E JD Macs 09 Maintenance 1

Optimisation de la maintenance
(Zineb SIMEU-ABAZI du Laboratoire G-SCOP)

LA MAINTENANCE PRÉVISIONNELLE
méthodes et outils
Introduction
Les missions de la fonction maintenance
Intervenants L’évolution des besoins
1. Zineb SIMEU-ABAZI (GSCOP) Optimisation de la maintenance
2. Daniel NOYES (LGP)
3. Benoît IUNG (CRAN), Eric LEVRAT (CRAN) Méthodes et outils d’évaluation
4. Brigitte CHEBEL MORELLO (FEMTO), Rafaël GOURIVEAU (FEMTO)
5. Kondo ADJALLAH (LGIP), Eric LEVRAT (CRAN), A. VOISIN (CRAN)
JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009
Maintenance coopérative et distribuée (Daniel De la maintenance à la e-maintenance (Benoît

NOYES – François PERES) IUNG, Eric LEVRAT, Alexandre VOISIN)
L’évolution de la maintenance vers la e-

Définition des notions de coopération et maintenance – définitions
collaboration
Les composants technologiques supportant
Déploiement de la collaboration dans les la coopération et la collaboration
processus de maintenance
Impacts de ces technologies sur les
Modélisation des mécanismes de processus et services de maintenance
Collaboration/Distribution
Ingénierie des connaissances Diagnostic – Pronostic

(Brigitte CHEBEL MORELLO - Rafaël Gouriveau) (Kondo ADJALLAH - Eric LEVRAT- Alexandre VOISIN)
Définition des données d’information, de Techniques de surveillance des installations

connaissance et compétence industrielles
Informatisation des procédures de maintenance,
processus d’extraction des connaissances
Méthodes de diagnostic et pronostic des
Intégration de modules intelligents en architecture
défaillances et des dégradations
de maintenance Plateforme de e-maintenance Telma–
Principes de capitalisation de la connaissance démonstration à distance et web service
Illustration sur la plateforme de e-maintenance

Les missions générales de la fonction
maintenance
OPTIMISATION DE LA
ACTIONS CORRECTIVES
MAINTENANCE ACTIONS PREVENTIVES
La maintenance est l’ensemble des activités

Zineb SIMEU-ABAZI destinées à maintenir ou rétablir un bien
Laboratoire G-SCOP dans un état ou dans les conditions données
Polytech’Grenoble de sûreté de fonctionnement pour assurer
une fonction requise.
GARANTIR
FIABILITE, DISPONIBILITE, SECURITE
Les politiques de maintenance L’évolution de la maintenance
Té
e-M
lém
ain
ain
Pr
Co
Pr
Pr
ten
év
ten
oa
éd
rre
CORRECTIVE MIXTE PRÉVENTIVE

en
an
ict
cti
ct
an
en e
t
if
ce
if
nt pt d
if
ce
f
c
an
e
m once
C
ai
Systématique Prévisionnelle
Palliative Curative
60Maintenance d'une unité fonctionnelle, assuré par télécommunication
70 80 90
directe entre cette unité et un centre spécialisé.
2000 2005
Prédictive Concepts de fiabilité et durée de vie pris en compte de manière
intuitive et se limitaient à l’expérience
Maintenance acquise parsubordonnée
Prévisionnelle les concepteurs.
Aux préoccupations àinitiales
l’analyse dede fiabilité et de
t
Electricité: l’évolution
redondance surveillée de paramètres significatifs de la dégradation du
probabiliste
en
Aéronautique:
sécurité se sont rajoutées celles de disponibilité
em
Défaillance bien, permettant de retarder et de planifier les interventions.

Echéancier seuils Evolution des et de maintenabilité donnant ainsi naissance à une
én
E-maintenance
Ev
prédéterminés paramètres C’’est unvéritable

•Naissance de la revue “ IEEE Transaction science
au principede
on liéReliability
concept ” l’ingénieur
de web-services,nommée:“ Sûreté
de coopération et
e
de de des
partage Fonctionnement
fiabilité a été” admis
deconnaissances. (SdF) par l’académie
c
• En France, c’est en 1962 que le mot même

an
n
tio
en
des Sciences.
éra
int
• Vers 1965, est introduite une caractéristique à laquelle on attache de plus en plus
ma
Op
Dépannage Réparation Inspection Visite Contrôle

d’intérêt : la maintenabilité.
de
Un seul et même objectif :

Assurer un bon fonctionnement Relations entre fiabilité, maintenabilité,
disponibilité et sécurité
SECURITE
MAINTENABILITE
LA SCIENCE DES DÉFAILLANCES

LA SURETE DE CINDYNIQUE
FONCTIONNEMENT
FIABILITE
ALEATIQUE
Ensemble de méthodes et outils permettant d’améliorer
les performances d’un système face à l’occurrence
d’une défaillance
DISPONIBILITE PRODUCTIVITE
QUALITE
Etc. JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009
E/S de la maintenance PLAN
Objectifs (coût, délai,
qualité, efficacité, ...)
1. La sûreté de fonctionnement
➤ Fiabilité
MAINTENANCE
➦Coûts
2. Les méthodes d’analyse
Lois de dégradation Entretien
Lois de survie Réparation ➤Disponibilité 3. Les lois de survie
Rénovation
Politique et stratégie ➤ Qualité

Amélioration
…
4. Les processus stochastiques
Evénements (aléas,
perturbations , ... ) 5. La maintenance des systèmes
Modélisation Analyse Evaluation Décision
La sûreté de fonctionnement
PLAN
La sûreté de fonctionnement = Confiance
1. La sûreté de fonctionnement Aptitude à assurer un service spécifié: l ’absence ou évitement de danger,
l’aptitude à se comporter sans erreur, le niveau de confiance
3. Les lois de survie Aptitude à être remis en service dans
Fiabilité + Maintenabilité
Maintenabilité Aptitude
une à être en état de marche à un
durée donnée
4. Les processus stochastiques ⇓ Aptitude à ne un
instant donné
pasintervalle
présenter de
de temps
défaillance
ou pendant donné
Fiabilité
Disponibilité dans une durée déterminée
5. La maintenance des systèmes
Sécurité Aptitude à ne présenter aucun danger pour
les personnes, les biens et l ’environnement
Terminologie: faute erreur et défaillance*

Concepts liés à la SdF Matériel: Carte
Faute corrosion interne dans un composant X Faute
Faute, défaut, erreur, défaillance, ⇓ Erreur
erreur humaine, panne, ... Erreur court-circuit entre deux broches

⇓
Défaillance délivrance d’un ordre erroné Défaillance
Sécurité
Disponibilité ⇒ Fiabilité Logiciel
Instruction 1
⇒ Maintenabilité Evènement : Défaillance Instruction 2
Instruction 3
…
Changement d ’état : Erreur If α = 3 then
Éviter ou absorber les fautes ⇒ Construire Jump Instruction i

If a = 1 then …..
faute
…..
Éliminer ou prévenir les erreurs ⇒ Maintenir Origine de l’erreur : Faute Instruction i
erreur
Instruction k
Gérer ⇒ Surveiller/ Superviser Instruction l
….
end Défaillance
* J.C. LAPRIE, "Sûreté de fonctionnement des systèmes informatiques et tolérance aux fautes : concept de base", TSI, 4, n°5, 419-429, 1985.
Définitions de la SdF Risque
Sûreté de fonctionnement 2 Dimensions
Aptitude à assurer un service spécifié: l ’absence ou évitement de danger, l’aptitude à se
comporter sans erreur, le niveau de confiance
Sécurité
Probabilité x Conséquence
+ Disponibilité
Aptitude à être en état de marche à un instant donné
ou pendant un intervalle de temps donné
Logistique de
Fiabilité + Maintenabilité +
Aptitude à ne maintenance
présenter aucun Aptitude à ne pas Risque d'accident
danger pour les présenter de
Aptitude à être remis Définition Très
en service dans une Politique et
personnes, les biens défaillance dans moyens de générale
durée donnée
et l ’environnement une durée maintenance Risque économique
déterminée
Risque Global Exemple

On considère un système qui fournit l’alimentation électrique de 2 calculateurs en
Gravité redondance active.
ue
hiq B défaillance des éléments sensibles
ast
r op C A
Modification Probabilité
cat impérative disjoncteur (dimensionnement du fusible)
ue
tiq fusible
cr i
D source
Rien à changer
Risques
t if Transformateur
ica
nif 1 et 2
sig
eur étude des conséquences dues à

min Conséquence l’échauffement du fusible
alimentation de 2 calculateurs en (mineur, significatif, critique,…)

redondance
10-6 10-5 10-4 10-3 10-2 10-1
Probabilité
JD -MACS– ANGERS 2009
*Alain VILLEMEUR. — Sûreté de fonctionnement des systèmes industriels, Fiabilité - Facteurs Humains - Informatisation, Édition Eyrolles, Paris,
1988. JD -MACS– ANGERS 2009
Attributs Les besoins de sûreté

de la Systèmes à mission Systèmes dangereux Systèmes industriels à
SdF de sauvegarde à mission unique

(systèmes de détection :
d ’incendie, toxique)
mission prolongée
(Fusée, missiles, ...) (systèmes de production)
Sécurité hors Sécurité (/personnes, biens

prêt à l'utilisation évitement de et environnement)
Rétablissement et conséquences
Fiabilité absolue mission
continuité Prévention catastrophiques ou à défaut (ne pas exploser !…) + Disponibilité
Sécurité positive + (fiabilité + maintenabilité)
Fiabilité mission •Systèmes tolérants les arrêts :
( sécurité orienté vers
( fonctionner à la réparables
DISPONIBILITE l ’alarme: très sûr mais
•Systèmes à très haute disponibilité
MAINTENABILITE non fiable) demande car non
(tolérants les pannes)
réparable en mission)
FIABILITE SECURITE
Quantification : Temps moyens
Classification des défaillances
FIABILITE MAINTENABILITE DISPONIBILITE
aptitude à accomplir une fonction aptitude à être rétablie aptitude à être en état à un instant
pendant une durée donnée donné.
Quand ? Pendant la
Quand ? Jusqu'à la défaillance Quand ? Durant le cycle de vie
défaillance
Mesure MTTF Mesure MUT
Mesure MTTR
MUT/ MTBF
Moyenne des Temps de
Bon Fonctionnement (MTBF)
Mean Time Between
Mean Time
Mean Time Mean Failure
Mean Up
≠
To Failure
To Repair DownTime Time Moyenne des
MTBF Temps de Bon
MTTF MDT MUT Fonctionnement
MTTR
t=0 1ère remise en 2ème temps

défaillance service défaillance
Quantification : Probabilités
PLAN
LA FIABILITE (Reliability)
C'est l'aptitude d'un élément E à accomplir une fonction requise dans des conditions
données, pendant une durée donnée. 1. La sûreté de fonctionnement
R(t) = Pr[ E non défaillant sur [0, t]]
LA MAINTENABILITE (Maintenability)
C'est l'aptitude d'un élément E à être rétablie dans un état dans lequel il peut accomplir une 3. Les lois de survie
fonction requise.
M(t) = Pr[ E est réparé sur [0, t]] 4. Les processus stochastiques
LA DISPONIBILITE (Availability) 5. La maintenance des systèmes
C'est l'aptitude d'un élément E à être en état d'accomplir une fonction requise dans des
conditions données, et à un instant donné.
A(t) = Pr[ E non défaillant à l'instant t]
Analyse des modes de défaillances et de leurs

Des méthodes et Outils effets (AMDE)
• ANALYSE FONCTIONNELLE
Objectif
Analyses • ANALYSE PRELIMINAIRE DES RISQUES Identifier les modes de défaillances ayant d ’importants effets sur la
Qualitative • AMDE(C) disponibilité, la fiabilité, la maintenabilité ou la sécurité de ce
& • HAZOP système.
• BLOCS DIAGRAMMES FIABILITE
Quantitative Évaluer les effets de chaque mode de défaillance des composants
• ARBRES DE DEFAILLANCES
• APPROCHE MARKOVIENNE d’un système sur les différentes fonctions de ce système
• RESEAUX DE PETRI
• METHODES FORMELLES
• …..
Elaboration
Définition du système, de ses fonctions et de ces composants.
Traitement • REX
• EXPLOITATION DE DONNÉES STATISTIQUES
Établissement des modes de défaillance - de leurs causes- des
des Données
• METHODES BAYESIENNES composants.
• …..
Étude des effets des modes de défaillance
JD -MACS– ANGERS 2009 Conclusions et recommandations. JD -MACS– ANGERS 2009
AMDEC
AMDE
Extension AMDE ➙ AMDEC
Système __________________ Sous-système ____________________
AMDEC : Analyse des Modes de Défaillance, de leurs Effets et de leur Criticité Conséquences
Ref. Type Fonction Mode Causes Détection Commentaires
de Déf. Syst. Envir° P G
Elaboration: AMDE + l’analyse de criticité (couple probabilité - gravité)

Cause Effets
Probabilité
Très faible faible moyenne forte
gravité
Effets mineurs
Effets significatifs
Effets critiques
Effets catastrophiques
Exemple d’application - AMDE

Un systè
système permet à un opé opérateur de commander à distance le fonctionnement du moteur à courant
continu. L’L’opé
opérateur appuie sur le bouton poussoir BP provoquant ainsi l’
fermeture du contact associé
associé et l’
l’alimentation électrique du moteur. Lorsque l’
l’excitation du relais, la
l’opé
opérateur relâche le
AMDE
bouton poussoir, le moteur s’ s’arrête. Un fusible permet de protéprotéger le circuit électrique contre tout
court-
court-circuit. On suppose que le fil AB traverse une zone où où se trouve des vapeurs inflammables : on
admet qu’
qu’une APD a montrémontré que l’él’év
’événement indé
indésirable à éviter est la surchauffe du fil AB. Le Composants Mode de défaillance Causes Effets
systè
système est conçconçu pour faire fonctionner le moteur pendant un temps trè très court; on admet ainsi
qu’
qu’un fonctionnement prolongé
prolongé de ce moteur peut entraî entra îner sa destruction par suite d’ d’un
échauffement du moteur et de l’ l’apparition d’d’un court circuit. On admet également qu’ qu’aprè
après
l’apparition d’
d’un courant élevé
levé dans le circuit dû dû à un court-
court-circuit, le contact du relais reste collé
collé Bouton poussoir
même aprè
après dédésexcitation du relais. Dans un soucis de simplification, on ne tient tient pas compte des
sources d’é
d’énergie
’énergie et de leurs éventuelle dé défaillances. De même l’ l’analyse ne porte que sur le bouton
(B.P)
poussoir, le relais, le fusible et le moteur et on ne considconsidèère pour ces composants qu’ qu’un ou deux
modes de dé défaillance.
Relais
B.P. Batterie Fusible
Fusible
Moteur
Batterie Relais M Moteur
A B
Vapeurs inflammables
fil JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009
Analyse Préliminaire des Risques APR ou APD

ou Dangers (APR ou APD) Sous-système ou fonction ________________ Phase _______________
Objectif Cause Elément dangereux

Identifier les dangers (risques) d’une installation industrielle et ses causes
Evénement causant
Evaluer la gravité des conséquences liées aux situations dangereuses et aux Situation
une situation
accidents. dangereuse
dangereuse
Système ou Phase Entité Evt causant unesituation Evt causant Accident Effets ou Classif Evénement causant un Accident
dangereuse situation dang dangereuse un accident Mesures
fonction potentiel conséquences ication préventives accident potentiel potentiel
potentiel
Identifica Modes identifi Evénement
tion de d’utilis cation
indésirable Effets Conséquences Gravité
l ’ensem. ation
Cette méthode peut-être orientée vers les aspects liés à la sécurité des Application
Mesures
installations. Elle permet de définir des entités à analyser en détail ou des des mesures
préventives
événements indésirables dont il faut rechercher les causes. préventives
HAZOP
Système ______________________Sous-système ____________________
Cause Effets
Cause Paramètre Du particulier Au général
Déviation
Raisonnement Beaucoup de
Cause de la déviation résultats
INDUCTIF triviaux ou parasites
Conséquences
Effets Détection Explosion

combinatoire
Action
correctrice
Défaillances simples
JD -MACS– ANGERS 2009 uniquement JD -MACS– ANGERS 2009
Effet Causes Méthode de l'Arbre des

Du Général Au Particulier Défaillances (AdD)
C’est une des représentations de plus en plus utilisée de la logique d’un système. Elle
est connue aussi sous les noms d’arbre des défauts, d’arbre des causes ou d’arbre des
fautes.
On part d’un événement indésirable unique et bien défini qui correspond au non
Raisonnement fonctionnement d’un système et l’arbre de défaillance représentera graphiquement les
combinaisons d’événements qui conduisent à la réalisation de cet événement
DEDUCTIF indésirable (méthode déductive).
E3
Explosion X1 X2
ET
Résultats focalisés sur
combinatoire E S
ce que l'on cherche E1 E2
maîtrisée AdD
X3 X4
ou ou
Combinaisons de
AdD défaillances X1 X2 X3 X4
Exemple 1 Exemple 2
On considère un système qui fournit l’alimentation électrique de 2 calculateurs en
redondance active. Circuit de Pompage
Événement indésirable: non alimentation simultanée des 2 calculateurs.
Non alimentation simultanée des P1 (50%)

2 calculateurs
disjoncteur
Entrée Ligne 1 Sortie
Panne des 2 P2 (50%)

Transformateurs
source Non alimentés
transformateurs V2
V1
Transformateur
1 et 2 AdD
A3 A4
P3 (100%)
Panne du Panne du
transformateur 1 transformateur 2
Ligne 2
alimentation des 2 calculateurs en A1 A2
redondance Panne de Panne du
la source disjoncteur V3
*Alain VILLEMEUR. — Sûreté de fonctionnement des systèmes industriels, Fiabilité - Facteurs Humains - Informatisation, Édition Eyrolles, Paris,
1988. JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009
ARBRE DE DEFAILLANCES -(AdD)- AdD – analyse quantitative
Effet
ie
rt
1,2.10-5
So
Evaluation
Evénement
Evénement DEBIT< 100 % Données: λ pompes = 10-3
1
1 DEBIT< 100 %
ne
indésiré
indésiré
Lig
V2
λ vannes = 10-5
2
Porte OU
ne
Direction de l' analyses
2.10-6
Lig
%)
10-5
V3
(50
%)
V1 Défaillante fermée Lignes Défaillantes

P1
(50
2 V1 Défaillante fermée Lignes Défaillantes

)
0%
P2
(10
Porte ET
P3
201.10-5 101.10-5
e
V1
t ré
Ligne 1 Défaillante
En
3 Ligne 1 Défaillante Ligne 2 Défaillante Ligne 2 Défaillante
4 10-5 10-3 10-3
V2 Défaillante P2 Défaillante P3 Défaillante V2 Défaillante P2 Défaillante P3 Défaillante

5 fermée
fermée 10-5
10-3
V3 Défaillante V3 Défaillante
Causes P1 Défaillante P1 Défaillante fermée
fermée
Exemple 3 Diagramme de fiabilité

C’est la représentation la plus naturelle de la logique de fonctionnement d’un système. Dans cette
représentation, les blocs représentant des éléments (matériels ou événements) ou des fonctions
dont la défaillance entraîne la défaillance du système sont placées en série, ceux dont la
défaillance ne provoque la défaillance du système qu’en combinaison avec d’autres blocs sont
disposés en parallèle sur ces derniers.
source
E1 E2 E1
V2 V1 LS E S
HH
a- Diagramme série
S
LSH
E1 E3 E E2
E4 S
réservoir E
services b- Diagramme parallèle
E2 E5
V3 consommateurs
c- Diagramme complexe
Le système fonctionne s’il existe un chemin de succès entre l’entrée et la sortie du diagramme de
évacuation fiabilité. La liste des chemins de succès permet donc de représenter l’ensemble des états de marche
du système.
Évènement indésirable : débordement du réservoir Une coupe est un ensemble d'éléments dont la défaillance entraîne la panne du système. Une coupe
JD -MACS– ANGERS 2009
minimale est une coupe ne contenant aucune autre coupe. JD -MACS– ANGERS 2009
Diagramme de fiabilité - Coupes

Entrée
P1 (50%)
Sortie
Exemple d’application
Ligne 1
P2 (50%)
V2
V1 D.D.F.
La figure ci-dessous représente un schéma simplifié d’une alimentation électrique*.
P3 (100%) L’alimentation principale (380kV) peut-être secourue en cas de défaillance par le réseaux
Ligne 2
V3
auxiliaire (220kV) et par les deux diesels. On dira que l’on a la fonction alimentation
Coupe non minimale électrique si l’un des deux jeux de barres HA ou HB est sous tension.
Coupe minimale
Alimentation principale Réseau auxiliaire
(380kV) (220kV)
P1 P2 V2
Transformateur
Transformateur
principal
auxiliaire
V1 Sortie
Entrée
GD
P3 V3 GA GB GC
Diesel 1 Diesel 2
~ ~
Ordre 1 {V1} HB
Analyse Qualitative HA
Schéma d’une alimentation électrique
Ordre 2 {P1.P3, P2.P3, V2.V3 , P1.V3, P2.V3, P3.V2}
* A. PAGÈS, M. GONDRAN. — Fiabilité des Systèmes., Édition Eyrolles, 1980,
Diagramme de fiabilité: Exemple
Schéma d ’une alimentation électrique
E
Alimentation principale Réseau auxiliaire
(380kV) (220kV)
1
3 1 2 4
2
Transformateur
principal Transformateur
auxiliaire
5 7 6 8
5 7 6 8
GD
GA GB GC
Diesel 1 Diesel 2 9 10
~ ~
3 9 10 4
HB
11 12
HA 11 12
JD -MACS– ANGERS 2009 S JD -MACS– ANGERS 2009
Cas de dépendance des éléments: panne commune Autre dépendance entre les éléments
E
Défaillance de l’élément 1 si l’élément 11 est défaillant
13 Élément
3 fictifs 4 E
1 2 11
3 4
1 2
5 7 6 8
5 7 6 8
9 10
9 10
11 12 11 12
S JD -MACS– ANGERS 2009 S JD -MACS– ANGERS 2009
Coupes minimales Du DdF à l’AdD

E3
et
E1 E3 chemins E1 E 2 E 3 E 4 E 5 X1 X2
E1 E2
1 1 0 1 0 0 E S
AdD
E
E4 S 2 1 0 0 1 0 ou ou
X3 X4
E2 E5 3 0 1 0 0 1 X1 X2 X3 X4
4 0 1 0 1 0
E3 = (X1 + X 2)(
. X3 + X4 )
che min s X1 X 2 X3 X 4
Chemins de succès : Coupes minimales :
1 1 1 0 0
E1 E3, E1E4, E2E5, E2E4 E1 E2, E3E4E5, E1E4E5 , E2E3E4
E3 = (X1.X3 + X2.X3 + X1.X4 + X2.X4)
2 0 0 1 1
Coupes minimales :
X1X3, X1X4, X2X3 , X2X4
Example : Diagramme de fiabilité
Calcul de la disponibilité 6 7
10-3 3.10-3
9
310-3 4 5
• Cas simples - systèmes cohérents 10-3
3.10-3
8
10-2
10-3
Définition : Un système est dit cohérent si :
• la panne de tous E1 les composant E2 entraîne la ⇒panne du système, E3 E
12 -2
• le fonctionnement de tous les composants entraîne le fonctionnement du système, 1 2
10
21-3 S
10-7 10-7 10 11
• lorsque le système q1(t) est en panne,
q2(t) aucune défaillance supplémentaire
q3(t) = q1(t) . q2(t) ne rétablit le 10-2 10-3
14-3
10
10
fonctionnement du système, 13 -1
10
• lorsque    
q 3( t )le= 1système
− q ( t ). q est
1 2
( t ) =en
1 − fonctionnement,

1 − q ( t )  1 − q ( t )  aucune
1  2  1
réparation
≈ q (t ) + q
2
( t) n'induit la panne du
système, 16
3.10-3
17 18
3.10-3 10-2
15
10-3
q1(t) 20-3
10
E1 19
3.10-3
⇒ E3
E2 1 – q3(t) = (1 – q1(t))(1 – q2(t) Evaluer la disponibilité de ce système sachant que l’indisponibilité de chaque
composant est la suivante
q2(t)
q3 (t) = q1(t) . q2 (t)
(1,2) =10-7 ; (5,7,16,17,19) = 3 10-3 ; (3,4,6,8,11,14,15,20,21)= 10-3; (9,10,12,18 ) = 10-2; (13)= 10-1;
Calcul de la disponibilité Calcul de la disponibilité

F: défaillance
• Cas complexes • Cas complexes

chemins E1 E 2 E 3 E 4 E 5
E1 E3 1 1 0 1 0 0 E1 E3
2 1 0 0 1 0
E
E4 S 3 0 1 0 0 1 E
E4 S E1 E2
E2 E5 4 0 1 0 1 0 E2 E5 E3 E4 E4 E5
Chemins de succès : Coupes minimales : Chemins de succès : F= (E1+E3.E4). (E2+E5.E4)

E1 E3, E1E4, E2E5, E2E4 E1 E2, E3E4E5, E1E4E5 , E2E3E4 E1 E3, E1E4, E2E5, E2E4 F = E1 E2 ou E3E4E5 ou E1E4E5 ou E2E3E4
Coupes minimales
Q(t) = q1( t ).q 2( t ) + q 3( t ).q 4( t )q 5( t ) + q1( t ).q 4( t )q 5( t ) + q 2( t ).q 3( t )q 4 ( t )
Q(t) = q1( t ).q 2( t ) + q 3( t ).q 4( t )q 5( t ) + q1( t ).q 4( t )q 5( t ) + q 2( t ).q 3( t )q 4 ( t )
Fiabilité d’un système en fonction de Fiabilité d’un système en fonction de

celles de ses composants(1) celles de ses composants(2)
• Système à structure série • Système à structure parallèle
E1 E2 E2 En
E1 R(t) = Pr[M1(t) ∪ M2(t) ∪ M3(t) ∪ … ∪ Mn(t))
E S
Ou
On note Mi(t) l'événement "l'élément i fonctionne à l'instant t", la fiabilité R(t) du système s'écrit : E2
R(t) = Pr[M1(t) ∩ M2(t) ∩ M3(t) ∩ … ∩ Mn(t)) S R(t) = 1 - Pr[P1(t) ∩ P2(t) ∩ P3(t) ∩ … ∩ Pn(t))
n
Lorsque les événements Mi(t) sont indépendants : R(t ) = ∏ R i (t ) E

i =1
En
Si l'on considère l'événement Pi(t) / "l'élément i est défaillant à l'instant t", la fiabilité R(t) du n n
système s'écrit : R(t) = 1 - Pr[P1(t) ∪ P2(t) ∪ P3(t) ∪ … ∪ Pn(t)) R( t ) = 1 − ∏ Fi (t ) = 1 − ∏ [1 − R i (t )]
i =1 i =1
n n
donc F(t ) = 1 − ∏ R i (t ) = 1 − ∏ [1 − Fi (t )]
i =1 i=1

Fiabilité d’un système en fonction de Fiabilité d’un système en fonction de
celles de ses composants(3) celles de ses composants(4)
• Cas des systèmes à configuration mixte • Cas des systèmes à configuration mixte
E1 E1
Chacune des p branches
E2
E2 E2 comporte ni éléments en
série.
En
En En
Etage n:
Etage 1: Etage 2: Pn éléments
P1 éléments P2 éléments en redondance
en redondance en redondance
n  Pi 
R ( t ) = ∏  1 − ∏  1 − R ij ( t )  

( )
p ni
Rij représente la fiabilité du j-ième R ( t ) = 1 − ∏  1 − ∏ R ij ( t ) Rij représente la fiabilité du j-ième
i =1  j =1
  élément de l'étage i. i=1  j= 1  élément de la branche i.

Exemple d’application
PLAN
Soit un système constitué de 5 1 3
composants, suivant le schéma ci-contre
de fiabilité Ri(t) (i=1,…,5). Quelle est la 4 1. La sûreté de fonctionnement
fiabilité de ce système?
2 5 2. Les méthodes d’analyse
3. Les lois de survie
Rb1 = R1.R3
1 3
1
4 Rb2 = R4.(1-(1-R1 )(1-R2)) 5. La maintenance des systèmes

2
2 5 Rb3 = R2.R5
R(t)= 1-(1-Rb1 )(1-Rb2) )(1-Rb3)

Les indicateurs
Exploitation des données statistiques Le taux de défaillance (λ λ) et la moyenne des temps de bon fonctionnement (MTBF) sont les deux principaux
indicateurs de sûreté utilisés dans l’industrie. Ils sont déterminés de façon théorique ou statistiquement.
Pour évaluer la fiabilité d'un produit, il est nécessaire de savoir
Taux de défaillance nombre total de défaillanc es pendant le service
comment il devient défaillant dans le temps λ=
durée totale de fonctionne ment
Unités : nbre de défaillances par unité de temps
LA LOI DE SURVIE somme des temps de bon fonctionne ment entre les n défaillanc es
La MTBF MTBF =
nombre des temps de bon fonctionne ment
ou
Remarque : si λ est constant la MTBF = 1/λ
λ
FONCTION DE DÉFAILLANCE
Le comportement d'un dispositif d'un âge donné dans le futur Exemple : un compresseur industriel a fonctionné pendant 8000h en service continu avec 5 pannes
immédiat dont les durées respectives sont : 7;22; 8,5; 3,5 et 9u.t. Calculez la MTBF ?
5 8000 − ( 7 + 22 + 8 ,5 + 3 ,5 + 9 ) 8000 − 50
λ= = 6,25 10− 4 MTBF = = = 1590
8000 5 5
Si λ est supposé constant:

LE TAUX DE DEFAILLANCE 1 1
λ= = = 6,289 10 − 4
JD -MACS– ANGERS 2009 MTBF 1590 JD -MACS– ANGERS 2009
Courbe de variation du taux de Détermination expérimentale de la loi de
défaillance survie et du taux de défaillance
Les modèles mathématiques choisis pour modéliser la fiabilité devront Les résultats ci-dessous concernent un essai de N0 = 200 lampes placées sur un banc
λ(t) bien sûr répondre aux exigences des lois de probabilité, mais d'essai.
satisfaire aussi aux différentes variations des fonctions λ.
Durée d’essai 0 100 200 300 400 500 600 700 800 900 1000 1100 1200
(h)
Nb de 200 190 188 187 186 184 180 162 99 46 18 6 0

survivants
Période de vie utile Période d’usure

Période de jeunesse Toutes les 100h, on note le nombre N(t) de lampes qui fonctionnent encore. Pour
t
chaque durée de fonctionnement t, on calcule la fiabilité du lot de lampes essayées :
Le taux de défaillance Le taux de défaillance reste à peu près R(t) = N(t) / N 0.
Le taux de défaillance croit
décroît constant, les pannes se produisant durant
rapidement, les pannes sont
il correspond à des défauts cette période semblent dues au hasard.
de jeunesse
dues à des défauts d’usure.
Fiabilité R(t) d'un lot de lampes en fonction de la
durée d'essai t ou loi de survie.
Densité de probabilité des durées de

Fiabilité R(t) ou loi de survie vie.
Durée 0 100 200 300 400 500 600 700 800 900 1000 1100 1200 Prenons une pièce neuve. La probabilité qu’elle tombe en panne entre l’âge t et l’âge t+dt
d’essai (h)
est égale à : f(t)dt
Nb de 200 190 188 187 186 184 180 162 99 46 18 6 0
survivants avec f(t) : densité de probabilité des durées de vie
R(t) 1 0,95 0,94 0,935 0,93 0,92 0,9 0,81 0,495 0,23 0,09 0,03 0
On montre que f(t) est la dérivée de la probabilité de défaillance avant l’âge t:
t
F(t)dt est appelé fonction de répartition des durée de vie ou des
Fiabilité R(t) ou loi de survie F(t ) = ∫ f (u )du temps jusqu’à défaillance. C’est le complément à 1 de la probabilité
1,2 0 de survie (ou fiabilité) R(t).
t ∞
dR (t )
R (t ) = 1 − F(t ) = 1 − ∫ f (u )du = ∫ f (u )du f (t ) = −
1
donc
0,8 0 t dt
On calcule approximativement la densité de probabilité pour l’intervalle de durée de vie
0,6 R(t) s’étendant de ti-1 à ti par :
1 N( t i − 1 ) − N( t i )
R ( t i − 1 ) − R( t i ) f (t ) =
f (t ) = f (t i−1 < t < t i ) =
0,4
N0 t i − t i −1
0,2
t i − t i −1
N(ti) étant le nombre de survivants pour une durée de vie ti
ni
0
et ni = N(ti-1) - N(ti) : nb de défaillants dans le ième intervalle f (t ) =
N 0 ∆t i
0 100 200 300 400 500 600 700 800 900 1000 1100 1200
temps (h)
∆ti = ti - ti-1 : durée du ième intervalle
Densité de probabilité f(t) Taux de défaillance

Prenons maintenant une pièce ayant servi pendant une durée t et encore survivante. La
Densité de probabilité f(t) probabilité qu’elle tombe en panne entre l’âge t qu’elle a déjà et l’âge t+dt est représentée
par : la probabilité conditionnelle qu’elle tombe en panne entre l’âge t et t+dt, sachant qu’elle
0,00350
a survécu jusqu’à t. f(t)dt
 
Pr  S tombe en panne entre t et t + ∆ t et S non défaillant sur [0 , t ]
0,00300
Pr(A /X ) = Pr(A ∩ X) / Pr (X) λ(t) =  

 
Pr  S non défaillant sur [0, t ]
0,00250
  R(t)
0,00200
Donc λ(t) dt = f(t) dt /R(t) f (t ) 1 dR (t )
f(t)
avec λ(t) : taux de défaillance de la pièce à l’âge t. λ (t ) = =− .
0,00150 R( t ) R(t ) dt
On calcule approximativement le taux de défaillance pour l’intervalle de durée de vie
0,00100
∆ti par la fiabilité
s’étendant de ti-1 à ti en divisant la densité de probabilité f(t) = ni/N.∆
moyenne R(t) dans cet intervalle ( R(t) = (R(ti-1)+R(ti))/2) :
2[N(t i −1 ) − N(t i )]
0,00050
2n i
λ (t ) = =
0,00000
0 100 200 300 400 500 600 700 800 900 1000 1100 1200
[N(t i −1 ) + N(t i )](t i − t i−1 ) [N(t i −1 ) + N(t i )]∆t i
temps (h)
∆ti/2 représente la durée de

Remarquant que T’i = [N(ti-1)+ N(ti)]∆ ni
fonctionnement total des pièces survivantes pendant l’intervalle ∆ti, on λ (t ) =
JD -MACS– ANGERS 2009 peut écrire : T'
JD -MACS– ANGERSi 2009
Taux de défaillance λ(t) Application
taux de défaillance Les résultats suivants sont obtenus sur un banc d’essai de N0 = 40 moteurs.
0,025
intervalle 0à 1 000 à 2 000 à 3 000 à 4 000 à 5 000 à
d’observation 1 000 h 2 000 h 3 000 h 4 000 h 5 000 h 6 000 h
0,020
Nombre de 1 4 7 12 11 2
défaillance
Nombre de 39 35 28 16 5 3
0,015
survivants
taux de défaillance
fiabilité 0,975 0,875 0,7 0,4 0,125 0,075
0,010
R(t)
Densité de 0,000025 0,0001 0,000175 0,0003 0,000275 0,00005
probabilité f(t)
0,005
Taux de 2,5641E-05 0,000114286 0,00025 0,00075 0,0022 0,000666667
défaillance
0,000
λ(t)
0 100 200 300 400 500 600 700 800 900 1000 1100
Théorèmes et Relations fondamentales Exemple de loi relative à une v.a


Pr  S tombe en panne entre t et t + ∆ t et S non défaillant

sur [0, t ]
discrète finie
Taux de panne: λ  
Λ (t ) = Lim ∆t
=
 
La loi binomiale : Avec ce type de loi, nous nous intéressons à des épreuves
∆t → 0
Pr  S non défaillant sur [0, t ] aléatoires ne comportant que deux issues. Par exemple, en contrôle de fabrication une
 
R' (t ) R' (t ) pièce sera déclarée bonne (succès) ou défectueuse (échec).
Sachant que: λ (t) = − ⇒ = − λ ( t ) avec R ( 0 ) = 1
R (t ) R (t )
t
R ' (u )
t t
Définition Soit une suite binomiale de n épreuves où, pour chaque épreuve, la
donc ∫
0
R (u )
.du = − ∫ λ ( u ).du ⇒ ln R ( t ) = − − ∫ λ (u ).du
0 0
probabilité d’un succès est p et la probabilité d’un échec est q = 1- p.
Soit X la v.a donnant le nombre de succès en n épreuves. Sa loi de probabilité
 t   t  est appelée loi binomiale. Elle est définie par :
R ( t ) = exp  − ∫ λ ( u ).du  et F ( t ) = 1 − exp  − ∫ λ ( u ).du 
 0   0 
P (X = k ) =
k k n−k
De même pour le taux de réparation:

C p qn
Les deux nombres n et p sont appelés les paramètres de la loi binomiale.
 
Pr  S réparé entre t et t + ∆ t et S défaillant sur [0 , t ]
µ   On démontre que pour une v.a X suivant une loi binomiale de paramètre n et p :
Μ (t ) = Lim ∆t =  
Pr  S défaillant sur [0, t ] E(X) = n.p et V(X) = n.p.q ; d’où σ(X) = (n.p.q)1/2
∆t → 0
 
Exemple d’application Loi de poisson

Une machine fabrique des tiges d’acier. une étude statistique préalable indique que la fréquence des tiges ayant une
longueur trop petite ou trop grande pour être jugées bonne est 0.06. On dispose d’un lot de tiges fabriquées par cette
Dans le cas où le nombre d ‘expériences est élevé, on fait une approximation de la loi binomiale de
machine. On fait l’expérience suivante : on tire au hasard n fois une tige de ce lot (tirage avec remise). Soit X la variable paramètre n et p par une loi de Poisson de paramètre np = λ .
aléatoire qui, à cette expérience, associe le nombre de tiges non conformes obtenues. On assimilera la fréquence
La loi de poisson de paramètre λ est la limite de la loi binomiale quand n→ +∞ et n.p = λ
d’apparition d’une tige non conforme, à la probabilité de cet événement.
1° Montrer que X suit une loi binomiale
2° Donner, dans le cas n = 4, la loi de probabilité de X. Définition Une v.a discrète infinie X étant donnée, à valeurs dans N, on sait que (X = n)
désigne un événement dont la probabilité de réalisation est notée P(X = n). On dit que X
est une variable de Poisson de paramètre λ ( où λ est un réel strictement positif donné)
L’épreuve qui consiste à prélever une tige dans le lot conduit à deux alternatives :
si, pour tout k entier :
un succès (S = « la pièce est défectueuse » avec une probabilité p = 0.06)
λ
k
P (X = k ) =
k k n −− k
ou un échec (S = « la pièce est bonne » avec une probabilité q = 0.94).

C p q
n
P(X = k ) = e
−λ
L’expérience consiste à répéter n fois cette épreuve avec indépendance d’une épreuve par rapport aux
k!
autres . Donc loi binomiale de paramètres n et p = 0.06. L’espérance mathématique et la variance de la loi de Poisson sont toutes égales à λ
Valeur k de X 0 1 2 3 4 Exemples
- le nombre d’anomalies dans des produits fabriqués en grande quantité
P(X = k) (0.94)4 4(0.06) (0.94)3 6(0.06)2 (0.94)2 4(0.06)3(0.94) (0.06)4
- le nombre d’appels téléphoniques dans un standard dans un intervalle de temps donné
La fonction de répartition (probabilité d’avoir au plus k=2 pièces défectueuses) sera : - …
4 De façon générale, les nombres associés à des phénomènes aléatoires dépendant du temps où les
∑ C (0 .06 ) (0 . 94 )
4− i
= 8 .25 ⋅ 10 − 4
i i
4 événement sont indépendants des événements antérieurs.
i= 3
Loi exponentielle Loi de Weibull
Si on considère des systèmes ne présentant pas de phénomènes d’usure et pour Cette loi est très intéressante car elle permet
lesquels les défauts de jeunesse sont inexistants, il faut envisager une loi dont le
de représenter un grand nombre de
taux de panne est une fonction contante loi exponentielle
distribution expérimentale.
Elle dépend de 3 paramètres.
 t 
R ( t ) = exp  − ∫ λ ( u ).du  Comme λ(t) = λ pour tout t positif, alors
 0 
 t 
[ ]
R ( t ) = exp  − ∫ λ .du  = exp − λ [u ]t0 = exp [− λ t ]
 0 
Taux de défaillance:
Sachant que la densité de probabilté est: f ( t ) = λ e − λt
+∞ +∞
1
∫ tf ( t )dt = ∫ λ te
− λt
MTBF = dt =
0 0 λ
Loi de Weibull Loi de Weibull
Effet du paramètre de forme Effet du paramètre d'echelle
β η
Relations entre F (t ), R (t ), f (t ) et λ (t)

Loi de Weibull
Effet du paramètre de position
Taux de défaillance pour

la loi Exponentielle et la loi de Weibull

La maintenabilité
La maintenabilité est la mesure de l’aptitude d’un dispositif à être maintenu ou
PLAN
remis dans des conditions spécifiées lorsque la maintenance de celui-ci est
réalisée par des agents ayant les niveaux spécifiés de compétence, utilisant les
procédures et les ressources prescrites, à tous les niveaux prescrits de maintenance
et de réparation 1. La sûreté de fonctionnement
M (t ) = Pr (la maintenance de E est achevée au temps t) = 1 – P (E non réparée sur la durée [0, t ])
 
Pr  S réparé entre t et t + ∆ t et S défaillant sur [0 , t ]
Μ (t ) =
µ
Lim ∆ t =

 
 3. Les lois de survie
défaillant sur [0 , t ]
∆t →0
Pr  S
 
∞ ∞
MTTF = ∫ R (t ).dt MTTR = ∫ (1 − M (t ) )dt
0 0 5. La maintenance des systèmes
1 dR (t ) 1 dM (t )
λ (t ) = − . µ (t ) = .
R (t ) dt 1 − M (t ) dt
dR (t ) dM (t )
f (t ) = − g (t ) =
dt dt
Graphe des états ou graphe de Du calcul ANALYTIQUE

à la SIMULATION
Markov
Analytique
On considère un système formé de deux éléments identiques Approche MARKOVIENNE
en parallèle. Lorsque les deux éléments fonctionnement, ils
Réseau de file d’attente
ont chacun un taux de défaillance λ. Lorsque l'un des deux
éléments tombe en panne, l'autre admet alors un taux de
défaillance plus grand λ' > λ. Il n'y a pas plus qu'un
réparateur et le taux de réparation est µ..
Simulation
RESEAUX de PETRI
RESEAUX DE FILE D’ATTENTE
PROCESSUS STOCHASTIQUES Autre langage dédié
Domaine d'utilisation pour les Calculs de disponibilité et

PROCESSUS STOCHASTIQUE
de fiabilité
Evolution des états
en fonction du temps RIGOUREUX F1
Délais BONNES APPROXIMATIONS
APPROXIMATIONS DOUTEUSES
ETATS aléatoires
SYSTEMES A
ADD PS COMPOSANTS
PS ADD INDEPENDANTS
E1
E2 F2
E3
PS PS SYSTEMES A
ADD ADD ?? COMPOSANTS
DEPENDANTS
SYSTEMES NON SYSTEMES

REPARABLES REPARABLES
En
T1 T2 T3 T4 Tn
TEMPS Productivité PS dans tous les cas

Approche Markovienne - exemple simple Construction du Diagramme de Markov
Pompe 1 P1
100%
1 Choisir un événement
2
Identifier les états Choisir un
E3
Entrée du systèmes "état courant" faisant changer d'état:
100% Sortie
P1 Défaillance de P1
Pompe 2 P2 λ1 P2
Prioritaire
P1
3
MARCHE
P1 P2 SUCCES ETATS Créer l'état s'il n'existe
Circuit de Pompage:
P2 pas encore
1 1 1 E1
- 2 Pompes à 100%
1 0 1 E1 λ2
- une seule équipe de E2
réparateurs
0 1 1 E3 P1 4
0 0 0 E4 dessiner la transition
PANNE
5 P2 correspondante
E2
Table de vérité
Approche MARKOVIENNE PROCESSUS DE MARKOV: FORMULES DE BASE
MARCHE PANNE
E3 Taux de sortie de l'état i λii = Σ λjk
Transition P1
Etat λ1 P2 λ2 k1 αk
1 .dt .dt J1
µ λj 1
µ
E1
P1 P1 E4 αk2 .dt λj2 .dt
P2 P2 k2 i
λj J2
λ2 .dt n .d
t
αk m 1-λii.dt
µ P1 λ1 km Jn
P2
E2
On est dans l'état On vient d'y On en n'est pas
La contrainte "P2" Prioritaire se i à t+dt arriver sorti
traduit simplement par l'absence de
transition de E4 vers E2 P(i,t+dt) = Σ αkq. P(kq,t). dt + (1-λii.dt).P(i,t)
PROCESSUS DE MARKOV : FORMULES DE BASE Composant élémentaire réparable

(suite)
P1 λ
P(i,t+dt) - P(i,t) = -λii.P(i,t) + Σ αkq.P(kq,t) Dérivée P2
dt
M P  dP1
µ  dt   − λ µ   P1
 = ×
− µ   P2
 dP2  λ
P(t) = [M] * P(t) Forme vectorielle
Conditions initiales  dt 
Exponentielle de
P(t) = EXP{ t * [M]} * P0 matrice
P1 + P2 =1
dP1
P(t) = EXP{(t-T1) * [M]} * P(T1)
T1 nouvelle = -P1( λ + µ ) + µ
condition initiale dt
T
Temps moyens de
Tm(t) = P(X) * dx µ µ (1 − A( 0)) − λ A( 0) − ( λ + µ ) t
séjours cumulés P ( t ) = A( t ) = − e
0 1 λ+µ λ+µ
Logiciel de calcul

Composant élémentaire (suite) Approche MARKOVIENNE
µ λ DISPONIBLE INDISPONIBLE
- ( +µ ) t
A( t ) = λ µ + λ µ e λ
- système disponible à t=0 : E3
A(0) =1 + + P1
λ1 P2 λ2
- système indisponible à t=0 : µ - (λ + µ ) t µ
A(0) =0 A( t ) =
λ + µ [1 - e ] µ P1
P1 E4
E1
P2 P2
Dans les 2 cas : Asymptote λ2
1
A(t) µ P1 λ1
µ MTTR
A(t) = P2
t→∞ λ + µ MTTF + MTTR Perte de la mémoire des E2
- Probabilités
- Temps moyens de
conditions initiales
λ MTTF séjours cumulés
1-A(t) =
t→∞ λ + µ MTTF + MTTR 0 t
DISPONIBILITE CLASSIQUE
Diagramme de Markov: calcul de fiabilité Disponibilité moyenne

Suppression des transitions
qui reviennent vers un état DISPONIBLE INDISPONIBLE
E3 de marche après être passé E3
par la panne.
P1 P1
P2 λ2 λ1 P2 λ2
λ1 Etat
Absorbant 100% µ
µ µ
P1
P2
λ2 E2
+ P1
P2
E1
100%
P1
P2
λ2
Efficacité
100%
P1
P2
0%
E4
E1 E4 λ1
µ P1 λ1 µ P1
P2 Panne totale et P2
E2
FIABLE définitive
Convient bien pour Disponibilité 100%*Tc1+100%*Tc2+100%*Tc3+0%*Tc4

=
modéliser les accidents Moyenne Tc1+Tc2+Tc3+Tc4
Disponibilité de production
Graphe des états ou graphe de
DEGRADE
PARFAIT E3
DEFAILLANT Markov
P1 Exemple: On considère un système formé de deux éléments identiques en parallèle.
λ1 P2 λ2 Lorsque les deux éléments fonctionnement, ils ont chacun un taux de défaillance
60% µ λ. Lorsque l'un des deux éléments tombe en panne, l'autre admet alors un taux de
µ P1 défaillance plus grand λ' > λ. Il n'y a pas plus qu'un réparateur et le taux de
P1
E1
P2 Efficacité P2
E4 réparation est µ..
λ2 0%
100% 40%
λ λ'
µ P1 λ1 2λ État 1 : les deux éléments fonctionnent
P2 1 2 3 État 2 : un seul élément fonctionne
E2
µ µ État 3 : les deux éléments sont en pannes
Graphe des états
Disponibilité 100%*Tc1+ 40%*Tc2+ 60%*Tc3+0%*Tc4
=
de Production Tc1+Tc2+Tc3+Tc4
Calcul de la fiabilité - disponibilité Exemple CdM
λ
2λ λ'
d P1 Considé
Considérons deux éléments identiques de taux de dé
défaillance λ de taux de panne
1 2 3 (t ) = −2λ P1 (t ) + µ P 2 (t ) µ en redondance passive.
passive. Quand le premier tombe en panne le second dédémarre
dt
X et la ré
réparation du premier commence tout de suite. Lorsque les deux sont
sont en
µ µ d P2
(t ) = 2λ P1 (t ) − (λ '+ µ ) P 2 (t ) panne, il y a deux ré
réparateurs.
parateurs.
dt
● Calcul de la fiabilité α2 α
R ( t ) = P1 ( t ) + P 2 ( t ) = e α1 − −1 e α 2
t t
α 2 − α1 α 2 α1
On aura donc A(t ) = Q3(t).
● Calcul de la disponibilité Pour t = +∞, dQ/dt = 0 on a: λ λ
d Q1  µ
= -2λ Q1(t) + µQ2(t) Q (∞) = Q3 (∞) 2 3
dt  2 λ' 1
 2
d Q2 Q (∞) = µ Q (∞) = µ Q (∞ )
= 2λ Q1(t) -(λ'+µ) Q2(t) + µQ3(t)  1
dt 2λ 2 2λλ ' 3
avec Q1(t) + Q2(t) + Q3(t) = 1,
µ 2µ
d Q3 2λλ '
= λ'Q2(t) -µ Q3(t) on tire A(∞) = Q (∞) =
µ
2
dt + 2 µλ + 2λλ '
3
avec Q1(0) = 1 et Q2(0) = Q3(0) = 0

103
Exemple CdM Réseaux de Petri - Eléments de base

Considé
Considérons le cas de deux éléments de taux de dé défaillance λ1 et λ2, de taux de
réparation µ1 et µ2 en redondance active.
active. On a qu'un seul ré réparateur dont la Structure
politique de maintenance est la suivante : priorité
priorité de ré
réparation au premier élément Statique Structure
défaillant. Dynamique
Place Amont Jetons
L'ordre chronologique d'apparition des défaillance doit être respecté d'où dédoublement de l'état panne du système.
11→ les deux éléments sont en marche
10→ l'élément 1 est en marche, l'élément 2 est en panne; Arc Amont
01→ l'élément 1 est en panne, l'élément 2 est en marche;
00→ les deux éléments sont en panne / l'élément 1 est tombé en panne le premier; Transition
00→ les deux éléments sont en panne / l'élément 2 est tombé en panne le premier.
λ1 Arcs Aval
10 00
λ2 Places Aval
µ1
11 µ2
λ1 µ2
µ1 01 00
λ2 JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009
Réseaux de Petri - Eléments de base

Validation et Tir Exemple simple - Système réparable
Loi de probabilité du Marche

délai δ qui s'écoule entre
la validation et le tir
F(δ) λ Panne
On tire un nombre au hasard Z
et on évalue le délai aléatoire δ :
δ = F-1(Z) Attente de
réparation
Tir de la transition δ Passage en
Au moins 1 jeton lorsque le délai Réparation µ
dans chaque δ s'est écoulé:
place amont
La - on retire 1 jeton Réparation
transition de chaque place amont
est valide - on ajoute 1 jeton
dans chaque place aval
Marquages successifs états du système Réseaux de Petri - Extensions
P1 P2 P1 P2
Courantes Plus spécifiques
P3 P3
M1 = {1,1,1} M1 Arc Inhibiteur de

M2 (n) poids p Message
M2 = {0,0,2} Arc (p)
(n) (p) reçu
Amont de Lois fonction du
M3 = {1,0,1} poids n marquage des ? Mes 1
M4 = {2,0,0} M4 M3 places amont
(m) ! Mes2
P2
(m)
P1 P2 P1 Arc Aval de poids Message
m émis
P3 P3
Réseaux de Petri :Validation et tir Exemple simple de R P Stochastique

Loi de probabilité du
avec place auxiliaire
délai δ qui s'écoule entre
la validation et le tir
(n=3) (p=2) (3) (2)

On tire un nombre au hasard Z Composant 1 Composant 2
? Mes1 et on évalue le délai aléatoire δ : ? Mes1
F(d) Marche Pl2
! Mes2 ! Mes2 Pl1
δ = F-1(Z)
(m=5) (5)
Réparateurs
Tr1 Tr3
Tir de la transition lorsque le
délai δ s'est écoulé:
- au moins n jetons dans
Pl3
Attente Pl4
chaque place amont
- moins de p jetons dans les
Tr5 Réparation T6
- on retire n jetons de chaque place amont
places avec arc inhibiteur - on ajoute m jetons dans chaque place Tr2 Tr4
- Message ? Mes1 = VRAI" aval
La - on fait passer l'état du message Mes2 à
transition "VRAI"
est valide Pl5 Réparation Pl6
Exemple simple de RP Stochastique Exemple simple de RP Stochastique

avec arcs inhibiteurs avec Messages
Composant 1 Composant 2 Composant 1 Composant 2

Etat Etat
Pl1 Pl2
Pl1
Marche
Pl2
Initial Marche Initial
Réparateurs ?RD = VRAI
Tr3 Tr1 Tr3
Tr1
!RD !RD
Attente Pl3
Attente Pl4
Pl3 Pl4
Tr5 Réparation T6
Tr5 Réparation T6
Tr2 ?RD ?RD Tr4

Tr2 Tr4
!RD !RD
Pl5 Pl6 Pl5 Pl6

Réparation Réparation
Graphe des marquages
Quelques sous-réseaux typiques
j marquée RD Vrai
Places Messages
non RD Faux
k marquée
Etat initial: 2 pompes en 1 2 3 4 5 6

marche
RD
Tr3 Tr1
Tr6 Tr5
Etats instantanés:
-1 pompe en marche
-1 pompe en panne
1 2 3 4 5 6 1 2 3 4 5 6
Rendez-vous Partage de
Parallélisme Sémaphore ressources
RD RD
Tr4 Tr2
Etat de réparation:
-1 pompe en marche
1 2 3 4 5 6 1 2 3 4 5 6
-1 pompe en
réparation RD RD
Tr1 Tr6 Tr5 Tr3
Etat de réparation: RD RD
-1 pompe en panne 1 2 3 4 5 6 1 2 3 4 5 6
-1 pompe en
réparation Mémorisation Lecture
Exemple de systèmes de Production Outil de Modélisation

Paramètres Réseau de Petri
ε1, δ1, stochastique
λ1 , µ1, n1 ε δ λ µ
S2 M3 S4
voitures
Taux de Taux de Taux de Taux de P1
carosserie équipement
M1 M2 portières M7
finies chargement Service panne réparation
S1
peinture désassemblage assemblage T1 T2
S3 M4 S5 ε δ
équipement M6 S7 T4 P2
caisses
Stock d’entrée Poste Stock de sortie
assemblage µ
moteurs
chassis M5 S6
Machine
roues T3
assemblage
Graphe de Markov λ
Graphe de marquage P3
λ12
Nombre
1 T1 moyen 0 de marques
0 dans une place
⇒ Quantification fiabilité, disponibilité, maintenabilité , … Fréquence moyenne
1
de franchissement λ21
2
0 1 T3 0
+ Indicateurs de performances : Productivité, encours, … TempsT2de séjour moyen d’une marque dans une place
λ31 λ23 Méthodes
0 0 1
Modélisation 3 Analytiques
T4
évaluation Simulation
Alosurf
ALOSURF
Méthode analytique : décomposition Logiciel d’évaluation de la Sûreté de Fonctionnement
Hypothèses Recherche
- La capacité des stocks d’entrée et de sortie est infinie, Modélisation et analyse de systèmes complexes
- Mode de fonctionnement blocage avant service
- Le taux de défaillance : loi exponentielle
Pédagogique
Application des outils de modélisation des SED
Serie
Disassemblage
S2 P3 S4
Serie
ALOSURF permet
⇒ P1 S1 P2 P5 ⇒
S3 P4 S5 Assemblage – d’analyser les performances d’un SdP
Serie
– de dimensionner les stocks
– de choisir la meilleure politique de maintenance
Une cellule = stock (s) d’entrée + Machine + stock (s) de sortie
– d’évaluer les périodicités des maintenances préventives
– d’aider à la décision
ALOSURF- acquisition
Performances – Étude de sensibilité
Type demachines
Performances de cet atelier de production ?
stocks
Stock E/S
Dimensionnement des stocks

Portière Carrosserie vide PLAN
3500 4000
3000 3500
2500 3000
2000
1500
Portière
2500
2000 Carrosserie vide 1. La sûreté de fonctionnement

1000 1500 Voiture finie (production)
500
0
1 2 3 4 5 6 7 8 9 10 11
1000
500
0
1800
1600
1
11
1400
Carrosserie peinte
1200
1000 Voiture finie
3. Les lois de survie
1800 800 (production)
1600
1400
8000
7000
600
400
200
1200 6000
Portière garnie 0
1000
800 Carrosserie
avec moteur
5000
4000
Carrosserie
peinte
1 2 3 4 5 6 7 8 9 10 11
5. La maintenance des systèmes
600 3000
400 2000
200 1000
0 0
1
11
1
11
Optimisation de la maintenance Optimisation de la maintenance

Délais de Délais Délais des Remise
découverte de la techniques et interventions en service
• Actions Préventives • Actions correctives défaillance administratives techniques et
administratives
Ordonnancement des tâches Processus de réparation Instant Détection Début des Fin des temps
d’apparition réelle de la interventions interventions
Dimensionnement des ressources Testabilité de la défaillance techniques techniques
défaillance
MTBF
MTTF MDT MUT
MTTR
t=0 1ère remise en 2ème temps

défaillance service défaillance

Intégration de la Maintenance Performances
- Quelle politique de maintenance doit-on appliquer?

- À quel moment?
- Sur quelle machine ?
- À quel coût ?
Optimisation de la périodicité Limites λi(t)

Jeunesse Maturité Vieillesse
MAINTENANCE
(β<1) (β=1) (β>1)
Constant
CORRECTIVE PRÉVENTIVE λi décroissant λi constant λi croissant
λ
t
Systématique
Marche Panne
1,2
µ
Durée de la réparation
1
Constant Type de maintenance

Probabilité d'arrêt pour maintenance
0,8
Nombre de réparateurs
Disponibilité des pièces
0,6
0,4
…
0,2
0
0 100 200 300 400 500 600
Prise en compte du vieillissement Maintenance Centralisée

Maturité
λm Système de Production ↔ Atelier de Maintenance
Cas : taux λ i est variable
Objectif : Périodicité adaptative Nbr ou tps
d’utilisation
Contrainte : coût Équipement
Vieillesse défectueux
Maintenance Préventive
λv
λi(t) Sans MP
Maintenance Maintenance Avec MP
Équipement
ξ.T ξ.T
Préventive Préventive
réparé
Parfaite Imparfaite
T
Architecture Évaluation des
T
Gestion des
Système Neuf Système maintenu MP MP MP t
ressources performances
Évolution du taux de panne
Théorie de la File d’Attente Serveurs Réseau de Files d’Attente : ensemble de stations interconnectées
File
Arrivée Départ
Des clients des clients
Processus d’arrivée : • Réseau ouvert: Départ
Distribution des probabilités Station Processus de départ : Arrivée des clients
Défini par :
des temps interarrivées Distribution des probabilités des clients
− description de chaque station
A(t) =P[temps entre 2 arrivées≤ t] Structure et discipline : des temps de service
B(t) = P(temps de service ≤t) − processus d’arrivée des clients dans le réseau
C : nombre de serveurs
− cheminement des clients dans le réseau
K : capacité de la file . Nombre de clients : variable
Discipline de service : PAPS, DAPS
A B
C
•Réseau fermé :
K
Défini par :
Notation de Kendall : A/B/C/K − description de chaque station
− processus d ’arrivée des clients dans le réseau
− cheminement des clients dans le réseau
Performances recherchées −Nombre total de clients présents dans le réseau
• Débit moyen de sortie de la file
• Temps de réponse moyen
• Nombre moyen de clients dans la file
Nombre de clients : constant
• Taux d’utilisation des serveurs
...
Réseau ouvert monoclasse Conception d’un atelier de maintenance

p42
1
p01 p12 p24
Objectifs: Minimiser le temps de séjours dans l’atelier
2 4
p13 p40
λ
3 Poste de
p02 p34 0.7
Données M réparation P2
λ
∑ p0i = 1 p0i ≥ 0
i =1
Diagnostic
P1
Réglage
P4
Assemblage
P5
Tests
P6
λ: taux d’arrivée des clients µi: taux de service à la station i
pi1 + pi 2 + L + piM ≤ 1 0.3 Poste de
pij: proportion de clients qui, quittant la station i rejoignent la station j M réparation P3
pi 0 = 1 − ∑ pij
j =1 RFA
P2
On peut calculer soit par des méthodes analytique soit par simulation: µ2
P1 0.7 P4 P5 P6
- taux de visite d’un client à la station i λ
µ1 µ4 µ5 µ6
- temps moyen de séjour dans une station P3
- nombre moyen de client dans la file 0.3 µ3
Performances de l’atelier
Maintenance des frégates de la marine royale des Pays bas

Évaluation des performances Amélioration des performances par:
Modélisation
• Maintenance multi-sites multi-niveaux
P1 P2 P3 P4 P5 P6
Taux de service µi 0,65 0,40 0,48 2,00 0,40 1,80
• Maintenance corrective par remplacement Évaluation des performances
P2
µ2
Temps d’attente au poste Pi wi 2,22 3,84 2,38 0,55 5,00 0,62 • Gestion du stock pour le remplacement (installations,
P1 0.7 P4 P5 P6 Temps d’attente total WT 11,81 (heure) Optimisation
λ
µ1 µ4 µ5 µ6 Perte annuelle CPA 799,30 (K Euro) assemblages, ...)
P3
Perte pendant 5 ans CP5A 3996,50 (K Euro) Multi-Sites
0.3 µ3 Contraintes : coût
P 1 P 2 1 P2 2 P 3 P4 P5 P6 Frégate 1 Frégate i
P21 Ta ux de service µ i 0 ,65 0,4 0,4 0 ,4 8 2 0,4 1 ,8
µ21 Tem p s d ’a tte nte au p oste P i w i 2 ,22 3,03 3,0 3 2 ,3 8 0,55 5 ,0 0 0 ,6 2 Installation •••
Installation •••
Installation
0.35 Te m ps d ’a tten te to ta l WT 11,23
P1 P22 P4 P5 P6
P erte an nu e lle CPA 76 0 ,00
Frégate N I1 Ii In
λ 0.35
µ1 µ22 µ4 µ5 µ6 C o ût d’in vestisse m en t CI 8 ,10
P3 G ain au b ou t d e 5 an s G 5A 186,00
0.3
µ3
Frégate 2
Assemblage •••
Assemblage
A1 Aj
P 1 P 2 P 3 P 4 P 51 P 52 P 6
Taux de service µi 0,65 0,4 0,48 2 0,4 0,4 1,8 Atelier central
••
P2 P51
•
µ2 µ51 Temps d’attente au poste P i w i 2,22 3,84 2,38 0,55 3,33 3,33 0,62
P1 0.7 P4 0.5 P6 Temps d’attente total WT
de S/Assemblage S/Assemblage
λ 10,14 •••
µ1 µ4 µ6 maintenance SAk
P3 P52
Perte annuelle CPA 686,24 Multi- SA1
Coût d’investissement CI 8,10
0.3
µ3
0.5
µ52 Gain au bout de 5 ans G 5A 554,80
Niveaux

Modèle site unique, 1 niveau Réparation par remplacement
Service Maintenance Stock
Modèle de type base-stock 2 sources, un seul niveau
Ri Li Rin
Si : stock initial
Ti Tin
mi de pièces de type i
rin
ri0 Ti0
Demande
Ai TDin Ri0 Lin
But : Trouver les niveaux de stocks S = (S1, S2, …, SI) TDi0
Li0
pour que la disponibilité A(S) du système soit maximale, tout en tenant compte d’un budget limité 1-rin 1-ri0 TPi
mi Pi Ii0
Probabilité d’avoir une demande du produit i en attente avec un stock initial Si
Déplacement
Disponibilité
I
MaxA(S) Min ∑ PAi ( Si ) Ai0

i =1
Analyse du réseau
Sous pour trouver
Sous
I ses performances
∑ c .S
i =1
i i ≤C I
∑ c .S i i ≤C Ain
Budget limite i =1
Exemple d’application: Réparation par remplacement

2 sites (centrale de Mce, frégates), multi-niveaux
Système technique
Ljn
Autre réparation Autre assemblage
Réparation
Du S/A j dans du S/A j dans avec S/A j dans
frégate n frégate n frégate n
Installation 1 Installation 2 Installation 3 Installation 4 Installation5
rijn
Installation Taux de panne mi (pannes/an) Coût unitaire (€)
1 6 330
TDijn Ajn 2 9 450
Iin 3 5 440
rin 1-rijn 4 4 150
5 10 480
TDin
min Contrainte : budget limité à 12000 €
Li0 Lin
1-rin Budget (€) Disponibilité (%) S1 S2 S3 S4 S5
Réparation 6040 21.61 3 4 2 3 4
de i dans 7440 41.96 4 4 3 4 5
l’atelier central ITin 8810 62.78 4 5 4 4 6
10670 83.51 5 7 4 5 7
Réparation de Transfert vers 12520 93.89 6 8 5 6 8
l’installation i du frégate (n+1) Ain 14220 97.88 7 9 6 6 9
frégate (n+1) dans Ai0
l’atelier central
Processus de réparation
Atelier de maintenance
Système de
production
Réparation 1 diagnostic
λ 0.7 P2 réparation
Diagnostic Réglage Assemblage Test
Démontage P4 P5 P6
P1 réglage
Réparation 2
0.3 P3 assemblage
test
P2_O
SP2
P 1_O P 4_O P 5_O P 5_O

SP 1 P 2_L SP 5
SP 23 SP 4 SP 5
Pbte P 3_O
P 1_L SP 3 P4_L P 5_L P 5_L
P 3_L

Conception de l’AdM Maintenance Distribuée
Site 4
Site 3
Site 2
Site i
Site 1
AdM Mobile
AdM Central
Site j
AdM central : conception, dimensionnement et
optimisation des coûts. Minimisation du temps de
séjour (thèse Abbou 2002)
AdM mobile : planification des tâches de Mce
Site k
dimensionnement des stocks et évaluation des
coûts
Les niveaux de maintenance Besoins - Objectifs

Type de Donné
Données Objectifs
systè
syst ème
∑ (C ( S i ) ) ≤ Bc
–Niveau I: réglage simple, réparation/échange AdM central ― Taux d’arrivée des pièces défectueuses:l ― Temps moyens de séjour
standard par les opérateurs ou techniciens Sites Niveau ― Dimension des stocks
r ,o
sur place avec des outillages légers et ― Caractéristiques des postes

standards. Atelier mobile I AdM mobile ― Capacité de stockage : cm
― Distances inter-sites : dij
― Ordonnancement des tâches
― Dimensionnement des ressources ∑ (C d (S i ) ) ≤ Bm
― Durée de remplacement : Tr opérateurs et outillage
Atelier Central min(dij) /cm
–Niveau II: activités complexes (diagnostic, II
Site ― Références équipements ― Durée de remplacement min(tri)
identification des origines de pannes…), ― Distance de l’AdM central: d0j
travaux importants de maintenance Site de production Réglages simples
corrective et préventive par des techniciens
spécialisés, experts avec des outillages
lourds et spécialisés.
1. Déplacement de l’AdM mobile sans contrainte
3 scénarii 2. Déplacement en fonction de la capacité de stockage cm et la distance dij
Classification des sites et ordonnancement des tâches 3. Déplacement en fonction de la capacité de stockage cm et de la distance inter-sites
de maintenance préventives systématiques.
Cas d’étude Scénarii - Critères de performance
Site 1 Site 2 Site 3 2 3

2 3 2 3
Mobile
1
1 1
Hypothèses Stock =4
CM
CM CM
Atelier mobile • Ordre de visite : (Site 1→ Site 2 → Site 3).
• Un remplacement est effectué dans chaque (Ti) site.
Scénario 1 Scénario 2 Scénario 3
• Le remplacement est assuré ∀ l’état de l’équipement.
• Le stock est réapprovisionné à l’AdM Central.
• Coût de stockage
Atelier Central • Temps de réparation moyen d’un équipement défaillant • Coût des pièces de rechange
• Coût des déplacements
Site de production • Les équipements sont identiques dans les trois sites. Évaluation des coûts : • Coût des inspections
• Les distances entre l’AdM Central et les sites sont classés par ordre de distance
• Coût des réparations
croissante: d01< d02 < d03.
Calcul de l’indicateur d’efficacité Nombre de cycle effectué
Nombre idéal de cycle

Modélisation Modélisation de l’AdM mobile
L’outil de modélisation doit représenter : x&ri , x&di
Initialisation :
• les séquence de tâches l’ensemble des états discrets cs=n, sc=i horloge, capacité de stockage, scénario
• l’écoulement du temps l’ensemble des variables continues Aiguillage maj Init=1

xi x&di = 1 Déplacement vers le site i
xdi<di
automates temporisés Mise à jour x& ri = 1 xdi=di
x& = 1
du stock cs=+nrep, Remplacement au site i
Dynamique garde x&diri = 1
continue xdi=d0i
(horloge) E0 E1 E2 xri=αi
a ^ x2 = 2 x& 1 = 1 b ^ 1≤x1 ≤3 xdi=0
x& 1 = 1 x& 1 = 1
x1 := 0, x2 := 0
x& 2 = 1 x& 2 = 1 x& 2 = 1 Réparation x&rep = 1 Affectation des opérations suivantes
x2 ≤ 2
x2 := 0 x1 ≤ 3 maj routage
xdi<d0i xd0i=d0i
xi
Invariant
affectation
condition
⇒ Simulation: Matlab- Stateflow

Modélisation de l’AdM mobile Modélisation de l’AdM central

Temps moyen de séjour
Stock de pièces
Poste de Réglage
Stock de pièces
Assemblage
défectueuses
réparation P2
Pi+1 Pi+2
réparées
Diagnostic Tests
P1 Poste de
réparation Pj
Pi+3
Réglage Assemblage
Poste de Pi+1 Pi+2
réparation Pi
Outil: RFA
VI. Modéliser des Ateliers (Central et Mobile) Application

Transposition sur Matlab influence de la capacité de stockage
Exemple
Atelier Site Site Site
coût
Central 1 2 3
12 000 €
Atelier Central 10 50 90 10 000 €
8 000 €
Site 1 10 d12 d13
scenario 1
6 000 €
scenario 2
scenario 3
Site 2 50 d12 d23
4 000 €
Site 3 90 d13 d23 2 000 €
capacité
0€ de stock age
10 15 20 25 30 100
Courbe 1 - Coût de la ma intena nce en fonction de la capacité de

stocka ge de l'AdM mobile

Application
influence de la distance inter-site
Verrous scientifiques
Distance Coût cumulé Coût cumulé Coût cumulé • Maintenance centralisée:
Inter-sites (km) scénario 1 scénario 2 scénario 3
(€) (€) (€) – Modélisation des dégradations
d12 = 5 1 209 1 165 1 167 – Diagnostic et pronostic
d23 = 7
d13 = 10
• Maintenance distribuée
– Ordonnancement dynamique
d12 = 35 2 930 2 870 2 530
d23 = 45
– Optimisation du routage
d13 = 75 – Gestion des compétences
d12 = 35 2 910 2 800 2 485 • E-maintenance
d23 = 45
d13 = 85
ALOSURF Planification des interventions

DEMO • Méthode PERT ( Program, Evaluation and Review Technique)
Réseau constitué de succession de tâches à effectuer dans un ordre donné:
- Tâches: travaux à exécuter repérés par des lettres A, B, C, …
- Antécédents: pour ordonner l’exécution des tâches il est nécessaire de
connaître les antériorités
B C
C E F
Application 2 3 4
Application D
D
Étape 2: fin de la tâche B, début de C et D Étapes 3 et 4: tâches C, E, F
F
D 3 Étapes 2, 3, 4 « C » est une tâche fictive,
B
2 elle ne consomme pas de temps, mais relie
3 à 4 (3 avant 4) et 2 avant 4
E 4 A
Exemple 1 de réseau PERT Exemple 2

Matrice d’antériorités
Tâches Antériorités « il faut »

Les tâches réalisées en premier sont celles qui A B C D E F G H I J total I II III IV
n’ont pas d’antériorité : B et D A J A 1 1 0 A
Tâches Antériorités B I, G, J B 1 1 1 3 2 1 0 B
« pour faire »
A B, D, F C H C 1 1 0 C
F E
B - 1 3 5 D C, H, E D 1 1 1 3 2 1 0 D
B e E A, F E 1 1 2 2 0 E
C E iv
ct
fi C F H F 1 1 0 F
D - e
0 ch
Tâ G J G 1 1 0 G
E F
D A
H - H 0 H
F B 2 fin I A, F, H I 1 1 1 3 2 0 I
J - J 0 J

Exemple 2 graphe PERT Organisation des opérations de maintenance
• Analyse ABC : Consiste à classer les pannes par ordre décroissant de coûts, chaque
Matrice d’antériorités panne se rapportant à un équipement. Puis à établir un graphique faisant correspondre les
pourcentages de coûts cumulés aux pourcentage de types de panne cumulés.
Tâches Antériorités
C total I II III IV
100%
A J 1 4 1 0 A Zone A:
B I, G, J D 3 2 1 0 B 95%
F Les 20% de pannes représentent
C H H E 1 80% 80% des coûts
0 C
D C, H, E 3 3 2 1 0 D
E A, F 6 Zone B:
0 2 2 0 E
F H J A I
B 1 0 F Les 30% de pannes suivantes qui ne
G J 1 0 G Zone Zone Zone coûtent que 15% supplémentaires
G B C
H - 2 5 0 H A
I A, F, H Zone C:
3 2 0 I
J - Les 50% de pannes restantes qui ne
0 J
reviennent qu’à 5% des coûts.
20% 50% 100%

Exemple : Une entreprise désire augmenter sa productivité en diminuant les

pannes coûteuses. Pour cela, elle demande au service maintenance de définir • Classement des machines / Coût
des priorités sur les améliorations à apporter. Ainsi, ont été recueillis les N° Classnt Coût %Coût Nombre Nb de % Pannes
éléments suivants: de machine Coût cumulé cumulé de Pannes cumulées
pannes cumulées
N° de machine Nombre d’heures d’arrêt Nombre de pannes
Machine 1 100 4
Machine 2 32 15
Machine 3 50 4
Machine 4 19 14
Machine 5 4 3
Machine 6 30 8
Machine 7 40 12
Machine 8 80 2
Machine 9 55 3
Machine 10 150 5
Machine 11 160 4
Machine 12 5 3
Machine 13 10 8
Machine 14 20 8
• Classement des machines / Coût Références

N° Classnt Coût %Coût Nombre Nb de % Pannes • Z. SIMEU-ABAZI, C. SASSINE «Maintenance integration in manufacturing systems by using stochastic Petri nets " International
Journal of production research. vol. 37, N° 17, pp. 3927-3940, 1999.
de machine Coût cumulé cumulé de Pannes cumulées • Z. SIMEU-ABAZI, C. SASSINE «Maintenance Integration in Manufacturing Systems evaluation and decision " International Journal of
manufacturing systems IJMS, Vol.13,N° 3, 2001.
pannes
cumulées • R. ABBOU, Z. SIMEU-ABAZI, . DI MASCOLO, " Atelier de maintenance intégré dans un système de production ", Journal européen
des systèmes automatisés, pp197-223, n°1-2, volume 38,2004.
11 160 160 21.2 4 4 4.3 • S. GHELAM, Z. SIMEU-ABAZI*, J.P. DERAIN, C. FEUILLEBOIS, S. VALLET " Architecture de surveillance et diagnostic pour la
maintenance des systèmes avioniques", revue française de gestion industrielle, vol 24 n° 3, 2005.
10 150 310 41 5 9 19.6
• Z. SIMEU-ABAZI, J. ZIKMUND, Z. BOUREDJI, " Monitoring and predictive maintenance: Modelling and analyse of fault latency,
1 100 410 54.3 4 13 13.9 Computer In Industry – CII, Elsevier Science, Volume 57, pp 504-515 August 2006.
• Z. SIMEU-ABAZI, M. DI MASCOLO, " Maintenance centralisée pour les systèmes de production multi-sites", revue française de
8 80 490 64.9 2 15 16.1 gestion industrielle, vol.26 n°1, 2007.
9 55 545 72.18 3 18 19.3 • Z. SIMEU-ABAZI, M. DI MASCOLO, M. KNOTEK " Fault diagnosis for discrete event systems: modelling and verification ",
Reliability Engineering and system safety, 2008. soumis
3 50 595 78.8 4 22 23.6 • M. KNOTEK Z.SIMEU-ABAZI, & al, 3 , " Robust control and its implementation on PLC For multi-hoist surface treatment lines.",
International Conference on Industrial technology, ICIT'03, Maribor, 10,12 December 2003.
7 40 635 84 12 34 36.5
• R. ABBOU, Z. SIMEU-ABAZI, M. DI MASCOLO,, " Influence of the machines failure rate on the maintenance scheduling", Intelligent
2 32 667 88 15 49 52.6 Maintenance System International Conference IMS2004, 14-16 July 2004.
• M. KNOTEK Z.SIMEU-ABAZI, " Fault location by time analysis", International Conference on Industrial Engineering and Systems
6 30 697 92 8 57 61 Management (IESM), May 2005.
14 20 717 95 8 65 69.8 • Z. SIMEU-ABAZI, M. DI MASCOLO, " Maintenance centralisée pour les systèmes de production multi-sites", 5e Conférence
Francophone de Modélisation et SIMulation, MOSIM'06, Avril 2006.
4 19 736 97.5 14 79 84.9 • M. KNOTEK Z.SIMEU-ABAZI, " Fault diagnosis based on timed automata: Diagnoser verification”, CESA'06 IMACS
Multiconference, Computation Engineering in Systems Application, October 2006.
13 10 746 98.8 8 87 93.5 • Z. SIMEU-ABAZI, M. DI MASCOLO, M. KNOTEK " Diagnosis of discrete event systems using timed automata ", IFAC Conference
12 5 751 99.5 3 90 96.7 on Cost Effective Automation in Networked Product Development and Manufacturing – IFAC-CEA, Octobre 2007.
• ALALI ALHOUAIJ A., SIMEU-ABAZI Z., Modélisation modulaire des activités de maintenance dans une structure Multi-sites. 7ème
5 4 755 100 3 93 100 Conférence Francophone de Modélisation et Simulation. MOSIM’08, Paris, France 2008..
• ALALI ALHOUAIJ A., SIMEU-ABAZI Z., Modular modeling of maintenance activities For Multi-Sites Structure. IFAC-IMS
Intelligent Manufacturing Systems IFAC/IMS’08, Szczecin, Poland. 2008.

E JD Macs 09 Maintenance 1

Transféré par

Informations du document

Description :

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Description :

Droits d'auteur :

Formats disponibles

E JD Macs 09 Maintenance 1

Titre original :

Transféré par

Description :

Droits d'auteur :

Formats disponibles

Optimisation de la maintenance

(Zineb SIMEU-ABAZI du Laboratoire G-SCOP)

JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009

Maintenance coopérative et distribuée (Daniel De la maintenance à la e-maintenance (Benoît

L’évolution de la maintenance vers la e-

JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009

Ingénierie des connaissances Diagnostic – Pronostic

Définition des données d’information, de Techniques de surveillance des installations

JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009

La maintenance est l’ensemble des activités

JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009

Les politiques de maintenance L’évolution de la maintenance

CORRECTIVE MIXTE PRÉVENTIVE

Défaillance bien, permettant de retarder et de planifier les interventions.

prédéterminés paramètres C’’est unvéritable

• En France, c’est en 1962 que le mot même

Dépannage Réparation Inspection Visite Contrôle

JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009

Un seul et même objectif :

LA SCIENCE DES DÉFAILLANCES

Modélisation Analyse Evaluation Décision

JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009

JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009

Terminologie: faute erreur et défaillance*

Faute corrosion interne dans un composant X Faute

Faute, défaut, erreur, défaillance, ⇓ Erreur

erreur humaine, panne, ... Erreur court-circuit entre deux broches

Éviter ou absorber les fautes ⇒ Construire Jump Instruction i

JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009

Risque Global Exemple

eur étude des conséquences dues à

alimentation de 2 calculateurs en (mineur, significatif, critique,…)

Attributs Les besoins de sûreté

SdF de sauvegarde à mission unique

Sécurité hors Sécurité (/personnes, biens

t=0 1ère remise en 2ème temps

JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009

JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009

Analyse des modes de défaillances et de leurs

Elaboration: AMDE + l’analyse de criticité (couple probabilité - gravité)

JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009

Exemple d’application - AMDE

Analyse Préliminaire des Risques APR ou APD

Objectif Cause Elément dangereux

Effets Détection Explosion

Effet Causes Méthode de l'Arbre des

Non alimentation simultanée des P1 (50%)

Panne des 2 P2 (50%)

Direction de l' analyses

V1 Défaillante fermée Lignes Défaillantes

2 V1 Défaillante fermée Lignes Défaillantes

3 Ligne 1 Défaillante Ligne 2 Défaillante Ligne 2 Défaillante

4 10-5 10-3 10-3

V2 Défaillante P2 Défaillante P3 Défaillante V2 Défaillante P2 Défaillante P3 Défaillante

JD -MACS– ANGERS 2009 JD -MACS– ANGERS 2009

Exemple 3 Diagramme de fiabilité

Diagramme de fiabilité - Coupes

S JD -MACS– ANGERS 2009 S JD -MACS– ANGERS 2009

Coupes minimales Du DdF à l’AdD

Convient bien pour Disponibilité 100%Tc1+100%Tc2+100%Tc3+0%Tc4

Constant Type de maintenance