmarche structure, appuye par les
dcisions des experts. Chercher la solution adquate (corrective, palliative ou prventive) dun
problme relve de loptimisation des cots des actions, leur efficacit et leur nature. La
complexit des systmes de production et des produits fabriqus impose aux industriels de
suivre des mthodes de qualit et daide la planification. Un large panel dapproches et de
mthodologies (Duret & Pillet 2005) (Crepin & Robin 2001) a t propos pour assister les
industriels durant le processus de dcision. Des normes, comme lISO (ISO 2005), prescrivent
de prciser le processus complet de management des problmes et de le documenter. Mais
pour un oprationnel, le choix entre ces mthodes est loin dtre toujours vident et devient
trs dlicat quand la dcision prendre est urgente. Le chapitre prcdent a montr une
mthode daide la dcision par lintgration du niveau de risque dans le processus
gestion des dfaillances . La premire tape de la proposition a cibl les actions de
maintenance et la deuxime a montr la possibilit de gnralisation vers toutes sortes de
plans dactions. Lobjectif de ce chapitre est de proposer une mthode innovante qui
supporte les oprationnels dans leur quotidien, en partant de lexistant, ceci pour tout type
de problme (qualit, processus ou quipement).

Ce chapitre est organis comme suit : une premire partie traite de la gestion actuelle des
plans dactions illustre par des exemples industriels. La deuxime section met en vidence
les liens potentiels entre les approches de gestion des risques FMECA et de rsolution des
problmes 8D. La proposition de ce chapitre appele RBAP est dveloppe dans la
section suivante en prsentant les modles, contraintes et processus mis en place. La
quatrime section montre les tapes de dveloppement de lapproche avec ltude complte
pour un dploiement industriel prsent dans la dernire section.

p. 83
Ch. IV : Unification du processus de gestion des plans dactions

II. La gestion dun plan dactions

1- Dfinitions

Activit : dfinit l'action qui a pour objectif de raliser une tche. Son excution mobilise des
ressources (possdant des capacits et/ou des comptences), du temps et des mthodes
(Mauchand 2007).
Action : une action est une activit qui permet de transformer une entit, un produit ou un
moyen dun tat un autre. La dfinition dune action ncessite un minimum
dinformations : la ou les causes de dysfonctionnement, laction ncessaire et les ressources
affectes.
Plan dactions : un plan dactions est lensemble des actions coordonnes et complmentaires
en prcisant les enchanements et les priorits entre elles. Il revient dcrire un projet part
entire avec un tat initial, intermdiaire et final. Il ncessite des moyens et une dure de
ralisation selon un planning rigoureux. Il est dfini comme la feuille de route qui prcise
qui fait quoi pour la mise en uvre de dcisions (Crepin & Robin 2001).

Processus : les processus (de conception, de fabrication, de contrle, etc.) reprsentent une
organisation temporelle, spatiale des activits qui font appel des ressources (ou moyens) et
qui conduisent des produits.(Labrousse 2004)
Ressource : les ressources (matrielles, nergtiques, logicielles ou humaines) sont des
moyens qui participent au processus mais qui, contrairement au produit, nen sont pas la
finalit. (Labrousse 2004)
Planning : cest la dfinition de la squence des actions accomplir. Ses caractristiques
sont : le temps, les objectifs et les moyens (ressources).

2- Mthodes

Les mthodes de gestion des actions ont t largement abordes dans la littrature ((Zu et al.
2008), (Platje & Wadman 1998)). Des tudes ont t dveloppes pour amliorer le
fonctionnement des systmes de production par loptimisation des plans dactions (Aitken
2005), on peut les classer en deux principales catgories :

- des plans dactions correctifs (aprs dtection de lvnement),

- des plans dactions prventifs (avant lvnement).

Les plans correctifs ont un caractre secouriste, ils sont dcids pour arrter la dfaillance et
limiter les pertes. Mais une intervention imprvue engendre toujours des pertes de
rendement, de qualit de produit, et ventuellement mme des pnalits client trs leves.
Cest pourquoi les stratgies de prvention sont largement adoptes en industrie. Ces
stratgies ont montr leurs apports en termes defficacit et de gain de production. Elles
permettent une prvention des vnements indsirables et une scurisation des moyens et
processus de production. Diffrentes mthodes et approches ont t proposes et certaines

p. 84
Ch. IV : Unification du processus de gestion des plans dactions

sont couramment dployes une chelle industrielle. Ces stratgies de prvention se basent
sur des outils danalyse et de qualit. Les diagrammes de Pareto, les histogrammes et les
diagrammes de concentration de dfauts sont utiliss pour dfinir des priorits des actions
en fonction de la gravit du dfaut. Dautres outils comme les diagrammes en arte de
poisson (Ishikawa), les analyses de risques (FMECA, Hazop.) (Zhi 1995) et le
brainstorming sont axs sur la prvention en traitant des causes potentielles de dfauts.

Lutilisation de ces outils dpend du domaine industriel, de lorganisation concerne


(qualit, maintenance) et de la stratgie de lentreprise. La littrature montre lintrt de
ces mthodes et leurs applications possibles en industrie (He et al. 2007). Mais ces
applications sont, dans la plupart des cas, utilises de manire indpendante dans les
diffrentes organisations. La divergence des objectifs locaux est la principale cause de la
diversification des mthodes et approches dployes.

Organization Objectives Tools & Methods Evaluation

Maintenance Minimise failure rate Benchmark CMMS-


Availability
(AFNOR 2001) Improve equipments availability MTTR-MTBF-Pareto
Reliability
(Savsar 2006) (Duarte Maximise equipments efficiency Ichikawa FMECA-
et al. 2006) maintenance costs
RBM
Process Control Improve manufacturing process,
(Edwards 2005) (R. Di
optimize cycle time, control SPC FDC R2R
Mascio 2003) (Rita Di Cycle time yield -
Mascio 2002) (Duret & manufacturing process FMECA - DMAIC
Pillet 2005)
Quality
(Zu et al. 2008) (Sulek Guarantee product quality Audits-5Why 8D - Customer returns
Customer FMECA product quality
et al. 2006) (ISO 2005)

R&D
(Vairaktarakis Product reliability-
1999)(Mller-Glaser &
Design product, optimise 8d FMECA-QFD
Yield- Cost
Wolz 1994)

Tableau IV-1 Exemples doutils, objectifs et mthodes dvaluation.

Le Tableau IV-1 montre un rsum des mthodes qualits et outils de rsolution des
problmes pour diffrentes organisations (dans cette classification, on se limite aux cas du
systme de production). La lecture verticale de cette table montre que lvaluation des
rsultats et objectifs diffre selon lorganisation. Le service maintenance est valu sur la
disponibilit des machines et leur performance. Le service contrle des procds sur le temps
de cycle, la variabilit et le rendement. Les deux dernires organisations qualit et R&D ont
comme objectifs respectifs la qualit du produit et sa performance. On remarque que la
mthode FMECA est utilise par toutes les organisations.

Une lecture horizontale montre que chacune des organisations opre de faon locale et
limite. Mais on constate que des mthodes et outils sont utiliss diffrents niveaux et de
manire parallle (pas de communication ou change dinformation entre les organisations).
Ces quatre organisations du systme de production interviennent nanmoins avec une
finalit commune : produit de qualit et bnfice de lentreprise.

p. 85
Ch. IV : Unification du processus de gestion des plans dactions

3- Exemple du semi-conducteur

Lintgration des analyses des risques dans les processus de prvention et doptimisation des
plans dactions est largement adopte dans lindustrie du semi-conducteur. Bien que son
origine soit dans les industries o le zro dfaut est exig (arme, arospatiale), la prise en
compte du risque est de plus en plus une ncessit et parfois une obligation. La notion de
risque est prsente tous les niveaux, elle est essentielle dans lestimation des drives et
imprvus lors des processus de conception de la production. Dans lexemple de lindustrie
du semi-conducteur, cette analyse est obligatoire pour valider le passage du produit du stade
dveloppement au stade production. Cest lun des moyens utiliss par les clients pour
sassurer de la performance du produit et galement de la capacit de lindustriel dlivrer
du volume de faon fiable.

La structure de gestion des risques propose par (Bassetto & Siadat 2006) Figure IV.1 montre
les liens entre ces diffrentes organisations:

Figure IV.1 Gestion des risques pour une entreprise de semi-conducteurs

p. 86
Ch. IV : Unification du processus de gestion des plans dactions

Lanalyse de risques est sectarise :


- FMECA Process-Block : cest lanalyse qui concerne les risques du produit,
- FMECA Process-Equipment : cest lanalyse des risques du processus de fabrication,
- FMECA Equipment : cest lanalyse des risques lis au fonctionnement des machines.

Cette approche assure la continuit des liens entre les diffrentes entits du systme de
production et la dpendance entre quipement, produit et gamme de fabrication (recette).
Une dfaillance lie une machine peut engendrer, outre les pertes en temps de cycle et
rendement, des pertes en termes de produits et cots. Cette dfaillance quipement peut tre
alors la cause potentielle dun risque produit.

FMEA Item / Failure Mode


Effect Cause Process
Process-Block Operation (inline)
Step height too Yield Loss
STI-XX Isolation Nitride too thick
high

FMEA
Item / Cause
Process- Failure Mode Effect
Operation Equipment
Equipment
Nitride Nitride too Temperature
STI-XX Yield Loss
deposition thick too high

FMEA Item / Block


Failure Mode Effect Cause
Equipment Hardware
Temperature Temperature Downtime/Yield Thermocouple
Furnace
regulator too high Loss failure

Figure IV.2 Exemple de liens entre les risques sur diffrents niveaux

Cet exemple (Figure IV.2) illustre les liens entre des analyses de risques plusieurs niveaux.
Lors de ltape de dpt de Nitride (dit dposition chez lindustriel et dans la suite), une
panne du thermocouple sur lquipement induit une temprature au-del des limites. Le
rsultat est une paisseur dpose non conforme. Une perte de rendement est constate au
niveau produit qui a comme origine une dfaillance de la machine de production.
Des actions sont entreprises plusieurs niveaux :
Maintenance : Si la temprature est toujours dans les limites autorises de lquipement,
aucune intervention nest effectue mme si la recette est impacte. Si on a un dpassement
des limites, une opration de maintenance est planifie mais il faut penser recentrer la
recette.
Process : Une modification de la recette peut tre effectue : la dure de dposition est
modifie afin dy remdier, ce quon appelle du centrage.
Cet exemple nest quun cas particulier qui montre la forte dpendance entre produit,
process et quipement. Ces processus distincts de gestion des problmes peuvent engendrer

p. 87
Ch. IV : Unification du processus de gestion des plans dactions

des actions redondantes, inutiles, voire contradictoires et, ainsi, des pertes defficacit tous
les niveaux.
Lexploitation des dpendances entre les risques demeure le domaine des experts mthodes
qui sont mme didentifier les liens entre les types Process-Block, Process-Equipment et
Equipment. Des voies damlioration ont t identifies et pourraient faire lobjet de
recherches ultrieures.

4- Besoins

Comme pour tout domaine o linformation est centrale, une bonne communication et des
changes rguliers permettent doptimiser le fonctionnement et damliorer le retour
dexpriences. Dans le domaine industriel, diverses et nombreuses sont les approches et
mthodes dintgration et dinteroprabilit des systmes. Leur objectif est de faciliter le
transfert dinformation et damliorer le processus de dcision. Mais la complexit des
systmes de production et des technologies utilises requirent des outils robustes et des
mthodes communes pour simplifier le processus de gestion des actions. (Crepin & Robin
2001) : Jamais les problmes qui se posent aux responsables au sein des organisations nont t aussi
nombreux et complexes quaujourdhui, ni plus grand le besoin dinstruments pour les traiter
efficacement .

Notre objectif ne se limite pas faire communiquer les organisations mais dfinir un
processus global, commun et unifie qui appuie les dcisions. La question centrale est :
Comment unifier la gestion de toutes les actions de lentreprise au sein dun processus unifi,
dynamique et commun ?

De cette question dcoulent des besoins en termes de modlisation, de structure


dinformation, doutil utiliss et des possibilits dintgration. Unifier la gestion des plans
dactions revient proposer un processus commun qui prend en compte tout type
dinterventions au sein de lentreprise. Quil sagisse de maintenance, de qualit ou de
process, il doit rpondre aux attentes de lorganisation et doit tre galement cohrent avec la
politique dj implmente. Ce processus vise intgrer les outils des oprationnels et les
mthodes qualit afin de converger vers une dmarche ou mthodologie commune de
rsolution des problmes.

Dans notre proposition on sintresse deux mthodes particulires de gestion des plans
dactions et des risques : 8D et FMECA. Ces deux mthodes actuellement dployes chez
STMicroelectronics seront utilises pour dvelopper un processus commun joignant dcision
et niveau de risque associ.

III. FMECA vs 8D

Le chapitre prcdent a prsent le processus dintgration du niveau de risque dans la


gestion des priorits des actions de maintenance. Lutilisation de lhistorique des vnements
a permis une identification dynamique des risques et leur intgration dans la gestion des

p. 88
Ch. IV : Unification du processus de gestion des plans dactions

priorits. La gnralisation pour dautres sources dinformation, comme les sorties des
processus qualit a t esquisse.

La mthode de gestion des risques FMECA est utilise pour identifier les risques et les
actions associes. Elle a un caractre prventif permettant destimer les drives possibles
dune ou plusieurs parties du processus. Les mthodes de gestion des problmes comme les
analyses des causes racines (Crepin & Robin 2001), 8D (height do) sont des outils qualit
qui consistent un processus didentification et de mise en uvre dune solution un
problme. Dans cette thse, on aborde la mthode 8D. Ce choix est justifi par sa structure
qui permet une description complte du cycle de gestion des vnements de leur dtection
limplmentation des actions (Duret & Pillet 2005).
On aborde aussi la mthode FMECA, ce choix est venu de la structure de cette mthode qui
permet une identification des causes et effets de faon prcise. Une correspondance entre les
analyses FMECA et la mthode nud de papillon (Chevreau et al. 2006) prsente
Figure IV.3 montre que pour chaque risque, on peut associer au moins un ou plusieurs
causes et effets.
One FMECAs line

Context

Failure Cause 1 Failure Effect 1

Failure Cause 2 Failure Effect 2


Failure mode
FMECA

Failure Cause i Failure Effect j

Prevention Mean Detection Mean

Line ranking

Occurence Severity Detectability

Figure IV.3 Correspondance en Bowtie et FMECA

La recherche de la ou des causes est lune des tapes essentielles de la rsolution dun
problme. Cest une des bases de lidentification des actions mettre en place. (Duret & Pillet
2005): Identification of problem causes is a very important step which is, unfortunately, generally
done too quickly. The teams tend to seek solutions before they have fully identified the causes of the
problem. Le processus 8D associ aux FMECA sont dun grand support sur ce point.

p. 89
Ch. IV : Unification du processus de gestion des plans dactions

1- Le processus 8D en dtail

Le processus 8D est une mthode qui permet de ragir face un problme pour en limiter les
consquences et dfinir les actions correctives et prventives pour liminer les causes. Cette
mthode exige un travail collaboratif entre les membres concerns par le problme en
question. 8D est labrviation de 8 Do, processus en huit tapes qui consistent :

a. Prparation du process 8D
Cette premire tape consiste dfinir lquipe qui va prendre en charge le droulement du
processus et explicitement spcifier les responsabilits.

b. Description du problme
Il sagit de recueillir toutes les informations relatives au problme dtect et de prciser sa
gravit. Des mthodes qualit comme 5M, QQOQCP sont utilises cette fin.

c. Identification et mise en place des actions immdiates


Cette tape permet de limiter les pertes constates et contenir le problme. Il sagit
dappliquer des dcisions immdiates qui arrtent le problme et non pas lactivit.

d. Identification des vraies causes du problme


Pendant cette tape, lquipe identifie les causes du problme par une analyse approfondie
de ses consquences. Cette phase primordiale et clef pour prendre de bonnes dcisions en
vue de rsoudre le problme.

e. Validation des actions correctives permanentes


Cette tape consiste valider les solutions proposes et sassurer de leur efficacit vis vis
des causes identifies. La notion de cot est aborde dans cette phase pour dfinir si les
actions dcides sont ralisables.

f. Implmentation des actions correctives permanentes


Cest ltape de ralisation des actions correctives. Un suivi est mis en place par lquipe qui
se termine par une valuation et des dcisions dactions supplmentaires si ncessaire.

g. Prvention contre toute rcidive


Cette tape concerne la mise en place de plans prventifs afin dviter la reproduction de
lvnement. Le choix des actions est bas sur ltude prcdente et lexpertise humaine. Les
procdures de fonctionnement du systme et de prvention sont mettre jour si ncessaire.

h. Flicitation des quipes de travail dployes


Le processus 8D est termin par une runion de clture pendant laquelle une valuation
globale est ralise et une vrification de la documentation du problme est ralise. Leffort
collectif de lquipe est par la suite valoris.

p. 90
Ch. IV : Unification du processus de gestion des plans dactions

Dans ce processus dtaill et structur, on identifie deux points communs avec les analyses
des risques:
- Identification des causes
- Dfinition des actions prventives
Ce constat peut tre un point de dpart dune communication entre ces deux mthodes.
Lobjectif dans la septime tape (7D) tant la prvention contre toute rcidive, il est le mme
recherch par les analyses de risques, mais sous un angle de prvention.

2- La gestion actuelle (courante) des 8D et FMECA

Une tude ralise au sein de la socit STMicroelectronics sur les mthodes de rsolution
des problmes et de qualit, montre une divergence dans les outils et les objectifs recherchs.
Chacun des services (process, R&D, maintenance) dveloppe sparment ses mthodes de
rsolution de problmes. Les liens entre les actions mises en place diffrents niveaux ne
peuvent tre tablis que par lexpertise humaine. Cependant, la dpendance entre les
services est trs forte et leur objectif final est commun. La proposition du chapitre prcdent
montre les liens possibles entre les analyses de risques, et llaboration de plan dactions de
maintenance. Les trois types de plans dactions identifis sont :
- les plans dactions 8D : ces plans sont le rsultat du dveloppement du processus 8D
pour traiter les problmes lies aux dfaillances produit quil sagisse de non-conformit,
retours clients ou rejets de produit lors de tests (SCRAP).
- les plans dactions Risque : ces plans sont supports par la mthode FMECA pour
dfinir les risques potentiels produit et oprationnels (processus & quipement). Les
plans dactions rsultants ont un caractre prventif et sont dclenchs suite une
analyse prventive. Bassetto et al. (Bassetto S & Siadat A 2006) ont propos de mettre
jour la base des risques la septime tape du processus 8D, mais lunification des plans
dactions ne fait pas partie des proposions des auteurs.
- les plans dactions correctives : ces plans dactions sont grs quotidiennement en
fonction des dfaillances oprationnelles dtectes. Les actions sont gnralement
correctives et dpendent de lexpertise humaine. Une approche empirique tente
damliorer laspect correctif par la mise en place dinterventions correctives.

Figure IV.4 Plan dactions 8D: Dfaillances produits

p. 91
Ch. IV : Unification du processus de gestion des plans dactions

Figure IV.5 Plan dactions risque : risques produits & oprationnels

Figure IV.6 Plan dactions correctif : dfaillances oprationnelles quipements

Ces trois processus, malgr labsence de liens formels, utilisent les analyses de risques
appuys par la validation des experts. Une analyse 8D ou une action corrective donne lieu
une dcision qui tient compte du risque encouru mais qui nest pas formalise. Seule une
analyse dtaille des causes et effets potentiels permet une identification prcise du niveau
de risque. Cette analyse du systme de gestion actuelle montre que les risques lis aux
dfaillances produits et oprationnelles sont traits dans le cadre de plans dactions
indpendants. Lvaluation continue et dynamique des rsultats de dfaillance nest pas
directement lie aux plans dactions. Lanalyse et la cotation du risque reste, dans ce cas de
figure, fortement conditionne par lexpertise humaine.
Base sur ce constat industriel et ce qui a t propos dans la littrature pour la gestion des
plans dactions, la section suivante de ce chapitre propose une mthodologie dintgration
des dfaillances produit dans les analyses de risques. Un processus unifi de gestion des
plans dactions est propos pour dfinir les tapes et activits ncessaires pour cette
intgration.

IV. Vers une gestion unifie des plans dactions, RBAP: Risk Based
Actions Priorities

1- Liens possibles entre FMECA et 8D

Par une approche similaire ce qui a t propos pour la gestion dynamique des plans
dactions de maintenance, les similitudes entre les deux processus de gestion des 8D et des
analyses de risques amliores par la RBM dynamique ont t soulignes. Comme indiqu
dans le paragraphe III.1, deux points dentre sont possibles pour tablir des connexions
entre ces deux processus. La recherche de la cause et lidentification des actions pour y
remdier permettent, dans lanalyse de risques, de lister les solutions possibles (en termes de
cots et temps de cycle par exemple) et leurs impacts sur le niveau du risque.

p. 92
Ch. IV : Unification du processus de gestion des plans dactions

A B C

Figure IV.7 Processus joignant analyse des risques et plan dactions

Ces points de connexion, comme prsents Figure IV.7, sont dfinis par:

A- lidentification du risque qui peut amliorer la classification des causes relles et


potentielles de la dfaillance analyse dans le processus 8D,
B- lvaluation du niveau de risque, un critre pour la gestion des priorits des actions
dcides,
C- la dfinition des actions prventives dans lanalyse des risques qui adresse en gnral
les causes potentielles permet damliorer les propositions des actions par les experts.

Lide dtablir les liens potentiels entre un processus de gestion des dfaillances produit et
un processus de gestion des risques amne la possibilit de gnralisation en un seul
processus. On peut aussi envisager de centraliser la gestion des priorits dactions venant de
diverses sources (variabilit du processus, retours client, gestion du rendement et pannes
machines), lobjectif demeurant damliorer la qualit des dcisions et de dvelopper une
base de connaissances pour tous les vnements de production quelle que soit lorganisation.
Unifier et faire converger ces deux processus permet, dune part, de centraliser les
vnements dclencheurs (trigger events : issues qualit, dfaillances oprationnelles et
analyses prventives) et, dautre part, davoir une vision globale sur lensemble des actions
mettre en place et ainsi dapporter des dcisions stratgiques.

2- Diagramme dactivits

Pour unifier ces processus et faire communiquer les tapes et activits, il faut prciser sur
quelles tapes lintgration aura lieu et quels sont les flux dinformation interposer.
Prcisons les finalits de lapproche.

- une utilisation des actions correctives pour amliorer la prvention dvnements et


leurs causes.

p. 93
Ch. IV : Unification du processus de gestion des plans dactions

- lunification de la gestion des risques sur tous les niveaux de lentreprise afin
dobtenir une vision globale et unifie sur le niveau de risque.
- la simplification du retour dexprience et la valorisation de lexpertise humaine par
une gestion des actions dans un environnement unique et partag.
- lamlioration de la gestion des priorits en utilisant lexpertise et lhistorique des
dfaillances oprationnelles.
- enfin une valuation de la performance des quipes et des actions communes.

Un processus dynamique autocontrl et enrichi par lexprience des vnements oprationnels.

Le rsultat global doit se prsenter sous forme de sorties communes pour les trois types
trigger events analyser. Pour modliser ce rsultat, un diagramme IDEF0 (Figure IV.8) a
t tabli sur la base du modle de gestion des 8D et du processus de la RBM dynamique.
Les deux flux sont reprsents de manire parallle, mais avec une convergence finale vers
un plan dactions unifi.
Lentre de ce processus est une collecte dynamique des vnements relatifs aux dfaillances
produit et oprationnelles. Les dfaillances oprationnelles sont traites avec le processus
habituel de gestion des actions correctives (A4). Deux sorties distinctes de cette activit sont :
la dfaillance limine (event solved) et le compte rendu de lintervention (Logged failure) qui
sont classifis et cots en termes de criticit dans A5. Les dfaillances produit (customer claim,
Scrap et non-conformity) sont analyses par les trois premires tapes du 8D (A1).
Lidentification de la cause de la drive produit (A2) est supporte par lidentification du
risque et de ses causes potentielles (A6). Cette utilisation de lidentification des causes de
risques issues dune dfaillance oprationnelle, permet aux experts dlargir le primtre
dinvestigation des causes dj mises en vidence dans le pass. ((Duret & Pillet 2005): Cest
une tape trs importante qui est malheureusement souvent ralise trop rapidement. Les groupes ont
toujours tendance rechercher des solutions avant davoir identifi parfaitement les causes du
problme). Une fois les causes identifies, les experts proposent les actions correctives et
prventives adquates (A3) en prcisant le dtail de chacune (planning, ressources &
responsables).

p. 94
Ch. IV : Unification du processus de gestion des plans dactions

8D process 5Why APC Cause-Effect


CMMS QA audit Customer claim
Event Diagram
occurence Scrap

Analyze events &


Collect events Identify root
execute containment
data cause
action on product alert
A0 A1 A2

Data Data-extracting
system Action definition
warehouse Non-conformity 1D 2D 3D 4D template

Operational failure Cost


Expert Risk
definition Decided actions criterias RPN limits
Define actions
MOP potential (corrective and
Cause(s) preventive) Define actions
Logged failure A3 priorities based
Action Plan
on risk
Analyse event & execute Establish unified
Sev * Det grid
Sev * Occ grid A10 action plan
containment action on 5D 6D
operational process Engineers A11
Validated
A4 Crietrias of identified Sev/occ/det Risk evaluation
failure Limits FMEA ref Actions with
RPN limits
associated priorities
7D Engineers
Classify events
Maintenance
Tooling (level of criticity) Risk classification
engineers Automatic risk Expert risk
Update risk
A5 Edit risk (Item crierias evaluation
database
function / evaluation criterias
Automated tool cause(s) / effect(s) A7 A8 A9
Updated FMEA
A6 & documents
Automated
Cotation tool FMEA
Grid
Preventive Automated tool Engineer Risk Automatic Templates
analysis definition Risk evaluation Actual risk

Event solved

Figure IV.8 Processus propos pour lunification des plans dactions

Le second processus (RBM dynamique) commence par la collecte du dtail des dfaillances
oprationnelles (logged events). Le module de traitement et de classification des risques
potentiels (A5, A6 & A7), dvelopp dans le chapitre prcdent, permet dtablir une liste de
risques potentiellement critiques la base de lhistorique des dfaillances. Cette sortie
(Automatic risk evaluation) est analyse par les experts afin de valider et/ou corriger les
cotations automatiques. Cette tape (A8) est implmente dans le but de contrler lefficacit
du systme, garder une supervision humaine des rsultats et sassurer de la qualit des
donnes transmises. Elle permet aussi de conserver un contact au terrain si important pour
entretenir une expertise oprationnelle.
Une fois valids, les risques critiques sont intgrs dans la base de donnes (A9) et utiliss
par la suite comme un critre dvaluation des priorits des actions. Cette tape (A10) est
centrale dans la gestion des objectifs oprationnels. Ayant deux entres complmentaires --
Actions dcides et risques encourus -- elle permet de complter chaque action par le ou les
risques qui lui sont associs. Il ne reste aux experts qu tablir le plan dactions complet
(A11) en prenant les dcisions finales et mettre jour lvaluation des risques aprs
ralisation des actions.
Loriginalit de ce processus est illustre par lutilisation simultane de lexpertise humaine,
dans les domaines de la qualit, des oprations et de la maintenance, et de lhistorique des
dfaillances enregistres pour coter dynamiquement le niveau du risque (SEV*OCC). La
priorit de toute action est alors dfinie dans le cadre dun processus unique, dynamique et
gnral. La sortie de ce processus (Unified Action Plan), est le rsultat dun focus sur les
problmes oprationnels actuels et elle dfinit en mme temps un tableau de bord du niveau
de risque encouru.
Les deux autres sorties prsentes dans ce processus sont les vnements rsolus suite une
dfaillance oprationnelle (Event solved) et la base FMECA mise jour (Updated FMECA

p. 95
Ch. IV : Unification du processus de gestion des plans dactions

documents). La premire sortie reprsente le rsultat dune intervention corrective suite


une dfaillance oprationnelle sil elle natteint pas le niveau Rpo limite, et la seconde une
mise jour rgulire des risques en fonction des vnements enregistrs.
La politique de gestion des risques, bien connue par ses difficults dimplmentation et de
maintien jour (Niehaus 2001), devient un acteur principal dans loptimisation des
politiques de prvention.

3- Dcision multicritre

Le diagramme dactivit dvelopp prcdemment, montre les flux dinformation et le


processus complet pour lintgration des deux mthodes. La dcision finale est base sur
lensemble de ces critres :

- Cr1 : Identification des causes potentielles,


- Cr2 : Evaluation du risque,
- Cr3 : Expertise humaine,
- Cr4 : Gestion des priorits.

Lintgration de lensemble de ces critres dans un seul processus permet dunifier le


protocole de management des risques et des vnements aux diffrents niveaux de
lentreprise. Il en rsulte galement une vision complte et cohrente sur lensemble des
vnements et sur les priorits oprationnelles.
8D process

Risk process

Figure IV.9 Processus de gestion des risques & des plans dactions

La prise en compte de ces critres dans le processus de dcision doit suivre lordre des
critres. Lvaluation du risque (Cr2) ne peut tre utilise que si lidentification des causes
potentielles (Cr1) a t effectue. De la mme faon, tout critre (Crn) ne peut tre intgr que
si son prdcesseur (Crn-1) a t pris en compte. Cet aspect squentiel assure laspect factuel
de la dcision finale. Ce processus unifi (Figure IV.9) simplifie galement la dcision des
actions correctives pour stopper le dysfonctionnement par une dfinition semi-automatique
des causes potentielles. Lutilisation de cette approche permet de faire un retour dexprience
sur la base des cas et de connaissances lie aux vnements oprationnels.

p. 96
Ch. IV : Unification du processus de gestion des plans dactions

Cette approche autorise en outre une gestion simplifie des retours dexprience et une
recherche dinformation dans un environnement unique. La structure ouvre la voie une
valuation des rsultats des actions et des performances des quipes de faon cohrente
diffrents niveaux de lentreprise.

4- Modle de gestion des donnes communes

Pour prsenter laspect informationnel, un diagramme de classes (Figure IV.10) a t tabli. Il


montre le modle de donnes global du processus et il est structur en quatre parties :

- Events : gestion des vnements ; cette partie intgre les donnes issues de dfaillances
oprationnelles et les retours de la qualit,
- Risk Analysis : la gestion du risque est faite laide de la mthodologie FMEA mais elle
est alimente galement par la RBM dynamique reprsente par la classe dassociation ,
Event evaluation : ceci permet de classifier les vnements selon leurs criticits par le
calcul du critre SEV*OCC et/ou SEV*DET. Le rsultat de cette analyse est un ensemble
dactions correctives,
- 8D Model : lentre de ce package est la classe issues qualit . Des liens communs entre
effets et causes dun vnement et ceux dun risque permettent damliorer
lidentification des causes relles et potentielles. La sortie de cette partie du modle est un
ensemble dactions prventives et correctives,
- Action Plan : cest la partie du modle qui hberge les dcisions relatives
limplmentation des actions. La gestion des priorits est base sur les informations de
chaque action quelle soit corrective ou prventive. La dcision multicritre, dveloppe
dans la section prcdente, est modlise par la classe Action priority . Un tableau de
critres est tabli pour toutes les actions et un paramtre priority() est calcul pour les
classer. La validation des rsultats par les experts reste le dernier critre pour valider ou
modifier cette valuation automatique. Cette partie du modle permet de centraliser
toutes les propositions dactions, quelle que soit leur origine, et de dfinir un plan
dactions qui gre les priorits de manire unifie.

p. 97
Ch. IV : Unification du processus de gestion des plans dactions

Figure IV.10 UML model

Pour tablir un transfert dinformation entre ces quatre parties du modle, trois liens on t
tablis. Ils permettent un flux continu commenant par la collecte des donnes leur
traitement et identification des actions jusqu la dcision des priorits.

- L1: Evnement qualit et vnement oprationnel. Ce premier lien consiste intgrer


la collecte dynamique des vnements et son utilisation dans le processus de gestion

p. 98
Ch. IV : Unification du processus de gestion des plans dactions

des plans dactions. Ce lien permet dalimenter, comme prsent dans le diagramme
de processus Figure IV.8 (A0), les tapes de rsolution du problme.
- L2: Estimation du risque et valuation de dfaillances oprationnelles. Ce second lien
est la passerelle entre les packages 2- Risk analysis et 3- 8D Model. Il assure
lestimation du niveau de risque base dvnements oprationnels.
- L3: Actions correctives & prventives et Gestion des priorits. Il reprsente le passage
final entre les tapes du processus de dcision la validation des priorits et
concrtisation du plan dactions unifi. Il est reprsent dans le diagramme de
processus de la RBAP (Figure IV.8) par les entres de lactivit A10 : Decided actions
et Risk classification.

Ce modle de donnes est support de laspect dynamique de cette approche. La dcision


finale fait lobjet dun traitement en amont des donnes oprationnelles de manire continue.
Le flux des donnes en entre de ce modle, permet en outre dassocier deux critres trs
importants pour toute industrie, les pertes de produit et les pertes defficacit. Les trois
classes (Team, root cause & effect) communes entre lanalyse de risque et le modle 8D
simplifient la tche des experts pour dfinir les actions et allger le processus danalyse de
risques.

Prendre en compte risque et vnement, grer les priorits de faon commune et proposer un
classement permet dobtenir un systme daide la dcision qui supporte les oprationnels dans leur
gestion de vnements.

V. Implmentation de lapproche

Limplmentation de cette approche doit prendre en compte les contraintes relatives au


systme dinformation existant dans lentreprise. Il sagit de faire un audit des personnes
susceptibles dinteragir avec le systme en prcisant leurs rles respectifs ; cet audit a aussi
pour but de prciser les moyens de collecte des informations et dvaluation des rsultats.
Les tapes de cette implmentation peuvent sarticuler comme suit :

- tablir un diagramme de cas dutilisations : afin didentifier les acteurs majeurs, leurs
primtres dactions, les fonctions attendues du systme et tous les cas dutilisation
possibles.
- dfinir un flow complet du processus depuis la collecte des donnes, la dcision des
actions lvaluation des rsultats.
- dvelopper la base de donnes et les interfaces utilisateurs.
- dfinir, crer et implmenter les indicateurs ; KPI (Key Performance indicators).

1- Cas dutilisations

Le diagramme de cas dutilisations (Figure IV.11) identifie lenvironnement o sera dploye


lapproche. Il prcise les acteurs, leurs rles et activits tout au long du processus de gestion

p. 99
Ch. IV : Unification du processus de gestion des plans dactions

dun plan dactions. Ce scnario, dvelopp pour limplmentation et le test de lapproche,


prsente le cas particulier dune entreprise de semi-conducteurs.

Edit 8D request

Requestor
Create 8D request
Validate or reject
8D request
3- Fab Yield Champion

Verify and
Edit FMEA
approuve 8D steps
Update FMECA

Verify and
Rle1: Action
validate FMECA
Plan Owner
1- 8D owner

3- Quality interface
Rle3: Action
Plan Controller

Develop root cause


uses Control Action

uses
uses uses

1- Action owner
Control 8D Steps 3- Process control owner
Edit and perform
actions

uses
uses

Rle4: Data Risk definition


Treatment
&classification
Collect and
classify events

4- Automated system uses Supervise 8D Steps


2- Tem Manager
uses

Rle2: Action
Plan Manager
Create and modify
Rle5: Application KPI Define critical
Manager events & potential risks
Visualise & edit
KPI
5- Tool Administrator
2- 8D Champion
Control and define
application access right

Figure IV.11 Diagramme des cas dutilisation (use cases)

Ce cas dutilisation dcrit les principales fonctions et acteurs autour de la gestion des risques,
le processus 8D et la dcision des actions. Cette vision globale simplifie lidentification des
contraintes du systme et permet de dcrire un premier niveau des interactions
homme/systme. Les principales tapes du processus sont soulignes et il reste toutefois
spcifier les droits daccs en fonction de chaque rle. Les acteurs principaux de ce systme
sont organiss en cinq rles :

- Rle1: Action plan owner - Ce premier rle concerne tous les acteurs oprationnels du
plan dactions. Il englobe les personnes qui crent et modifient toute tape du plan. Les
acteurs identifis pour ce rle dans le cas de STMicroelectronics sont : Requestor,
8Downer & action owner.

p. 100
Ch. IV : Unification du processus de gestion des plans dactions

- Rle2: Action plan manager- Ce rle permet didentifier les personnes habilites grer
lquipe constitue pour piloter les plans dactions. Deux acteurs principaux ont t
identifis dans ce cas : 8D champion & Team manager.
- Rle3: Action plan controller Ce troisime rle prend laspect de contrle et de
validation du travail effectu. Trois origines dacteurs doivent tre prsentes dans ce
rle : la qualit, lquipe concerne par les actions et le process control. Trois acteurs sont
identifis pour ce rle : Fab yield champion, Process control owner & quality interface.
- Rle4 : Data treatment & classifaction Ce rle reprsente le systme automatis de
traitement et classification des donnes. Cet acteur systme permet dassurer la collecte
des vnements et assure la mise jour dynamique de la base des risques.
- Rle5: Application manager Ce dernier rle est propre la gestion informatique et au
dveloppement de lapplication. Lacteur identifi est : Tool administrator.

Le choix de rles gnriques permet dadapter cette proposition pour dautres types
dentreprises, voire dautres secteurs industriels. Les cas dutilisation relatifs ces rles se
rsument :
- Cas dutilisation1: Editing Action plan ce cas dutilisation contient toutes les
fonctions didentification du problme, dfinition des causes et actions ncessaires.
Ce sont toutes les tapes de dfinition de la problmatique et du qui fait quoi .
- Cas dutilisation2: Events evaluation and risk analysis update ce cas dutilisation
intgre lvaluation des vnements et lestimation du niveau du risque par le
systme dans un premier temps, et la validation par lexpertise par la suite.
- Cas dutilisation3: Performing Actions ce cas permet de regrouper toutes les
fonctions concernant la mise en place et le dploiement des actions dcides.
- Cas dutilisation4: Controlling and supervising process ce quatrime cas gnrique
montre le contrle continu du droulement du processus par les reprsentants des
services qualit et contrle de procds. Une boucle dapprobation finale a t
rajoute aux processus afin de scuriser la validation des actions et la traabilit des
interventions.
- Cas dutilisation5: Evaluation of action plans performance ce dernier cas
dutilisation concerne lvaluation des rsultats des actions. Il sagit dvaluer la
performance des quipes sur la base dindicateurs de temps de cycle et doccurrence
dvnements.

p. 101
Ch. IV : Unification du processus de gestion des plans dactions

Identification du problme

Rle 4
Cas
Phase 1: Cration Evaluation des vnements & dutilisation 1
du plan dactions Analyse des risques

Rle 1
Cas
Dcision des actions dutilisation 2

Rle 2
Planning et dploiement
Phase 2: Mise en
place des actions Cas
Ralisation & clture dutilisation 3

Gestion des indicateurs & Cas

Rle 3
contrle des actions dutilisation 4
Phase 3: Evaluation
et mise jour
Cas
Evaluation des performances dutilisation 5

Figure IV.12 Schma global des cas dutilisation

La prsentation du systme (Figure IV.12), avec ses trois grandes phases, montre sur quels
niveaux interviennent les acteurs (rles) et quels sont les cas dutilisation associs. Ce schma
global intgre les tapes de rsolution des problmes prsentes par (Crepin & Robin 2001)
en y rajoutant laspect risque et valuation automatique de lhistorique des vnements.
Cette prsentation conjointe des tapes, cas dutilisation et rles permet une vision globale
sur la gestion dun vnement indsirable. Dans la section suivante, cette prsentation est
complte par une description dtaille du processus du plan dactions. Un algorithme et un
diagramme dtats montrent les tapes dintgration des vnements et des risques dans le
processus de dcision.

2- Actions parallles : analyse du niveau de risque et de la criticit des vnements

Avec une mthode similaire au flow propos pour la RBMd dans le chapitre prcdent, le
diagramme de transitions (Figure IV.13) a t tabli. Bas sur les diagrammes de cas
dutilisation (Figure IV.11) et sur le diagramme dactivits (Figure IV.8), il prsente le dtail
des tapes et squences du processus. Ce diagramme dfinit les conditions de passage entre
les tapes et les informations requises pour chacune. Ce diagramme a t modlis pour
prsenter les aspects droulement du plan dactions, conditions de passage dune tape
lautre et galement les conditions de validation du plan global. En cohrence avec le
diagramme dactivit, il prsente trois grandes lignes :

A. collecte dynamique des vnements.


B. dfinition du plan dactions unifi
i. dition des donnes des vnements et calculer la svrit et occurrence.
ii. dfinition des actions sur la base dhistorique des vnements, niveau de
risque et expertise humane.

p. 102
Ch. IV : Unification du processus de gestion des plans dactions

C. valuation des actions et de la performance des quipes.

Figure IV.13 Action plan flow

Ce diagramme illustre le processus complet intgrant lapproche RBMd gnralise. La


RBAP, comme prsente dans les sections prcdentes, sappuie sur les deux approches
FMECA et 8D. Deux contraintes pour la validation ont t intgres, une validation
automatique faite par le systme pour lintgration de lvnementiel, sil existe un risque, et
une validation humaine capturant lexpertise pour valider le contenu et la ralisation des

p. 103
Ch. IV : Unification du processus de gestion des plans dactions

actions. La troisime phase valuation du plan dactions , a t rajoute afin damliorer le


contrle post-plan dactions. Trois niveaux defficacit sont mesurs :
- lvaluation du risque : il sagit de mesurer limpact des actions entreprises sur le
niveau du risque. Ce critre permet dvaluer le niveau de performance des actions et
de modifier le plan dactions si elles sont juges insuffisantes.
- lvaluation de la performance des quipes : elle consiste valuer le temps de cycle
dun plan dactions sur deux niveaux. Le premier mesure la priode entre la date de
dclenchement du plan et la date de dfinition des actions finales. Le second sappuie
sur le temps pass entre la dfinition des actions et leur implmentation. Ces critres
permettent classiquement dvaluer la ractivit de lquipe face un problme et son
efficacit pour la mise en place des actions.
- lvaluation de la performance des actions : il sagit de mesurer le degr de russite
de laction mise en place pour rsoudre le problme en question. Cette valuation est
lie celle du niveau de risque, car si laction est juge performante le risque de
rapparition de lvnement baisse.
Cette troisime phase reprsente le moyen de mesurer limpact de lapproche RBAP sur la
qualit des plans daction et sur la mthode de travail des experts. La matrise du niveau de
risque est galement value par un retour sur les modifications apportes sur la base
FMECA.
La section suivante prsente lalgorithme propos pour dvelopper cette approche. Il montre
les conditions intgres dans la base de donnes pour scuriser les tapes dveloppes
prcdemment.

3- Algorithme de traitement des vnements oprationnels

La gestion dynamique des vnements oprationnels est prsente dans lalgorithme ci-
dessous. Les critres de choix pour un plan dactions ou une action corrective sont dcrits.
Cet algorithme prsente de manire simplifie le droulement du processus RBAP, de la
collecte des vnements lvaluation du plan dactions.

Algorithme

Dbut
Soit :
Ei = {E1, E2, E3,.. En} lensemble des vnements enregistrs au cours dune
priode [ti, ti+1] de production. (Ei : panne machine, non-conformit produit,
dfaut process impact sur produit et/ou process)
Ri = {R1, R2, R3,.. Rn} lensemble des risques associs aux vnements grs au
cours du cycle de production.
CEi = {0,1} le critre dvaluation de lvnement i. Si CEi = 1 alors un processus
8D est exig sinon si CEi = 0 alors des actions correctives sont suffisantes.
AIi : Action immdiate pour limiter les consquences de lvnement i
ACi : Action corrective lie lvnement i
APi : Action prventive pour lvnement i
i : Indice de priorit de laction i calcul par rapport son impact sur le risque
APUi : Plan dactions unifi pour rsoudre lvnement i

p. 104
Ch. IV : Unification du processus de gestion des plans dactions

1. Collecter les vnements enregistrs.


1.1- Spcifier pour chaque vnement son origine, dtail et son impact dans un
formalisme commun.
1.2- Attribuer chaque vnement une entit (Qualit, process,
maintenance)

2. Pour i = 1 jusqu' n
2.1- Dfinir pour chaque vnement son occurrence et sa svrit
2.2- Calculer du niveau de criticit et validation humaine

Si CEi = 1 Alors
- Fixer les actions immdiates (AIi)
- Faire une analyse des risques base des vnements collects
- Utiliser les causes probables du risque pour dfinir la root cause
- Dfinir le niveau de priorit i de chaque action i en fonction du niveau de risque
RPN
- Faire une comparaison des actions dfinies dans la base des risques et dans le
8D.
- Dcider des actions prventives et correctives mettre en place : plan dactions

unifi APUi =

- Mettre jour la base des risques  rvaluer le risque Ri

Sinon
Dcider des actions correctives ncessaires
Fin si

2.3- Mettre en place les actions dcides


- Planning et dploiement
- Validation et clture des actions

3. Evaluer les actions mises en place


3.1- Gnrer des indicateurs de performance des actions (BDD FMECA)

Si RPN de Ri Diminue Alors


Rien (le cas de rvaluer les actions prventives : contrler si on fait plus
dactions que ncessaire)  optimisation des cots
Sinon
Mettre jour le plan dactions
Fin si

3.2- Gnrer des indicateurs lis au temps de cycle et implmentation (BDD


8D)
FIN

Les trois tapes du diagramme de flux prsent dans la section prcdente sont dveloppes
dans les trois phases de cet algorithme. Ltape de dcision des actions est dtaille par des
boucles de traitement des vnements dans la phase 2. Le calcul de criticit de chaque
vnement est complt par une approbation des experts.

p. 105
Ch. IV : Unification du processus de gestion des plans dactions

4- Convergence vers un plan dactions unifi RBAP

Cette approche propose pour la gestion unifie des plans dactions dfinit une
mthodologie de rsolution des problmes oprationnels innovante. Trois axes ont fait lobjet
dintgration et dchange dans ce processus : lhistorique des dfaillances oprationnelles,
les risques produits et oprationnels et lexpertise humaine.
Comme prsent dans le schma global de cette approche (Figure IV.14), les vnements
oprationnels sont le point de dpart et le dclencheur de ce processus. La RBAP commence
par une collecte et un traitement des donnes (Ei) relatives ces vnements. Le niveau de
risque (Ri) est alors calcul sur la base de limpact enregistr et les occurrences de cet
vnement. Le rsultat de cette phase initiale (Classement des vnements) est vrifi par
lexpertise humaine qui lutilise par la suite dans le processus de dcision.

Expertise humaine
Classement des Identification du
Evaluation des vnements problme Analyse de
vnements risque

Traitement Evnements {Ei ; Ri }


Processus de dcision Root cause
des donnes oprationnels

Collecte Gestion des


dynamique Actions correctives priorits (i)
{AIi ; ACi ; APi}
(Aci)
Plan dactions Unifi

Mise jour de la Analyse commune


base des risques des performances

Figure IV.14 RBAP: Un processus dynamique

Ce processus est multicritre : il centralise les donnes oprationnelles, les risques associs et
lexpertise. Une gestion des priorits (i) est ralise pour dvelopper par la suite le plan
dactions. La partie des actions caractre correctif (ACi) est rintgre par la suite dans la
base des vnements rsolus et visant ainsi fermer la boucle.
Cette approche Risk Based Actions Priorities offre pour les experts une mthodologie et un
processus unique quelle que soit la source du problme : issue qualit ou dfaillance produit.
Ceci rpond la problmatique de divergence dans les mthodes et outils. Cette unification
est galement lorigine dune valuation commune des rsultats et dun contrle continu
du niveau de risque.

VI. Dploiement industriel

Lapproche propose a t teste et dploye chez STMicroelectronics. La base de donnes


des risques tant prdfinie et structure (Bassetto S & Siadat A 2006), limplmentation a
dbut par une collecte des informations sur les processus actuels de gestion des plans
dactions. Lapproche 8D est dveloppe mais les liens avec lanalyse de risques se sont

p. 106
Ch. IV : Unification du processus de gestion des plans dactions

avrs obsoltes : lhistorique des plans dactions tait archiv par atelier de production et
non pas par source dvnement. En plus, les informations taient stockes sous format
word, ce qui rend la tche dexploitation des donnes difficile et trop fastidieuse pour les
experts.

Le dploiement de RBAP a ncessit le dveloppement dune base de donnes qui tient


compte des aspects dtaills dans les modles de donnes et processus de ce chapitre. Le
module des indicateurs a t galement fourni afin dvaluer la mthode. Trois organisations
de lentreprise ont t concernes par ce dploiement : la qualit, les oprations et la R&D, ce
qui reprsente un total denviron 400 ingnieurs et managers utilisateurs du systme.

1- Dveloppement de lapplication

Le dveloppement de la base de donnes et des interfaces utilisateurs a t effectu en


respectant les rgles de scurit informatique de lentreprise. La base de donnes a t
dveloppe sous Oracle 10 et hberge sur lun des serveurs de production entretenus par le
service informatique. Les modules de lapplication ont t crs sous PL/SQL et JAVA.
Loutil a t appel Fair8. Le flow de lapplication ainsi que le schma de la base de
donnes sont prsents en Annexe 6 et Annexe 7.

Figure IV.15 Structure de loutil Fair8

Comme le montre la structure de Fair8 (Figure IV.15), des modules dinterfaces standard on
t dveloppes en JSP et HTML pour permettre daccder la base de donnes selon les
droits (Voir Annexe 8). Linterface utilisateur (IHM) est compose dun ensemble de ces
pages en fonction des besoins. Tous les modules, une fois dvelopps, sont alors accessibles
depuis le portail intranet de lentreprise. Cinq modules principaux ont t dvelopps:
1. Cration dun nouveau plan dactions
2. Recherche dans la base de cas

p. 107
Ch. IV : Unification du processus de gestion des plans dactions

3. Edition des rapports et modification des rapports en cours


4. Module statistiques
5. Module paramtrage (Accs administrateur systme)

Le premier module de la base permet de faire une demande de cration dun plan dactions
(requte) suite une analyse dvnement. Une tape de contrle et de validation, ralise
par le process control, a t rajoute afin doptimiser lutilisation de loutil et de construire
une base de connaissances constitue uniquement partir dvnements critiques. Le critre
dvaluation de criticit est bas sur le nombre de pertes de produits.

Une fois valide, la requte est cre dans la base de donnes et un identifiant du plan
dactions est attribu (ID_Ap). Le demandeur commence alors le processus en accdant la
base des cas (Module2) par une recherche avec des critres de similarit pour identifier les
plans dactions raliss pour des cas similaires. Les critres de similarit sont identifis par la
description dtaille de lvnement (organisation, catgorie, sub-catgorie, cause), son
impact sur le produit et/ou la partie du processus de production.
Le troisime module est linterface utilisateur pour la cration et la modification des plans
dactions. Tous les acteurs concerns qui ont t identifis dans le groupe du plan dactions
ont accs pour modifier les donnes ncessaires.
Le module statistique est bas sur des requtes de calcul SQL qui permettent de situer ltat
davancement des travaux, les temps de cycle et la quantification de la charge des quipes.
Le dernier module paramtrage a t rajout lapplication pour les administrateurs afin
de permettre une gestion des paramtres et des accs plus flexible.

2- Indicateurs de performance

Le suivi et lvaluation continue dune approche, dune mthode ou dun outil de travail est
la cl de son amlioration continue. Ils permettent un retour sur les tendances des rsultats
obtenus par rapport aux objectifs et attentes. Le module des indicateurs dvelopps dans
cette tude vise suivre la RBAP sur cinq axes :
- lutilisation par les experts de cette approche (mesure dadoption),
- la performance des quipes lors de la dfinition du plan daction et de sa mise en place,
ce qui permet une valuation prcise du temps de cycle (efficience des quipes),
- la mise en vidence des ateliers, entits du processus de production ou des moyens qui
prsentent un risque lev pour lentreprise (performances des quipements),
- la gestion de la charge de travail des quipes en fonction des plans dactions en cours et
des priorits dimplmentation (charge des ressources humaines),
- lefficacit du plan dactions en termes de performance des actions mises en place et du
niveau de risque associ.

Ces objectifs permettent de suivre lapproche du point de vue rsultats oprationnels (qualit
des solutions proposes) et niveau dacceptabilit par les experts. Le premier graphique ci-
dessous (Figure IV.16) est un exemple dindicateurs suivis par le management dune

p. 108
Ch. IV : Unification du processus de gestion des plans dactions

organisation. Il montre lvolution de lcart entre les plans dactions en cours et ceux
clturs. Il permet galement de statuer sur quelles parties de processus sont concentrs les
actions et les axes potentiels damlioration. Cette reprsentation des donnes, permet
galement un suivi en temps rel de ltat davancement des travaux et de la charge de
travail des employs. (Les donnes de ce graphique ont t modifies pour des clauses de
confidentialit)

Figure IV.16. Manufacturing action plan evolution &


gap between opening and closure

La Figure IV.17 montre un deuxime type dindicateurs centrs sur le temps de cycle dun
plan dactions. Il prsente la dispersion du temps de cycle pour les plans dactions clturs
(en bleu) et le cumul en % des PA selon le temps de cycle. Ce graphique montre quenviron
50% des PA ont t finaliss en moins de 120 jours et que du retard a t constat sur un
nombre important (plus de 190 jours).

Figure IV.17. Cycle time evaluation

Cette comparaison peut tre faite galement au niveau de lorganisation afin de montrer la
ractivit des quipes et/ou la disponibilit des ressources. Lapproche propose dans ce

p. 109
Ch. IV : Unification du processus de gestion des plans dactions

travail a t axe sur le dveloppement continu et lamlioration en temps rel des actions au
sein de lentreprise. La finalit est daboutir un processus sous forme de boucle de
rgulation pour amliorer les dcisions au sein dun plan dactions et de mieux grer les
priorits.
Pour obtenir une vision en mme temps globale et cible sur lvolution des plans dactions,
le quatrime module a t construit sur trois niveaux:

- Statistiques niveau 1 : contrle des priorits des actions au niveau de lentreprise et de


ltat davancement des travaux (indicateurs ddis au management),
- Statistiques niveau 2 : visibilit des actions en cours au niveau organisation avec
temps cycle de ralisation (indicateurs ddis aux responsables dquipes),
- Statistiques niveau 3 : comparaison des priorits dactions, de la charge de ralisation
et des performances entre les quipes de chaque organisation au sein de lentreprise
(indicateurs ddis la qualit et au process control).

Cette structure plusieurs niveaux permet de pointer les lments critiques dans chaque
service de lentreprise. Les priorits, gres de la mme faon sur tous les niveaux,
permettent galement de statuer sur les plans dactions prioritaires et les moyens ncessaires
pour leur ralisation.

3- Exemple et cas dtude

Ce cas dtude montre lutilisation de RBAP pour dvelopper un plan dactions suite une
non-conformit produit dtecte (12 plaquettes rejetes). La drive du processus a eu lieu
durant la phase PSG passivation . Une corrosion humide a t constate sur les 12
plaquettes (Figure IV.18) suite au dpassement dune contrainte denchanement : dure
dattente dpasse avant passivation entre deux lots successifs.

Figure IV.18 Images de corrosion humide sur wafer

La cause dtecte de ce dysfonctionnement est le dpassement du temps dattente entre les


tapes Drystrip Alucap et PSG passivation. Une action immdiate (Action1) a t

p. 110
Ch. IV : Unification du processus de gestion des plans dactions

entreprise et consiste arrter le lot impact, passer les plaquettes au test de dfectivit et
dclarer la non-conformit produit (SCRAP) pour celles impactes (A1: 1D, 2D, 3D).
Une analyse de risques a t ralise, comme dfini dans le processus RBAP (A6), pour
identifier les causes potentielles de la dfaillance et ses effets secondaires. Comme prsent
Figure IV.19, deux causes potentielles ont t identifies :
- Cause1 : erreur humaine ; cette cause a t identifie par les ingnieurs.
- Cause2 : la dfinition des contraintes du processus de Split.

Figure IV.19 Extrait de la base des risques

La svrit du risque associ a t cote 7 (Scrap plaquettes), loccurrence 5 (Moderate) et


la dtection 4 (Alarme systme). Le niveau de ce risque RPN est gal 140 ce qui impose
des actions prventives pour scuriser cette tape du processus (A8). Les actions proposes
dans cet exemple consistent :
- Action2 : associe la cause 1, qui consiste changer la procdure de split en intgrant
des tapes de vrification avant le dbut du processus.
- Action3 : associe la cause 2. Il sagit de rajouter des contraintes de prcdence entre les
lots dans le systme MES. Une ECN est dcrite pour ce changement.
- Action4 : elle est associe la cause 2 et consiste au dveloppement dun nouveau
module de contrle dans MES.

Dans lapproche classique 8D, seule la cause 1 sera traite (cause dtecte de lvnement)
sans lestimation et lvaluation de risques potentiels. La RBAP intgre le niveau de risque et
dfinit un tableau de priorit (Tableau IV-2) en sy rfrant.

Initial RPN after RPN after RPN after RPN after


Action Plan Workshop
RPN Action 1 Action 2 Action3 Action 4

Split process 140 140 112 56 28


DIEL
improvement 7 5 4 7 5 4 7 4 4 7 2 4 7 1 4
Cancelled
Action status Done Done Done
(cost )
Tableau IV-2 Tableau de gestion des priorits

Ce tableau dtaille les priorits des actions en fonction de limpact sur le risque associ (A10).
Laction immdiate 1 na aucun impact sur le niveau de risque, comme elle permet juste de
contenir le problme et limiter les pertes. La deuxime action permet de baisser lgrement,
le risque mais un niveau peine en dessous du seuil limite. En revanche, le tableau montre

p. 111
Ch. IV : Unification du processus de gestion des plans dactions

que les actions 3&4 ont un impact important sur la diminution du risque. Elles permettent de
baisser le RPN respectivement 56 et 28. Laction 3 est abandonne par les experts en raison
des cots ncessaires qui ne justifient pas le passage du risque de 56 28. Cette approche
RBAP a permis dans un premier temps de converger vers un seul plan dactions (A11) et
doffrir une gestion des priorits pour simplifier la tche des experts, tout en rduisant les
cots dus des actions non indispensables pour linstant.

4- Rsultats du dploiement

Le dploiement de la RBAP, sur une priode de six mois sur le site CR300 avec un nombre
dutilisateurs aux alentours de 400 ingnieurs, a donn lieu la cration de 190 plans
dactions dont 60 clturs. La base de donnes contient ainsi lensemble des plans dactions
process, qualit, maintenance et R&D.
La demande de dploiement de cette approche sur le site CR200 montre lintrt de cette
mthode et son niveau dutilisation par les experts. La capitalisation des informations et de
lhistorique des vnements dans un systme commun a montr son efficacit dans la
rsolution des problmes. Cest pourquoi une migration de tous les plans dactions, qui
datent de moins dune anne, dans la base FAIR8 a t demande par le management et
ralise 95%.
Un autre rsultat de cette approche est lamlioration de la ractivit des quipes pour la
dfinition et la ralisation des actions. Le graphique suivant (Figure IV.20) montre la
diminution du temps pass pour un plan daction entre le dbut de dploiement et quelques
mois aprs.

TC max Anne n-1 TC max Anne n TC moy Anne n-1 TC moy Anne n

Figure IV.20 Comparaison de lvolution du temps de cycle des AP avant et aprs RBAP

VII. Conclusion

Ce chapitre de la thse a trait la problmatique dunification des plans dactions au sein


dune organisation. Le constat de dpart, sur les mthodes qualit utilises, montre la
divergence dans les processus de dcision. La revue de ltat de lart pointe galement le

p. 112
Ch. IV : Unification du processus de gestion des plans dactions

besoin dune prise en compte simultane des donnes oprationnelles, de lexpertise


humaine et du niveau de risque.

Lapproche propose, RBAP : Risk Based Actions Priorities, dans cette section de la thse
apporte des lments de rponse la question centrale : Comment unifier la gestion de toutes les
actions de lentreprise au sein dun processus unifi et commun ? Elle propose un modle
gnrique pour toutes les entits dune entreprise. Il intgre les dfaillances oprationnelles
(par un processus similaire la proposition RBMd), les analyses de risques et les pertes
produit. Outre le traitement automatique des donnes, une intgration de lexpertise
humaine a t propose pour une validation des estimations et une amlioration de la qualit
des dcisions. Unifier les processus des plans dactions permet dans un premier temps de
simplifier la tche des experts dans le choix dune mthode parmi le large panel des outils
qualit proposs, ce qui aide ensuite dans la gestion des priorits et dans le contrle de tous
les processus de manire unique.
Le modle propos a t expriment positivement par un dploiement industriel et une
application informatique qui ont montr lefficacit de lapproche et son apport sur un site
industriel de haute technologie. La RBAP peut tre dploye dans nimporte quel domaine
industriel sous deux conditions :
- que la gestion des risques et la rsolution des problmes soient intgrs dans une base
de donnes, formalise et partage.
- que la mthode de rsolution des problmes soit similaire lapproche 8D.

p. 113
p. 114
Conclusion gnrale et perspectives

p. 115
p. 116
Conclusion & perspectives

La gestion des drives et des risques associs dans un systme de production reste un dfi
quotidien pour les industriels. Savoir quand et comment agir, tout en optimisant les ressources
et rsultats industriels sont des questions au compromis dlicat au sein des entreprises.
Cette thse, dveloppe dans le cadre dune industrie de haute technologie, est centre sur le
domaine de la gestion des risques. Ce domaine, aux mthodologies largement tudies dans
la littrature et appliques avec plus ou moins de succs dans le monde industriel, permet
dtudier les risques dans un systme de production et de les prvenir. Ayant tout de mme
souvent dmontr son intrt en terme defficacit dans le cadre de la prvention
dvnements indsirables, ces mthodologies sont maintenant prnes par les normes mais
font encore lobjet de critiques, ou mme parfois dun refus dutilisation de la part des
oprationnels. Ces rticences sont dans la plupart des cas associes au fait que ces mthodes
semblent dans la forme propose consommatrices en terme de ressources et non comprises
en terme dapport defficacit et de synergie oprationnelles.

En partant du contexte industriel extrmement dynamique des semi-conducteurs, les besoins


damlioration des mthodes actuelles de gestion des actions de maintenance en particulier,
et des plans dactions en gnral, ont t abords dans cette thse sous un angle intgrant la
notion fiabiliste de risque. Avec le souci constant dune intgration oprationnelle des
solutions envisages, des questionnements ont merg suite aux tudes de terrain et
bibliographique. En particulier, une premire question nous a mobiliss : comment
amliorer la performance des quipements en proposant un outil daide la dcision et de
gestion des actions pour les ingnieurs maintenance ? Puis une seconde question a merg,
comment associer risques, vnements et expertise humaine, pour obtenir un processus
unifi de gestion des plans dactions ?
Cette thse a pour ambition de proposer une dmarche intgre et dynamique de contrle
des processus, que chaque oprationnel puisse sapproprier au quotidien. Focalise sur les
objectifs de lentreprise, elle sintgre au sein des outils qualit et oprationnels existants.

Sur la base dune tude bibliographique de ltat de lart dans le domaine de la gestion des
risques et plan daction associs, notre proposition a tout dabord consist ajuster et
amliorer la mthodologie RBM (Risk Based Maintenance) pour rpondre la problmatique
contextuelle prcite. Ceci a t fait en proposant aux experts une liste prdtermine de
risques prioritaires, un outil daide la dcision et de gestion des retours dexprience
assistant les ingnieurs maintenance pendant les deux phases didentification et destimation
des risques. Lapproche dynamique dveloppe a consist identifier les risques dans un
systme de gestion de maintenance et intgrer lexprience des vnements enregistrs au
cours du cycle de production de faon semi-automatique dans les FMECA. Avec cette
approche nomme RBM dynamique, il a t possible de suivre en temps rel les facteurs
majeurs de pertes de performance et dagir en consquence sur les causes potentielles en
fournissant pour les oprationnels une notion de priorit cohrente associe aux risques
encourus.

p. 117
Conclusion & perspectives

Par ailleurs, la littrature concernant les plans dactions rapporte de nombreux cas o
lvaluation des rsultats et objectifs diffre selon les organisations qui, oprant isolment,
utilisent souvent les mmes mthodes et outils. Nous avons donc propos un processus
commun et unifi qui appuie les dcisions. Par une approche similaire la RBM dynamique,
et ayant constat les similitudes et complmentarits des processus 8D et FMECA dans le
cadre du dveloppement, de la gestion des plans daction et lidentification des causes
potentielles, nous avons pu envisager une gnralisation de la proposition.

Enfin, les rsultats obtenus et les outils raliss pour supporter la dmarche ont abouti
tester industriellement le concept de RBAP (Risk Based Action Priorities). Cest un processus
dynamique autocontrl, enrichi par lexprience des vnements oprationnels (A0, A1,
A5), grant les priorits de faon commune (A10, A11) et proposant un classement aidant la
dcision les oprationnels dans la gestion des vnements.

Processus 8D:Validation Expert

Plan dactions Unifi

Data Treatment & Expert


classification Validation

RBM dynamique

IDEF0 : Gestion des vnements et des plans dactions (RBAP)

Cette proposition a permis dtablir des liens continus entre les vnements rels des
quipements et le niveau de risque estim. RBAP est une mthode outille, joignant
lexpertise humaine et les vnements rels, daide la dcision et de gestion des retours
dexprience.
En complment de publications acadmiques, le dploiement industriel des rsultats de cette
thse a fourni :
- Un outil de gestion des plans daction sur le rseau intranet de lentreprise nomm
FAIR8, utilis quotidiennement par les oprationnels et dont le support a t

p. 118
Conclusion & perspectives

transfr au service informatique. Lintrt dunifier toutes les actions dans un seul
processus avec des objectifs communs a ainsi t illustr par la capacit amliorer la
qualit des dcisions prises par les experts et obtenir une vision oprationnelle
globale sur les plans dactions en cours.
- Un pilote RBM dynamique ayant dmontr sa capacit rpondre aux
problmatiques prcites de la thse est utilis dans un des ateliers de Crolles 300.
Lextension du dploiement dautres ateliers et dautres sites de ST est ltude. De
faon concrte, avec cette approche, la mise jour des FMECA quipements est
dsormais plus rgulire avec un suivi plus prcis du niveau de risque. Les plans
dactions de maintenance sont revus en fonction du suivi automatique de la variation
des risques valid par lexpertise humaine.

La RBAP peut tre dploye avec profit dans nimporte quelle situation industrielle, voire de
service, sous deux conditions :
- que la gestion des risques et la rsolution des problmes soient intgres dans une
base de donnes, formalise et partage.
- que la mthode de rsolution des problmes soit similaire lapproche 8D.

Lapplication de ces travaux dans dautres secteurs industriels de haute technologie, comme
la pharmacie, lnergie permettrait de valider la gnricit de lapproche et de ladapter
aux spcificits de ces secteurs.

Comme dans de nombreux travaux connexes, les risques ont t considrs comme
indpendants : or dans la pratique, cette hypothse savre peu conforme la ralit et les
praticiens conservent au sein de leur expertise une reprsentation des liens entre risques. Cet
aspect mriterait dtre tudi en vue de complter les modles de cette thse et den tester
les performances.

Une autre voie damlioration de ce travail de thse peut tre lintgration de la notion de
dtection dans le calcul des priorits des vnements. Le critre classique RPN peut tre
modifi par attribution de coefficients aux valeurs de S, O et D en fonction du mode de
dfaillance tudi.

Le dveloppement de RBAP a permis de centraliser lensemble des plans dactions dans un


processus unifi avec des objectifs communs. Lvaluation de ces plans peut tre galement
dfinie selon un modle commun afin de comparer tous les rsultats des organisations.
Une dernire ouverture pour des travaux complmentaires cette thse peut tre
lutilisation de lexpertise capitalise par la RBAP pour optimiser la conception des produits.
Dfinir des liens entre des vnements rsolus et la phase de conception peut tre un des
supports pour mieux estimer et valuer les risques lis aux nouveaux produits. Une thse a
dmarr sur ce thme chez STMicroelectronics.

p. 119
p. 120
Bibliographie

p. 121
p. 122
A

AFNOR, 2001. Norme europenne, NF EN 13306. Terminologie de la maintenance. .

Aitken, S., 2005. An ontological account of action in processes and plans. Knowledge-Based
Systems, 18(6), 295-305.

Alsyouf, I., 2007. The role of maintenance in improving companies' productivity and
profitability. International Journal of Production Economics, 105(1), 70-78.

Arunraj, N. & Maiti, J., 2007. Risk-based maintenance--Techniques and applications. Journal
of Hazardous Materials, 142(3), 653-661.

Aven, T. & Heide, B., 2009. Reliability and validity of risk analysis. Reliability Engineering
& System Safety, In Press, Corrected Proof. Available at:
http://www.sciencedirect.com.gate6.inist.fr/science/article/B6V4T-4WK487P-
1/2/353d308ac9ab6b7b39fe531833dbd297 [Accd Juillet 30, 2009].

Azria, E. et al., 2007. Comment dcider avec justesse, justice et quit ? Rflexion sur la
dcision en situation d'extrme prmaturit: Deuxime partie : comment tendre vers
une dcision optimale ? Dfinition des conditions d'exercice de la dcision. Journal de
Gynecologie Obstetrique et Biologie de la Reproduction, 36(3), 245-252.

Baccarini, D. & Archer, R., 2001. The risk ranking of projects: a methodology. International
Journal of Project Management, 19(3), 139-145.

Bassetto, S., 2005. Contribution la qualification et lamlioration des moyens de


production, de manire oprationnelle, dynamique, en supportant les connaissances
mtier. CER ENSAM de METZ.

Bassetto, S., Siadat, A. & Martin, P., 2006. Mastering process control using risks typologies.
European Journal of Automated System (in French).

Bruzelius, N., Flyvbjerg, B. & Rothengatter, W., 2002. Big decisions, big risks. Improving
accountability in mega projects. Transport Policy, 9(2), 143-154.

Cassanelli, G. et al., 2006. Failure Analysis-assisted FMEA. Microelectronics and Reliability,


46(9-11), 1795-1799.

CEFM, 2001. FTC005 - La fabrication des circuits intgrs. Available at: STMicroelectonics
Crolles - Confidential.

Chapman, C., 1997. Project risk analysis and management--PRAM the generic process.
International Journal of Project Management, 15(5), 273-281.

p. 123
Chardonnet, A. & Thibaudon, D., 2003. Le guide du PDCA de Deming - Progrs continu et
management Editions d'organisation.,

Charreaux , J., 2006. L'analyse financire. Revue franaise de gestion, 1, 109 137.

Chevreau, F., Wybo, J. & Cauchois, D., 2006. Organizing learning processes on risks by
using the bow-tie representation. Journal of Hazardous Materials, 130(3), 276-283.

Chrysler LLC, Ford Motor Company & General Motors Corporation, 2008. fmea : Potential
Failure Mode & Effects Analysis : FMEA-4,

Crepin , D. & Robin, R., 2001. Rsolution de problmes : mthodes, outils de premire et
deuxime gnrations ,

Darling, S.S., 1996. Implementing a 'least cost' and 'risk focused' maintenance process. Dans
Proceedings of the 1996 4th ASME/JSME International Conference on Nuclear
Engineering, ICONE-4. Part 4 (of 5), March 10, 1996 - March 14, 1996. Proceedings
of the ASME/JSME International Conference on Nuclear Engineering, ICONE. New
Orleans, LA, USA: ASME, pp. 89-93.

DePinto, G., 1997. Managing Factory Risk to Improve Customer Satisfaction. , 179-186.

DOD, D.O.D., 1980. MILITARY STANDARD: PROCEDURES FOR PERFORMING A


FAILURE MODE EFFECTS AND CRITICALITY ANALYSIS, United State Of
America.

Duarte, J.A.C., Craveiro, J.C.T.A. & Trigo, T.P., 2006. Optimization of the preventive
maintenance plan of a series components system. International Journal of Pressure
Vessels and Piping, 83(4), 244-248.

Duffus, J.H., 2001. Risk Assessment Terminology.

Duret, D. & Pillet, M., 2005. Quality for manufacturing from ISO 9000 To Six Sigma,

Faucher, J., 2004. Livre Pratique de l'AMDEC 1er d., Dunod, L'Usine Nouvelle.

Fujiyama, K. et al., 2004. Risk-based inspection and maintenance systems for steam turbines.
International Journal of Pressure Vessels and Piping, 81(10-11), 825-835.

Ganoulis, J. & Simpson, L., 2006. Environmental Risk Assessment and Management:
Promoting Security in the Middle East and the Mediterranean Region. Dans
Environmental Security and Environmental Management: The Role of Risk
Assessment. pp. 245-253.

p. 124
Gertsbakh, I., 2002. Reliability Theory with Applications to Preventive Maintenance. IIE
Transactions, 34(12), 1111-1114.

Gourc, D., Vacher, B. & Pingaud, H., 2001. Manager les risques en projets : de la prise de
conscience la prise de confiance. Communication et organisation n20.

Harte, J.M., Westenberg, M.R.M. & van Someren, M., 1994. Process models of decision
making. Acta Psychologica, 87(2-3), 95-120.

He, X., Tong, J. & Chen, J., 2007. Maintenance risk management in Daya Bay nuclear power
plant: PSA model, tools and applications. Progress in Nuclear Energy, 49(1), 103-
112.

Herrou, B. & Elghorba, M., 2005. FMECA, a powerful tool for maintenance
improvement. Case study for a compressor [in French]. Dans CPI. Casablanca,
Morocco.

Hu, H. et al., 2009. Risk-based maintenance strategy and its applications in a petrochemical
reforming reaction system. Journal of Loss Prevention in the Process Industries,
22(4), 392-397.

Hubac, S., 2007. STMicroelectronics CR2 Process Control Overview (Confidential).

ISO, 2005. ISO - International Organization for Standardization.

Iung, B. & Marquez, A.C., 2006. Special issue on e-maintenance. Computers in Industry,
57(6), 473-475.

Kaabi, J., 2004. Contribution l'ordonnancement des activits de maintenance dans les
systmes de production. Thse. Universit de franche-comte.

Khan, F.I. & Abbasi, S.A., 1997. OptHAZOP--an effective and optimum approach for
HAZOP study. Journal of Loss Prevention in the Process Industries, 10(3), 191-204.

Khan, F.I. & Abbasi, S.A., 2001. Risk analysis of a typical chemical industry using ORA
procedure. Journal of Loss Prevention in the Process Industries, 14(1), 43-59.

Khan, F.I. & Abbasi, S.A., 1995. Risk analysis: a systematic method for hazard identification
and assessment. , 9(2), 88.

Khan, F.I. & Haddara, M.M., 2003. Risk-based maintenance (RBM): a quantitative approach
for maintenance/inspection scheduling and planning. Journal of Loss Prevention in the
Process Industries, 16(6), 561-573.

p. 125
Khan, F.I., Sadiq, R. & Husain, T., 2002. Risk-based process safety assessment and control
measures design for offshore process facilities. Journal of Hazardous Materials,
94(1), 1-36.

Kirchsteiger, C., 1999. On the use of probabilistic and deterministic methods in risk analysis.
Journal of Loss Prevention in the Process Industries, 12(5), 399-419.

Kletz, T.A., 1997. Hazop--past and future. Reliability Engineering & System Safety, 55(3),
263-266.

Knoll, A., 1996. Quantitative Risk Matrices for On-Line Maintenance at a Nuclear Power
Plant. , 260-261.

Krte, J., 2003. Risk-based emergency decision support. Reliability Engineering & System
Safety, 82(3), 235-246.

Krishnasamy, L., Khan, F. & Haddara, M., 2005. Development of a risk-based maintenance
(RBM) strategy for a power-generating plant. Journal of Loss Prevention in the
Process Industries, 18(2), 69-81.

Labodova, A., 2004. Implementing integrated management systems using a risk analysis
based approach. Journal of Cleaner Production, 12(6), 571-580.

Labovsky, J. et al., 2007. Model-based HAZOP study of a real MTBE plant. Journal of Loss
Prevention in the Process Industries, 20(3), 230-237.

Labrousse, M., 2004. Proposition dun modle conceptuel unifi pour la gestion dynamique
des connaissances dentreprise, Thse de doctorat en Gnie Mcanique de lEcole
Centrale de Nantes et de lUniversit de Nantes,

Levrat, E., Iung, B. & Crespo Marquez, A., 2008. E-maintenance: review and conceptual
framework. Production Planning and Control, 19, 408-429.

Matos, M.A., 2007. Decision under risk as a multicriteria problem. European Journal of
Operational Research, 181(3), 1516-1529.

Mauchand, M., 2007. Modlisation pour la simulation de chines de production de valeur en


entreprise industrielle comme outil daide la dcision en phase de conception /
industrialisation. Thse de doctorat en Gnie Mcanique de L'cole Centrale de
Nantes et l'Universit de Nantes.

Mazur, A., 1985. Bias in risk-benefit analysis. Technology in Society, 7(1), 25-30.

Mili, A. et al., 2009. Dynamic risk management unveil productivity improvements. Journal of
Loss Prevention in the Process Industries, 22(1), 25-34.

p. 126
Mili, A., Oulamara, A. & Portmann, M., 2006. Ordonnancement conjoint de la production et
de la maintenance prventive. Dans confrence roadef. Grenoble.

Moore, G.E., 1965. Cramming more components onto integrated circuits. Electronics,
Volume 38(Number 8).

Motschman, T.L. & Moore, S.B., 1999. Corrective and preventive action. Transfusion
Science, 21(2), 163-178.

Muellner, N. et al., 2007. A procedure to optimize the timing of operator actions of accident
management procedures. Nuclear Engineering and Design, 237(22), 2151-2156.

Muller, A., Crespo Marquez, A. & Iung, B., 2008. On the concept of e-maintenance: Review
and current research. Reliability Engineering & System Safety, 93(8), 1165-1187.

Nakagawa, T. & Mizutani, S., 2009. A summary of maintenance policies for a finite interval.
Reliability Engineering and System Safety, 94(1), 89-96.

Narayanagounder, S. & Gurusami, K., 2009. A New Approach for Prioritization of Failure
Modes in Design FMEA using ANOVA. World Academy of Science, Engineering and
Technology, 49.

Niehaus, F., 2001. Use of Probabilistic Safety Assessment (PSA) for nuclear installations.
Safety Science, 40(1-4), 153-176.

Omdahl, T., 1988. Reliability Technology, Human Error , ASQC Quality press. Available at:
[Accd Juin 25, 2009].

Platje, A. & Wadman, S., 1998. From Plan-Do-Check-Action to PIDCAM: the further
evolution of the deming-wheel. International Journal of Project Management, 16(4),
201-208.

Price, C.J. & Taylor, N.S., 2002. Automated multiple failure FMEA. Reliability Engineering
& System Safety, 76(1), 1-10.

Redmill, F., 2002. Risk analysis - A subjective process. Engineering Management Journal,
12(2), 91-96.

Rosness, R., 1998. Risk Influence Analysis A methodology for identification and assessment
of risk reduction strategies. Reliability Engineering & System Safety, 60(2), 153-164.

p. 127
Sasou, K., Takano, K. & Yoshimura, S., 1996. Modeling of a team's decision-making process.
Safety Science, 24(1), 13-33.

SEGUY, A., 2008. Dcision collaborative dans les systmes distribus - Application la E-
Maintenance. Institut National Polytechnique de Toulouse.

Shin, I., Lim, T.J. & Lie, C.H., 1996. Estimating parameters of intensity function and
maintenance effect for repairable unit. Reliability Engineering & System Safety, 54(1),
1-10.

Sienou, A., 2009. Proposition d'un cadre mtholodogique pour le management intgr des
risques et des processus d'entreprise. Thse de doctorat en Systmes industriels
deInstitut National Polytechnique de Toulouse.

Simon, H., 1977. The new science of management decision (ed. revised). Prentice-Hall, New
Jersey USA, (ISBN 0-1361-61636-7).

Stamatis, D.H., 2003. Failure mode and effect analysis ... - Google Recherche de Livres 2 d.,

Sulek, J.M., Marucheck, A. & Lind, M.R., 2006. Measuring performance in multi-stage
service operations: An application of cause selecting control charts. Journal of
Operations Management, 24(5), 711-727.

Tavares, L.V., Antunes Ferreira, J.A. & Silva Coelho, J., 1998. On the optimal management
of project risk. European Journal of Operational Research, 107(2), 451-469.

Tixier, J. et al., 2002. Review of 62 risk analysis methodologies of industrial plants. Journal
of Loss Prevention in the Process Industries, 15(4), 291-303.

Tomic, B., 1993. Risk based optimistation of maintenance - methods and approaches. Dans
European safety and reliability confernce . pp. 259265.

Treacy, M. & Wiersema, F., 1997. The Discipline of Market Leaders: Choose Your
Customers, Narrow Your Focus, Dominate Your Marke.

Tummala, V.R. & Mak, C., 2001. A risk management model for improving operation and
maintenance activities in electricity transmission networks. Journal of Operational
Research society, 125-134.

Vairaktarakis, G.L., 1999. Optimization tools for design and marketing of new/improved
products using the house of quality. Journal of Operations Management, 17(6), 645-
663.

p. 128
Whitcomb, R. & Rioux, M., 1994. Failure modes and effects analysis (FMEA) system
deployment in asemiconductor manufacturing environment. Dans pp. 136-139.

Williams, T., 1995. A classified bibliography of recent research relating to project risk
management. European Journal of Operational Research, 85(1), 18-38.

Yaman, R. & Balibek, E., 1999. Decision making for facility layout problem solutions.
Computers & Industrial Engineering, 37(1-2), 319-322.

Zafra-Cabeza, A., Ridao, M.A. & Camacho, E.F., 2008. Using a risk-based approach to
project scheduling: A case illustration from semiconductor manufacturing. European
Journal of Operational Research, 190(3), 708-723.

Zhi, H., 1995. Risk management for overseas construction projects. International Journal of
Project Management, 13(4), 231-237.

Zu, X., Fredendall, L.D. & Douglas, T.J., 2008a. The evolving theory of quality management:
The role of Six Sigma. Journal of Operations Management, 26(5), 630-650.

Zu, X., Fredendall, L.D. & Douglas, T.J., 2008b. The evolving theory of quality management:
The role of Six Sigma. Journal of Operations Management, 26(5), 630-650.

Du mme auteur:

Article de journal :

Mili, A., Bassetto S., Siadat A. & Tollenaere M., 2009. Dynamic risk management unveil
productivity improvements. Journal of Loss Prevention in the Process Industries,
22(1), 25-34.

Mili, A., Siadat A., Bassetto S., Hubac S. & Tollenaere M., 2009. A new approach of Risk
Based Action Plan (RBAP) management applied to manufacturing domain. Computers
In Industry.
*Soumis

Confrence internationales avec actes et comit de slection :

Bassetto S., Mili, A., Siadat, 2007. Speeding-up experiences return during new
productions industrialization. IEEE International Conference on Industrial
Engineering and Engineering Management, Singapore.

Mili, A. , Hubac S. & Bassetto S., 2007. Towards a more reliable industrialisation with
risk analysis methods. 8th European Advanced Equipment Control/Advanced
Process Control Conference -Dresden-Germany.

p. 129
Mili, A. , Hubac S., Bassetto S. & Siadat A., 2008. New approach for Risk update based
on maintenance events. IFAC WORLD CONGRESS, SEOUL : Corea.

Mili A., Hubac S., Siadat A. & Bassetto S., 2008. Action plan management using
knowledge management thru risk analysis approach. ICMIT ,BANGKOK :
Thailande.

Mili A., Hubac S., Bassetto S., Siadat A. &Tollenaere M., 2009. Unified process for
action plan management Case study in a research and production
semiconductor factory. 3rd Annual IEEE International Systems Conference,
Vancouver : Canada.

Colloques nationaux et confrences sans actes :

Mili A., Oulamara A. & Portmann MC, 2007. Ordonnancement conjoint de la


production et de la maintenance. Confrence Roadef, Grenoble - France.

Mili A., Tollenaere M. & Bassetto S.,2008 .Gestion des connaissances pour
l'amlioration des plans d'actions par des analyses prliminaires. Journes GDR
MACS 13&14 mars Roanne.

Mili A., Tollenaere M. & Siadta A.,2008 .Unification de Gestion des plans d'actions en
intgrant une estimation des risques et le retour d'expriences. 11me Colloque
Noational AIP-PRIMECA -22 au 24 avril -La plagne.

p. 130
Annexes

p. 131
Annexe 1 SPC-FDC- R2R

p. 132
SPC
Le Contrle Statistique des Procds ou SPC (pour Statistical Process Control) consiste contrler,
laide dindicateurs statistiques, les performances et la stabilit des procds. Le SPC est un outil
indispensable pour avoir un pilotage rationnel du procd de fabrication [MONTGOMERY 2001],
[PILLET 2001]. Pour chaque tape du procd de fabrication considre comme critique, un
chantillon de plaques dun lot est mesur automatiquement juste aprs ltape de fabrication pour
vrifier la conformit (centrage et dispersion). Ces mesures sont physiques et peuvent correspondre
des paisseurs, des longueurs (ou dimension critique CD), une hauteur,Pour chaque plaque, les
mesures sont effectues en plusieurs sites. Classiquement, chez STMicroelectronics les plaques 300
mm sont mesures en 17 points. Le placement des 17 points a t optimis lors dun stage
[PELISSIER 2004] et ces points se repartissent comme le montre la Figure 0.1 ci-dessous :

150

100

50

0
-150 -100 -50 0 50 100 150

-50

-100

-150

Figure 0.1 : Rpartition des sites mesurs aux oprations de mtrologie

En SPC, toutes les plaques et tous les sites ne sont pas mesurs pour des questions de temps de cycle
et donc par consquent de cot. Le SPC repose donc sur les rsultats des mesures effectues sur un
chantillon de plaques mesures en plusieurs sites.
Cette mthodologie de contrle est applique sur trois diffrents types de mesures :
- Les mesures physiques effectues sur un chantillon de plaques donnes. Ces mesures sont
ralises lors des tapes critiques (gravure, polissage mcano chimique,) du procd de fabrication
par des outils des mesures appels quipements de mtrologie.
- Les mesures lectriques effectues la fin de la conception du transistor ainsi qu la suite des
oprations de fabrication des interconnexions. Ces mesures sont effectues sur lensemble des plaques
dun lot sur des structures de tests situs autour du circuit lectrique.
- Les mesures lectriques effectues en fin de ligne de production, appeles EWS (Electrical
Wafer Sort). Ces tests sont effectus de manire systmatique pour garantir aux clients la qualit des
circuits livrs.
A partir de ces trois types de mesure, le contrle de la ligne est assur.
Ce contrle est tout dabord assur par lintroduction de limites de spcification appliques
chaque entit de mesure (c'est--dire chaque site de mesure : actuellement 17 sur le site de
STMicroelectronics). Ces limites ne doivent tre en aucun cas franchies, pour ne pas risquer un
dysfonctionnement du circuit lectrique. Elles garantissent donc le bon fonctionnement des circuits.
De plus, pour renforcer le contrle sur chaque tape, partir des mesures dcrites, des indicateurs
statistiques (tels que la moyenne, lcart type,) sont calculs puis compars des limites de contrle.
Si ces limites de contrle sont dpasses, lquipement sera alors arrt. Ces limites permettent de

p. 133
vrifier le bon droulement de ltape de fabrication et de dtecter des drives des quipements. Ce
contrle est aujourdhui visualis travers un systme de cartes de contrles.
Le Contrle Statistique des Procds, ainsi dcrit et prsent en Figure 0.2, constitue la base de
surveillance dune ligne de production [KOHLI 2002].
Indicateurs statistiques
Cartes de contrle

Echantillon
Equipement Equipement
de procd de mtrologie

Arrt de lquipement si ncessaire

Figure 0.2 : Schma du SPC sur un paramtre produit

Toutefois lefficacit de ces contrles repose sur la qualit et la fiabilit des mesures des outils de
mtrologie mais aussi des mesures de tests lectriques. Ceci est aujourdhui surveill par un indicateur
appel Capabilit Machine (Cpm) qui permet dvaluer la capacit des quipements bien
mesurer .

Cette premire partie a permis de prsenter le fonctionnement et lintrt du SPC. Ce premier


niveau de contrle nest toutefois pas suffisant. Aussi, le contrle des procds est complt par un
systme, appel FDC qui assure le contrle des quipements en temps rel.

FDC
La FDC (Fault Detection and Classification) consiste faire un suivi statistique des
paramtres des quipements de procd. Ainsi, pendant toute la dure du procd de
fabrication, des paramtres de lquipement (appels galement variables FDC) sont collects
pour chaque wafer. Ces paramtres peuvent tre des tempratures, des pressions, des
missions optiques Pour chaque wafer, on obtient ainsi une srie de courbes reprsentant
lvolution des variables FDC pendant le temps du procd. Ces donnes sont trs prcieuses
pour dfinir des corrlations entre les variables FDC et les problmes observs sur les wafers.
Diffrents indicateurs sont alors calculs partir de ces courbes (moyennes, cart-type,
maximum) et des limites de contrle leur sont appliques pour surveiller leur volution. Ainsi,
lobjectif de cette approche est de mieux matriser les drives des quipements de procd
[SCANLAN 2003].
Un des intrts de la FDC est de pouvoir contrler le procd en temps rel. En effet, les
mthodes de contrle traditionnelles des procds ne peuvent souvent tre ralises qu
laide de mesures effectues aprs le traitement des wafers (exemple du SPC) : ceci impacte
videmment les temps de cycles de R&D et de fabrication. Le concept de FDC permet de
suivre en temps rel lvolution des variables des quipements de procd et ainsi de dtecter
rapidement une anomalie de fonctionnement de la machine. La Figure 0.3 rsume le
fonctionnement de la FDC.

p. 134
Figure 0.3: Rsum du fonctionnement de la FDC

Les paragraphes suivants abordent la mise en place dindicateurs partir des mesures sur
les quipements de procd et le calcul des limites de contrle associes. De plus, un exemple
est prsent pour clarifier le concept de contrle FDC.

1.1.1 Mise en place dindicateurs et de limites de contrle

Les variables des quipements sont regroupes en trois catgories [ALEGRET 2006] :
celles non collectes,
celles dont les donnes sont uniquement collectes,
celles dont les donnes sont collectes et analyses.

Les outils FDC utilisent des systmes danalyses univaries et multivaries. Loutil
industriel de collecte et danalyse des donnes en temps rel choisi sur le site de Crolles2 est
la solution Maestria de la socit PDF. Cet outil permet, partir des donnes temporelles
collectes durant le procd, de crer des indicateurs statistiques pour chacune des variables
choisies de lquipement.
Ainsi, diffrents indicateurs peuvent tre calculs tels que la moyenne, lcart-type ou
lcart maximum. Les indicateurs calculs partir des courbes temporelles vont dpendre du
procd et du paramtre collect. Cest lingnieur procd de dterminer les indicateurs
pertinents. Il est galement possible de mettre en place des indicateurs multivaris qui sont
des combinaisons de plusieurs variables.
A Crolles2, les limites sont actuellement dfinies par les ingnieurs en se basant sur leur
exprience et leur connaissance du procd. Un calcul automatique des limites de contrle est
en cours de dfinition. Il seffectuerait de la mme faon que pour les SPC. Les ingnieurs
sappuieraient alors sur ce calcul automatique pour redfinir les limites. Pour les indicateurs
multivaris, le choix des limites est fait partir de modlisations mathmatiques bases sur
lAnalyse en Composantes Principales (ACP) [BUCLON 2005].
Cette approche de contrle des quipements requiert toutefois une excellente connaissance
des quipements afin dvaluer la pertinence des paramtres FDC collecter, des indicateurs
calculer et des limites de contrle appliquer.
Des limites correctement mises en place sur des indicateurs pertinents permettent de
contrler le procd en temps rel. Ceci permet un gain de temps mais aussi de prcision dans
le contrle. La surveillance du comportement des variables des quipements de production
valide ainsi les conditions de procd lors de chacune des oprations de fabrication.

p. 135
Il est intressant de noter quil existe dautres limites que les limites de contrle FDC : les
limites quipement et les limites de rejet. Les limites quipement sont des limites au-del
desquelles lquipement peut-tre endommag et les limites de rejet sont des limites au-del
desquelles le wafer est mis au rebut. Les limites FDC sont ainsi plus serres que ces limites
pour permettre dviter la mise au rebut des wafers. La Figure 0.4 rsume ces diffrentes
limites.

Paramtre FDC Limites


quipement

Limites de rejet

Limites FDC

Numro du Wafer

Figure 0.4: Diffrence entre limites quipement, limite de rejet et limite FDC

Run to Run
Le Run-to-Run est un concept qui propose la cration de boucles de rgulation pour mieux
matriser les causes connues de la variabilit naturelle des procds. Lobjectif de ces boucles
de rgulation est donc de garantir la stabilit des processus de fabrication tout au long de la
vie de lquipement [MOYNE 2001]. Pour ce faire, une recette de fabrication est modifie en
temps rel en fonction dun modle bas sur les mesures effectues sur les plaques (mesure de
mtrologie) et les conditions exprimentales lors des procds (ex : usure dun tissu de
polissage pour le polissage mcano chimique).
Les boucles de rgulation serviront de lien entre les outils prexistants du contrle des
procds (SPC et FDC) comme le montre la Figure 0.5:

R2R Equipement de Test Paramtriques (PT) / Tests lectriques finaux


procd Tests lectriques (EWS)

FDC

SPC
Equipement de
SPC
mtrologue

Analyse Analyse des


lectrique rendements

Figure 0.5 : Relation entre les tapes de production, la SPC, la FDC et le R2R

Motivations et enjeux du Run-To-Run :

p. 136
Le Run-To-Run est aujourdhui utilis dans de nombreux domaines avec notamment
de multiples applications en chimie, biologie et pharmacie [HERMANTO 2006].
Toutefois cest en microlectronique que ce concept cest le plus largement dvelopp
durant les dernires annes. Les raisons de ce dveloppement sont principalement lies la
course la miniaturisation. En effet, la diminution des dimensions complexifie de manire
non ngligeable la fabrication des transistors (nombre de couche et donc de masques en
photolithographie). De ce fait, pour garantir le bon fonctionnement des transistors, les
tolrances sur lensemble des dimensions lors de la fabrication se rduisent considrablement.
Ainsi chaque tape du procd de fabrication doit tre la plus stable et la plus contrle
possible. Ce contrle est gnralement effectu laide des deux outils de contrle de procd
de la microlectronique : SPC, FDC. Cependant ces outils sont aujourdhui insuffisants pour
garantir la stabilit des tapes. Les boucles de rgulation vont permettre de complter
lapproche de contrle des procds dj existants pour obtenir les spcificits demandes
(notamment en termes de variabilit) des nouvelles technologies.

p. 137
Annexe 2 Grilles de cotation

p. 138
FTM Ranking Table for EQUIPMENT_FMEA

RANK SEVERITY ON EQUIPMENT SEVERITY ON PARTS RANK OCCURENCE RANK DETECTION


100% IMMEDIATELY DETECTED1
1 NO DOWNTIME NO INCIDENCE 1 UNLIKELY 1
(ALARM/ABORT EQUIPMENT)
ASPECT FAILURE 100% DETECTED2 WITH ALARM MGT
2 DOWNTIME < 30 mn 2 1 EVENT/ LIFETIME 2
or GENERATE A RECYCLING1 OR APC3
3 DOWNTIME FROM 30 TO 60 mn YIELD LOSS ON A SINGLE WAFER 3 1 EVENT / YEAR 3 WARNING
From 2 to 4 EVENTS VISUAL DETECTION ON PRODUCT OR
4 DOWNTIME FROM 1 TO 2 HOURS GENERATE A REWORK2 (NCL) 4 4
/ YEAR EQUIPMENT
GENERATE A WAFER SCRAP ( 5 From 5 to 12 ROUTINE EQUIPMENT QUALIFICATION
5 DOWNTIME FROM 2 TO 4 HOURS 5 5
WAFERS) EVENTS / YEAR or PARAMETRIC TEST

YIELD LOSS ON MULTIPLE 2 or 3 EVENTS / SCHEDULED MAINTENANCE


6 DOWNTIME FROM 4 TO 12 HOURS 6 6
WAFERS MONTH or QA CONTROL DIFF

From 1 to 6 EVENTS 100% DETECTED AT EWS


7 DOWNTIME FROM 12 TO 24 HOURS SCRAPPED LOT(S) 7 7
/ WEEK or EWS QA CONTROL

UNSCHEDULED MAINTENANCE
8 DOWNTIME > 24 HOURS SCRAPPED AT ASSEMBLY 8 1 EVENT/DAY 8
or FINAL TEST

9 BROKEN MACHINE NON FUNCTIONALITY3 9 1 EVENT/SHIFT 9 SEEN IN RELIABILITY MONITORING

AFFECTS PRODUCT'S
NON-COMPLIANCE TO GOVERNMENT
10 RELIABILITY 10 1 EVENT/HOUR 10 DETECTED BY CUSTOMER
REGULATIONS
or AFFECTS PEOPLE SAFETY4

1 Recycling: action on a lot in order to make it conform to the requirements by


1 Maximum 1 wafer impacted
using a validated/approved procedure (ex: photo,)

2 Rework:action on non conforming wafer lot in order to make it conform to the


2 Maximum 1 lot impacted
requirements by adapting a new recipe
3FDC with automatic equipment state
3 it means possibility of Customer's Manufacturing or 0km defects
down
4 People Safety: To be considered if the process is known for having a
potential impact on final consumer's safety (field defect)

FTM Ranking Table for PROCESS_EQUIPMENT_FMEA

OCCURRENCE
Failure
SEVERITY RANK RANK DETECTION
Event or Lot rates (in Ppk Subjective*
ppm)
100% IMMEDIATELY DETECTED1 (ALARM/ABORT
NO INCIDENCE 1 UNLIKELY 10 1.67 UNLIKELY 1
EQUIPMENT)
ASPECT FAILURE 100% DETECTED2 WITH ALARM MGT
2 1 LOT OR EVENT/YEAR 100 1.30 RARE 2
or GENERATE A RECYCLING1 OR APC3
FROM 2 TO 4 LOTS OR 100% DETECTED AFTER THE RUN ON LOT
YIELD LOSS ON A SINGLE WAFER 3 500 1.20 VERY LOW 3
EVENTS / YEAR MONITORING
FROM 5 TO 12 LOTS OR 100% DETECTED SOME STEPS/OPERATIONS AFTER
GENERATE A REWORK2 (NCL) 4 1K 1.10 LOW 4
EVENTS / YEAR ON LOT MONITORING
SAMPLING ON LOT MONITORING
GENERATE A WAFER SCRAP ( 5 FROM 2 TO 5 LOTS OR
5 2K 1.00 MODERATE 5 OR 100% DETECTED AT ROUTINE EQUIPMENT
WAFERS) EVENTS / MONTH
QUALIFICATION (DAILY OR WAFER AT RISK < 500)
SEVERAL LOTS OR EVENTS / 100% DETECTED AT ROUTINE EQUIPMENT
YIELD LOSS ON MULTIPLE WAFERS 6 5K 0.94 LIKELY 6
WEEK QUALIFICATION (WEEKLY OR WAFER AT RISK > 500)
SCRAPPED LOT(S) 7 1 LOT OR EVENT/DAY 10K 0.86 VERY LIKELY 7 100% DETECTED AT PARAMETRIC TEST
100% DETECTED AT EWS
SCRAPPED AT ASSEMBLY 8 1 WAFER/LOT 20K 0.78 HIGH 8
or EWS QA CONTROL
NON FUNCTIONALITY AT SEVERAL WAFERS / LOT OR
9 50K 0.55 VERY HIGH 9 SEEN IN RELIABILITY MONITORING
CUSTOMER3 RUN
AFFECTS PRODUCT'S RELIABILITY
10 EACH WAFER 100K < 0.55 SYSTEMATIC 10 DETECTED BY CUSTOMER
or AFFECTS PEOPLE SAFETY4

1 Recycling: action on a lot in order to make it * for R&D only (at


conform to the requirements by using a new techno 1 Maximum 1 wafer impacted
validated/approved procedure (ex: photo,) development)
2 Rework: action on non conforming wafer lot in
order to make it conform to the requirements by 2 Maximum 1 lot impacted
adapting a new recipe

3 it
means a possible effect at Customer's
3 FDC with automatic equipment state down
manufacturing or 0km

4 People Safety: To be considered if the


process is known for having a potential impact 100%: 100% lots are measured but not 100% of wafers
on final consumer's safety (field defect)

p. 139
p. 140
Annexe 3 Analyse fonctionnelle et FMECA

p. 141
item function criteria

Permit to maintain the precision of the movement and


wafer_head wafer sticker on the without constraint on
mp during the polishing. the wafer, pressure, rotation speed

Polish the wafer with the


rotation speed, good slurry
polish_head rotation motion and the
distribution
chemical fluid delivery.

permit the conditioning of


polisher

the pads in order to


constant achievement of the pad
pad_conditionner maintain it qualities. that to
conditioning ( long time)
maintain stable the
polishing speed.

Maintains the properties of


The good consumable in the spot,
consumable the equipment in optimal
quality of supplied consumable.
level.

Permit to spray the


mp cleaning good distribution
polishing area with diw.

p. 142
item function criteria

permit to transfer the


load lock wafers from the fi to buffer pressure; temperature
and reverse order

Handling and wafer to the right place, repeatability ,


vhp robot positioning into the vacuum integrity
chambers. , no contamination, no breakage

transfer area between the


buffer load lock (ll) and process correct positionment;
chamber
load lock module

permit to have vacuum in ll


ipup(integrated pump) low pressure; low pumping time
and buffer

Permit the cooling of the


wafers after the process
erp Right temperature in required time.
chamber and before putting
it in the foup.

permit to insolate the area


iso valve (isolation) that will be ventilate (ll or leak proof; spec (7mtorr/min)
buffer)

mfc (mass flow Regulate the pressure in


right pressure in the chambers
controller) the chamber.

p. 143
Permit to regulate the slit
needle-valves valve or doors opening or spec (75 psi)
closure speed.

p. 144
Annexe 4 Exemple FMECA

p. 145
POTENTIAL FAILURE MODE AND EFFECTS ANALYSIS
FMEA Type (Eqpt, Module or Prdt) :Recipe Title : Process Recipe BPADO-I-ALL-A2;A3;A4 on EL23X BE
Department : Patterning Creation date: 04 November 2004
Section : Etch Revision date : 09-04-2009
Owner : Lussiana Pascal Team members : P.Lussiana, F.Mounier
Actual risk Risk actions
C
Forcasted
S L O D R Responsible &
N Potential Cause/ Current Controls Current Controls S O D R Actions taken
Item/Function Potential Failure Mode Potential Effects of Failure E A C E P Recommended Actions Target
V S Mechanism of Failure Prevention Detection Completion Date E C E P & Effective Date
C T N
S V C T N

Not etch Faxio after polymer Faxio implementation after Re-quoted on 04 June 2007after enough passing of time (OCC 4--> 3)
1 Recovery correctly/underetch Scrap 1 or 2 wafers 4 C Procedure 2 removing 3 24 polymer removing 4 2 3 24 Re-quoted on 09 april 2009 after Faxio implementation during years 2008

Not etch correctly/over


2 Recovery etch Scrap 1 or 2 wafers 5 Procedure 3 Parametric test 7 105 5 3 7 105 Re-quoted on 04 June 2007after enough passing of time (OCC 4--> 3)

Parametric fails resutling in


3 Wrong recipe Contents scrap of several lots 7 Human error 2 Parametric test 7 98 7 2 7 98

Wafer breakage or
Defectivity resutling in yield
4 (De)Chucking Abort loss for one wafer 5 Procedure 2 Alarm 1 10 5 2 1 10

Defectivity resutling in yield defect appears during years 2008.


loss for one wafer (IMDTOP Chiller temperature contrle also leads to imdtop crunch.
5 (De)Chucking Failure crunch) 6 Mecanical stress 4 Alarm + FDC on DA 1 24 6 4 1 24 ESC change solve the issue

6 WAC Abort Generate cosmetic drfit 2 Procedure 3 Alarm 1 6 2 3 1 6


Etchrate drift resulting in
non uniform / under / over endpoint drift and/or alarm
7 Main Etch step etch for max endpt time. 6 Pressure 1 Alarm 1 6 6 1 1 6
Deconditioning effect L Casteran /
impacts yield of other Janet Tinkler
Etchrate drift resulting in processes. Yield effect w43 and
non uniform / under / over endpoint drift and/or alarm detected at Parametric Dedicated chamber for Massimiliano Dedicated chamber for PADO etch
8 Main Etch step etch for max endpt time. 6 C Process Kit 3 Test. 5 90 PADO etch w12 05 6 3 5 90 since Q1 2005

Etchrate drift resulting in


non uniform / under / over endpoint drift and/or alarm
9 Main Etch step etch for max endpt time. 6 Process Kit 1 Chamber dedicated 2 12 6 1 2 12

Etchrate drift resulting in


non uniform / under / over endpoint drift and/or alarm
10 Main Etch step etch for max endpt time. 6 RF 1 Alarm 1 6 6 1 1 6

Etchrate drift resulting in Change optical endpoint Massimiliano


endpoint drift and/or alarm Design sensitivity (large sensitivity to detect on all Cantiano / L
11 Main Etch step Definition for max endpt time. 6 range of %open areas) 6 Alarm 1 36 products Casteran 6 6 1 36 Algorithm was changed

Etchrate drift resulting in J. Tinkler / M.


endpoint drift and/or alarm Massadier dedicated chamber
12 Main Etch step Definition for max endpt time. 6 Process window 6 Alarm 1 36 Improve the WAC. (Lam) 6 6 1 36 => Wac improvement no more needed

Etchrate drift resulting in


non uniform / under / over endpoint drift and/or for early FDC on ME process Time
13 Main Etch step etch end point. 4 Process window 6 Alarm 1 24 Process window on going P.Lussiana 4 6 1 24 Reduce ME over etch : done week3 but not efficient enough

Etchrate drift resulting in P.Lussiana/M.


non uniform / under / over endpoint drift and/or for early Massardier
14 Main Etch step etch end point. 4 Mix produc effect 6 Alarm 1 24 Optimize ME over etch (Lam) 4 6 1 24 Reduce ME over etch : done week3 but not efficient enough

Etchrate drift resulting in


non uniform / under / over endpoint drift and/or for early Optimize Auto Dry clean
15 Main Etch step etch end point. 1 Mix produc effect 1 Alarm 1 1 after etch lot P.Lussiana 1 1 1 1 Reduce ME over etch : done week3 but not efficient enough

non uniform / under / over Defectivity resulting in yield Detected some steps
16 In-Situ Strip strip loss 6 Gases 1 after 6 36 6 1 6 36

p. 146
Annexe 5 Extrait du programme VB

p. 147
Attribute VB_Name = "Failures_BH_Update"
Option Explicit

Sub FMEA_BH_Update_UnSched(Year As String, Week As String, Month As String,


workshop As String, DataCollection As String, FilesLocation As String)

Dim r As Range
Dim ClasseurToWriteIn As Workbook
Dim SheetToWriteIn As Worksheet
Dim PathWrite As String
Dim LastWeek As String
Dim LastYear As String
Dim NextWeek As String
Dim ClasseurToReadIn As Workbook
Dim SheetToReadIn As Worksheet
Dim ClasseurToReadIn1 As Workbook
Dim SheetToReadIn1 As Worksheet
Dim commentaire As String
Dim Date_Req As String
Dim First_Dated As String
Dim Last_Dated As String
'*************************************************
'variables de lectures et d'criture
Dim LigneToReadIn As Integer
Dim ColumnToReadIn As Integer
Dim LigneToReadIn_ForQuantity_Update As Integer
Dim ColumnToReadIn_ForQuantity_Update As Integer
Dim LigneToWriteIn_ForQuantity_Update As Integer
Dim ColumnToWriteIn_ForQuantity_Update As Integer
Dim LigneToWriteIn_ForOccurence_Update As Integer
Dim ColumnToWriteIn_ForOccurence_Update As Integer
Dim LigneToWriteIn As Integer
Dim ColumnToWriteIn As Integer

Dim Quantity As Integer


Dim New_Quantity As Integer
Dim Nb_Month As Integer
Dim Nb_Tool As Integer
Dim IsSameRisk As Boolean

Dim Occurence As Integer


Dim Severity As Integer
Dim Detection As Integer
'*************************************************

LastWeek = "W" & Mid(Week, 2) - 1


NextWeek = "W" & Mid(Week, 2) + 1
LastYear = Year - 1
'on ouvre le fichier de report et on l'enregistre sous un autre nom :
PathWrite = FilesLocation & "FMEA_REPORT\"

' Fichier de base (evnements de la semaine ou cumul anne ):


If DataCollection = "Cumul" Or DataCollection = "For the Week" Then

'on va crer le ficher des Risk concatenated


Set ClasseurToReadIn = Workbooks.Open(FilesLocation & "Entrance_points\" &
workshop & "\All_Unsched_Y" & Year & "_" & Week & ".xls")

p. 148
'on l'enregistre sous un autre nom pour pouvoir effacer des lignes
ClasseurToReadIn.SaveAs (FilesLocation & "Entrance_points\Temp\Temp.xls")
Set SheetToReadIn = ClasseurToReadIn.Worksheets(1)
'----------------------------------------------------------------'
'--------------------------- CUMMUL SUR UNE ANNEE ---------------'
'----------------------------------------------------------------'

ElseIf DataCollection = "For the year" Then


Dim last_line As Integer

'MsgBox (FilesLocation & "\FMEA_REPORT" & Workshop & "REPORT_PER_WEEK__" &


LastYear & "-" & Week & "_To_" & Year & "-" & LastWeek & ".xls")
Set ClasseurToReadIn = Workbooks.Open(FilesLocation & "FMEA_REPORT\" &
workshop & "\REPORT_PER_WEEK__" & LastYear & "-" & Week & "_To_" & Year &
"-" & LastWeek & ".xls")
ClasseurToReadIn.SaveAs (FilesLocation & "FMEA_REPORT\" & workshop &
"\REPORT_PER_WEEK__" & LastYear & "-" & NextWeek & "_To_" & Year & "-" &
Week & ".xls")
Set SheetToReadIn = ClasseurToReadIn.Worksheets(1)
LigneToReadIn = 5
Do
If SheetToReadIn.Cells(LigneToReadIn, 1) = Week & "_" & LastYear Then
'MsgBox SheetToReadIn.Cells(LigneToReadIn, 1)
Set r = SheetToReadIn.Range(SheetToReadIn.Cells(LigneToReadIn, 1),
SheetToReadIn.Cells(LigneToReadIn, 255))
r.Delete Shift:=xlUp
LigneToReadIn = LigneToReadIn - 1
End If
LigneToReadIn = LigneToReadIn + 1
Loop Until SheetToReadIn.Cells(LigneToReadIn, 1) = ""
last_line = LigneToReadIn
'MsgBox last_line

Set ClasseurToReadIn1 = Workbooks.Open(FilesLocation & "FMEA_REPORT\" &


workshop & "\REPORT_For_" & Week & "_" & Year & ".xls")

ClasseurToReadIn1.SaveAs (FilesLocation & "FMEA_REPORT\" & workshop &


"\REPORT_For_" & Week & "_" & Year & ".xls")
MsgBox FilesLocation & "FMEA_REPORT\" & workshop & "\REPORT_For_" & Week &
"_" & Year & ".xls"
Set SheetToReadIn1 = ClasseurToReadIn1.Worksheets(1)

LigneToReadIn = 5
Dim r1 As Range
Dim r100 As Range

Do
LigneToReadIn = LigneToReadIn + 1
Loop Until SheetToReadIn1.Cells(LigneToReadIn, 1) = ""
'MsgBox LigneToReadIn

Set r = SheetToReadIn1.Range(SheetToReadIn1.Cells(5, 1),


SheetToReadIn1.Cells(LigneToReadIn - 1, 254))
Set r1 = SheetToReadIn.Range(SheetToReadIn.Cells(last_line, 2),
SheetToReadIn.Cells(last_line + LigneToReadIn - 6, 254))

r1.Value = r.Value
Set r1 = SheetToReadIn.Range(SheetToReadIn.Cells(last_line, 1),
SheetToReadIn.Cells(last_line + LigneToReadIn - 6, 1))
r1.Value = Week & "_" & Year

p. 149
ClasseurToReadIn.Save
ClasseurToReadIn.Close

Set ClasseurToReadIn = Workbooks.Open(FilesLocation & "FMEA_REPORT\" &


workshop & "\REPORT_PER_WEEK__" & LastYear & "-" & NextWeek & "_To_" & Year
& "-" & Week & ".xls")
ClasseurToReadIn.SaveAs (FilesLocation & "FMEA_REPORT\" & workshop & "\" &
Year & "_" & Week & "_UPDATED_REPORT.xls")
Set SheetToReadIn = ClasseurToReadIn.Worksheets(1)

Dim count_line As Integer


Dim i As Integer
Dim j As Integer
Dim Workshop1 As String
Dim Tool1 As String
Dim Module1 As String
Dim FC1 As String
Dim FC2 As String
Dim Qty As Double
Dim Dur As Double
Dim data_week As String

count_line = last_line + LigneToReadIn - 6


i = 5

Do
Workshop1 = SheetToReadIn.Cells(i, 2)
Tool1 = SheetToReadIn.Cells(i, 3)
Module1 = SheetToReadIn.Cells(i, 4)
FC1 = SheetToReadIn.Cells(i, 5)
FC2 = SheetToReadIn.Cells(i, 6)
Qty = SheetToReadIn.Cells(i, 8)
Dur = SheetToReadIn.Cells(i, 9)
data_week = SheetToReadIn.Cells(i, 1)
j = i + 1
Do

If (SheetToReadIn.Cells(j, 2) = Workshop1) And


(SheetToReadIn.Cells(j, 3) = Tool1) And (SheetToReadIn.Cells(j, 4) =
Module1) And (SheetToReadIn.Cells(j, 5) = FC1) And (SheetToReadIn.Cells(j,
6) = FC2) Then

'MsgBox Workshop1 & "__" & Tool1 & "__" & Module1 & "__" & FC1
& "__" & FC2

Qty = Qty + SheetToReadIn.Cells(j, 8)


Dur = Dur + SheetToReadIn.Cells(j, 9)

Set r1 = SheetToReadIn.Range(SheetToReadIn.Cells(j, 1),


SheetToReadIn.Cells(j, 255))
r1.Delete Shift:=xlUp
count_line = count_line - 1

End If

j = j + 1

Loop Until (j > count_line)


SheetToReadIn.Cells(i, 8) = Qty
SheetToReadIn.Cells(i, 9) = Dur
'------------------------------------------

p. 150
Dim moy_downtime As Double
Dim sev As Double
moy_downtime = Dur / Qty
If moy_downtime = 0 Then
sev = 1
ElseIf moy_downtime < 0.5 Then
sev = 2
ElseIf 0.5 <= moy_downtime And moy_downtime < 1 Then
sev = 3
ElseIf 1 <= moy_downtime And moy_downtime < 2 Then
sev = 4
ElseIf 2 <= moy_downtime And moy_downtime < 4 Then
sev = 5
ElseIf 4 <= moy_downtime And moy_downtime < 12 Then
sev = 6
ElseIf 12 <= moy_downtime And moy_downtime < 24 Then
sev = 7
ElseIf 24 <= moy_downtime Then
sev = 8
End If
'------------------------------------------
SheetToReadIn.Cells(i, 11) = sev
'------------------------------------------

Dim occ As Double

If Qty = 1 Then
occ = 3
ElseIf Qty = 2 Then
occ = 4
ElseIf (2 < Qty And Qty <= 4) Then
occ = 4
ElseIf (4 < Qty And Qty <= 12) Then
occ = 5
ElseIf (12 < Qty And Qty <= 26) Then
occ = 6
ElseIf (26 < Qty And Qty <= 52) Then
occ = 7
ElseIf (52 < Qty And Qty <= 365) Then
occ = 8
ElseIf (365 < Qty And Qty <= 989) Then
occ = 9
ElseIf 989 < Qty Then
occ = 10
End If
'------------------------------------------
SheetToReadIn.Cells(i, 12) = occ
'------------------------------------------
SheetToReadIn.Cells(i, 15) = sev * occ
'------------------------------------------
SheetToReadIn.Cells(i, 14) = sev * occ * 3
'------------------------------------------
i = i + 1

Loop Until (i > count_line)


SheetToReadIn.Columns("A:A").Select
Selection.Delete
End If
'------------------------------------------------------------------'

p. 151
Annexe 6 Flow FAIR8

p. 152
p. 153
Annexe 7 Schma de la base FAIR8 (extrait)

p. 154
p. 155
Annexe 8 Architecture technique

p. 156
eWip java modules
(J2EE / Struts)

eWip PL/SQL
packages and
tables
Portal objects
required for eWip
(folders / user /
groups)

Most of the application is developed in Oracle PL/SQL language.


A few modules are developed in java (J2EE/Struts) and deployed on OC4J (Oracle
J2EE AS)

p. 157
Vers des mthodes fiables de contrle des procds par la matrise du risque
Contribution la fiabilisation des mthodes de process control dune unit de
Recherche et de Production de circuits semi-conducteurs

Rsum :

Sappuyant sur une dmarche qualit et lutilisation de moyens danalyse de donnes fiables,
les acteurs oprationnels cherchent adresser quotidiennement deux aspects : le contrle et
la rduction continus de la variabilit dune part et la gestion, value de risque et des
actions entreprendre dautre part. Cette thse sintresse en particulier au second aspect.
Nanmoins, le contrle et la rduction continue de la variabilit nont jamais t ngligs
puisquils ont servi quantifier oprationnellement les gains obtenus par la mthodologie
propose. La question centrale de cette thse vient adresser les deux proccupations cites
prcdemment : Comment valuer et amliorer la performance des moyens et processus de
production par le biais dune analyse de risque qui soit dynamique et intgre. Comment dfinir par la
suite des plans daction unifis et robustes pour matriser la variabilit et viter les non conformits ?
Cette thse propose une mthode globale de gestion dynamique des plans dactions. Il sagit
dtablir dans un premier temps des liens continus entre les vnements rels des
quipements et le niveau de risque estim. Et de proposer un processus de gestion des plans
dactions unifi, joignant lexpertise humaine et les vnements rels, daide la dcision et
de gestion des retours dexprience. Cette thse propose des solutions de gestion des risques
oprationnels et des mthodologies de travail appliques dan le domaine de lindustrie des semi-
conducteurs mais qui sont gnriques et applicables dans dautres secteurs industriels.

Mots-cls :
Analyse des risques, contrle des procds, Maintenance bass sur les risques, AMDEC, plan
daction.

Abstract:

Search for methods to control & reduce variability & management efforts along with
associated risk evaluation & actions, have been an area of keen interest for industries focused
on operational excellence. This thesis address the second aspect i.e. risk evaluation & action
plans, however control and reduction of variability & management efforts have never been
neglected because it provides us a mean to quantify the excellence obtained as a result of
proposed methodology. Main question addressed in this thesis are: How to evaluate and
improve the performance of production processes using integrated and dynamic risk analysis
approach? How to define unified action plans to better understand variability to avoid non
conformities?
Global method is proposed for the dynamic management of action plans: It includes
establishing links between equipment & real time events based on risk levels and proposing
a unified action plan based on human expertise & real events to help in decisions and
feedback. This thesis also proposes solutions for operational risk management and working
methodologies applied to semiconductor industry BUT generic enough to be applied to other
industries.

Keywords:

Risk analysis, Process control, Risk Based Maintenance, FMECA, Action plan.