Académique Documents
Professionnel Documents
Culture Documents
CHAPITRE 3
L’analyse quantitative d’un historique va permettre de dégager des actions d’amélioration, donc
identifier les défaillances à approfondir afin de les corriger et les prévenir. Analyser quantitativement les ré-
sultats des diagnostics constitue ainsi un axe de progrès. Les données chiffrées à saisir doivent être les
suivantes :
dates des interventions correctives (jours, heures) et nombre N de défaillances ; ces éléments
permettront de calculer les périodes de bon fonctionnement (UT = Up Time), les intervalles de
temps entre deux défaillances consécutives (TBF = Time Between Failures) et leur moyenne
(MTBF) ; ces données permettront de caractériser la fiabilité des équipements ;
temps d’arrêt de production (DT = Down Time) consécutifs à des défaillances, y compris ceux
des « microdéfaillances » ; tous les événements sont systématiquement consignés, même les
plus anodins ; il est toujours plus simple de se rappeler d’une grosse panne que d’une microdé-
faillance répétitive qui engendrera à terme une défaillance grave ; l’expérience montre que son
oubli fausse complètement une étude de fiabilité ultérieure. Il est prouvé aussi que les microdé-
faillances, qui appartiennent à la routine, donc qu’on oublie facilement, sont génératrices de
perte de disponibilité, donc de productivité moindre et bien sûr de non qualité ; ces données
permettront donc de caractériser la disponibilité des équipements ;
1
Méthodes de Maintenance
durées d’intervention maintenance (TTR = Time To Repair) et leur moyenne (MTTR) ; ces don-
nées permettront de caractériser la maintenabilité des équipements.
TBF
Fonctionnement
UT
Arrêt t
TTR TTR
DT DT
Chacune des données précédentes est ensuite associée aux familles de défaillance définies dans le
chapitre précédent :
localisation des éléments sensibles à partir de la décomposition structurelle,
modes de défaillances observés le plus fréquemment.
PARETO (1848-1923) était un socio-économiste italien qui étudia la répartition des impôts fonciers
aux Etats-Unis. Il constata que 15% des contribuables payaient 85% des impôts fonciers. Il en tira une règle,
celle des 85-15, et plutôt celle des 80-20 qui peut s’appliquer partout :
20% des routes ou des voies ferrées assurent 80% du trafic,
20% des conducteurs provoquent 80% des accidents,
20% des articles vendus représentent 80% du chiffre d’affaires.
En d’autres termes : « une minorité des causes est responsable de la majorité des effets ». On appelle
loi de PARETO ou « loi des 80-20 » la règle de concordance que l’on trouve souvent entre :
le faible pourcentage d’éléments d’une population ou d’un échantillon donné,
le fort pourcentage que ces éléments représentent si l’on considère un de leurs caractères parti-
culiers ou un critère donné.
1.12 – Méthode ABC
Parmi la multitude de préoccupations qui se posent à un responsable maintenance, il lui faut décider
quelles défaillances doivent être étudiées et/ou améliorées en premier. Pour cela, il faut déceler celles qui
sont les plus importantes et dont la résolution ou l’amélioration serait le plus rentable, en particulier en terme
de coûts d’indisponibilité. La difficulté réside dans le fait que ce qui « est important » et que ce qu’il « l’est
moins » ne se distinguent pas toujours de façon claire.
La méthode ABC apporte une réponse. Elle permet l’investigation qui met en évidence les éléments
les plus importants d’un problème afin de faciliter les choix et les priorités. On classe les événements
(pannes par exemple) par ordre décroissant de coûts (temps d’arrêts, coût financier, nombre, etc..), chaque
événement se rapportant à une entité. On établit ensuite un graphique faisant correspondre les pourcen-
tages de coûts cumulés aux pourcentages de types de pannes ou de défaillances cumulés. Sur le schéma
figure 6.2, on observe trois zones.
1. Zone A : 20% des pannes occasionnent 80% des coûts ;
2. Zone B : les 30% de pannes supplémentaires ne coûtent que 15% supplémentaires ;
3. Zone C : les 50% de pannes restantes ne concernent que 5% du coût global.
Conclusion : il est évident que la préparation des travaux de maintenance doit porter sur les pannes de la
zone A.
2
Méthodes de Maintenance
Coûts
cumulés
C
100%
80 B
60
40
20
A
Nombre de
0
défaillances
20 40 60 80 100%
En maintenance cette méthode est très utile pour déterminer les urgences ou les tâches les plus rentables,
par exemple :
s’attacher particulièrement à la préparation des interventions sur les défaillances les plus fré-
quentes et/ou les plus coûteuses (documentation, gammes opératoires, contrats, ordonnance-
ment, etc..),
rechercher les causes et les améliorations possibles pour ces mêmes défaillances,
organiser un magasin en fonction des fréquences de sortie des pièces (nombre de pièces et
emplacement),
décider de la politique de maintenance à appliquer sur certains équipements en fonction des
heures et des coûts de maintenance.
Attention toutefois : cette méthode ne résout pas les problèmes, mais elle attire l’attention du technicien
sur les groupes d’éléments à étudier en priorité.
Sous-ensembles A B C D E F G H I J
Nombre d’heures d’arrêt 26,5 11 1 57 56,5 1 17 1,5 9,5 1
Nombre de pannes 4 15 4 4 3 8 12 2 3 2
3
Méthodes de Maintenance
Sous- Classement Cumul des % des coûts Nombre de Cumul des % des
ensembles en coût (en h) coûts (en h) cumulés pannes pannes pannes cu-
mulées
D 57 57 31,3 4 4 7
E 56,5 113,5 62,4 3 7 12,3
A 26,5 140 76,9 4 11 19,3
G 17 157 87,2 12 23 40,3
B 11 168 92,3 15 38 66,7
I 9,5 177,5 97,5 3 41 71,9
H 1,5 179 98,3 2 43 75,4
C 1 180 98,9 4 47 82,4
F 1 181 99,4 8 55 96,5
J 1 182 100 2 57 100
80
60
40
20
A B C Pannes
cumulées
0
20 40 60 80 100%
B – Diagrammes en N, Nt et t
Sous-ensembles N Nt t
A 4 26,5 6,625
B 15 11 0,73
C 4 1 0,25
D 4 57 14,25
E 3 56,5 21.83
F 8 1 0,125
G 12 17 1,42
H 2 1,5 0,75
I 3 9,5 3,17
J 2 1 0,5
Le graphe en N (figure 6.7) oriente vers l’amélioration de la fiabilité : ici on constate que les sous-
ensembles B et G sont ceux sur lesquels il faudra agir prioritairement. Différentes actions sont envisa-
geables : modifications techniques (qualité des composants), consignes de conduite, surveillance accrue
(maintenance de ronde), actions préventives systématiques dans un premier temps, conditionnelle ensuite.
4
Méthodes de Maintenance
Défaut de fiabilité
120,00
100,00
80,00
Taux
60,00 Taux de
40,00 panne
Cumul
20,00
0,00
B G F A C D E I H J
Sous-ensembles
Le graphe en Nt (figure 6.8) est un indicateur de disponibilité, car Nt estime la perte de disponibilité de
chaque sous-ensemble. Il permet donc de sélectionner l’ordre de prise en charge des types de défaillance
en fonction de leur criticité (ici les sous-ensembles D et E).
Indisponibilité
120,00
100,00
80,00
Taux
Taux d'indispo
60,00
40,00 Cumul
20,00
0,00
D E A G B I H C F J
Sous-ensembles
Le graphe en t oriente vers la maintenabilité, c’est à dire l’amélioration de l’aptitude à la maintenance. Ici,
les sous-ensembles E et D présentent quasiment 80% des difficultés de réparation.
Défaut de maintenabilité
120,00
100,00
Taux de non-
80,00
Taux
maint
60,00
40,00 Cumul
20,00
0,00
E D A I G H B J C F
Sous-ensembles
5
Méthodes de Maintenance
Lorsqu’on étudie le comportement du matériel, il est généralement fondamental d’établir des rela-
tions de cause à effet entre ce comportement et certains paramètres (caractéristiques de l’appareil, para-
mètres de fonctionnement, etc..). L’étude des défaillances et des durées de vie d’un équipement utilise lar-
gement un tel type de raisonnement.
Mais il existe un autre type de liaison entre un phénomène donné et certains paramètres. Ces der-
niers, sans être la cause première du phénomène, peuvent avoir une influence sur son apparition, sur sa
fréquence et sur son amplitude. Si le phénomène est mesurable, il est donc intéressant d’étudier l’ensemble
des « couples » de valeur phénomène/paramètre et leur répartition sur un graphique X, Y.
En matière de fiabilité, il sera par exemple du plus grand intérêt de regarder s’il existe une relation
de ce type entre les durées de vie des équipements et les différents paramètres qui la caractérisent (date de
mise en service par exemple) ou qui caractérisent son utilisation (paramètres de fonctionnement comme la
température, la pression, le débit, la charge, etc..).
Si l’on porte les valeurs des couples ainsi considérés sur un graphique en X, Y, on peut trouver deux
types de liaison :
des liaisons fonctionnelles, c’est à dire qu’à une valeur du paramètre correspond un seul ou un
petit nombre de valeurs du phénomène ; il existe alors une courbe représentative de la liaison ;
des liaisons stochastiques, à savoir qu’à une valeur du paramètre correspond un ensemble de
valeurs du phénomène (ou inversement).
Y Y
X X
Liaison fonctionnelle Liaison stochastique
La question qui se pose, lorsqu’on a le second type de liaison, est de savoir si X a une influence sur
Y (ou inversement) et si on peut représenter par une droite les variations de Y en fonction de X ou inverse-
ment. Si oui, peut-on déterminer cette droite d’une part, et d’autre part, avec quels risques d’erreur peut-on
affirmer qu’elle représente bien la variation de Y en fonction de X ou inversement ?
Les nuages de point non situés sur cette droite seraient alors le résultat du « hasard », par exemple
des imprécisions de mesures ou de nombreux facteurs ayant une petite influence sur le phénomène ou le
paramètre étudié.
La liaison serait alors dite « corrélation » et la droite représentative « droite de régression li-
néaire ». Il existe plusieurs types de diagramme de corrélation (figure 6.11). Si l’on étudie l’influence de plu-
sieurs paramètres, il sera alors judicieux de les classer par ordre d’importance.
Pour répondre à ces questions, il existe deux méthodes :
une méthode graphique,
une méthode dite du test de corrélation d’ordre de rang ou test de SPEARMAN.
6
Méthodes de Maintenance
Y Y
X X
1. Corrélation positive 2. Possibilité d'une corrélation positive
Y Y
X X
3. Corrélation négative 4. Possibilité d'une corrélation négative
X
5. Pas de corrélation
7
Méthodes de Maintenance
On a alors :
zone I + zone III = 39 points
zone II + zone IV = 9 points
A l’aide du tableau de la figure 6.13, appelé tableau de test des signes, on lit en face de n = 48 :
limite inférieure dans colonne 5% = 16
limite supérieure dans colonne 5% = 32
Le total zone I + zone III = 39 points est supérieur à 32, le total zone II + zone IV = 9 points est inférieur à 16.
Dans ces conditions, on peut en conclure avec un risque d’erreur de 5% qu’il y a corrélation entre X et Y.
De même on lit toujours pour n = 48 :
limite inférieure dans colonne 1% = 14
limite supérieure dans colonne 1% = 34
Comme 39 > 34 et 9 < 14, on peut même dire que le risque d’erreur est inférieur à 1%, ce qui montre que la
corrélation est certaine. Par ailleurs, selon la figure 6.11, on peut dire que cette corrélation est positive.
Limite inf Limite sup Limite inf Limite sup Limite inf Limite sup
n 1% 5% 5% 1% n 1% 5% 5% 1% n 1% 5% 5% 1%
1 31 7 9 22 24 61 20 22 39 41
2 32 8 9 23 24 62 20 22 40 42
3 3 33 8 10 23 25 63 20 23 40 43
4 4 34 9 10 24 25 64 21 23 41 43
5 5 5 35 9 11 24 26 65 21 24 41 44
6 0 6 6 36 9 11 25 27 66 22 24 42 44
7 0 7 7 37 10 12 25 27 67 22 25 42 45
8 0 0 8 8 38 10 12 26 28 68 22 25 43 46
9 0 1 8 9 39 11 12 27 28 69 23 25 44 46
10 0 1 9 10 40 11 13 27 29 70 23 26 44 47
11 0 1 10 11 41 11 13 28 30 71 24 26 45 47
12 1 2 10 11 42 12 14 28 30 72 24 27 45 48
13 1 2 11 12 43 12 14 29 31 73 25 27 46 48
14 1 2 12 13 44 13 15 29 31 74 25 28 46 49
15 2 3 12 13 45 13 15 30 32 75 25 28 47 50
16 2 3 13 14 46 13 15 31 33 76 26 28 48 50
17 2 4 13 15 47 14 16 31 33 77 26 29 48 51
18 3 4 14 15 48 14 16 32 34 78 27 29 49 51
19 3 4 15 16 49 15 17 32 34 79 27 30 49 52
20 3 5 15 17 50 15 17 33 35 80 28 30 50 52
21 4 5 16 17 51 15 18 33 36 81 28 31 50 53
22 4 5 17 18 52 16 18 34 36 82 28 31 51 54
23 4 6 17 19 53 16 18 35 37 83 29 32 51 54
24 5 6 18 19 54 17 19 35 37 84 29 32 52 55
25 5 7 18 20 55 17 19 36 38 85 30 32 53 55
26 6 7 19 20 56 17 20 36 39 86 30 33 53 56
27 6 7 20 21 57 18 20 37 39 87 31 33 54 56
28 6 8 20 22 58 18 21 37 40 88 31 34 54 57
29 7 8 21 22 59 19 21 38 40 89 31 34 55 58
30 7 9 21 23 60 19 21 39 41 90 32 35 55 58
A – Méthodologie
On va travailler directement sur un exemple pour comprendre cette méthode. Pour cela, on consi-
dère dix couples X, Y tels que :
X représente la teneur en eau d’un produit en ppm avant étuvage,
Y représente la teneur en eau d’un produit en ppm après étuvage.
La méthode est la suivante :
8
Méthodes de Maintenance
dans un tableau, on classe les X et Y selon leur rang (1, 2, 3) et par ordre décroissant ; c’est
« l’ordre de rang » ;
on complète le tableau en calculant pour chaque couple la différence d de leur rang en valeur
absolue et le carré d2 de cette différence.
La table des valeurs critiques de d2 permet de tester les paramètres. Pour classer ces para-
mètres par ordre d’importance, on utilise l’indice donné par le coefficient de corrélation d’ordre de rang de
SPEARMAN défini par :
6 d2
RS 1
n(n 2 1)
Dans cette expression, n est le nombre d’expériences, c'est-à-dire le nombre de couples X,Y. L’utilisation de
ce coefficient est la suivante :
si RS = 1, alors la correspondance entre les rangs des deux grandeurs est parfaite,
si RS = –1 alors les rangs sont exactement inverse,
si RS = 0, les rangs sont distribués au hasard.
On peut se servir des estimations de RS pour classer les différents paramètres sélectionnés suivant
l’importance de leur influence.
9
Méthodes de Maintenance
1
Identification du mécanisme de défaillance
2
A partir d’une défaillance, il est possible de construire un arbre des causes par niveaux successifs (quelles sont les
causes de cette cause ?). Par approfondissement progressif, on va ainsi du diagnostic jusqu’à l’expertise.
10
Méthodes de Maintenance
Défaillance
3 : J'agis
1 : Je vois
2 : Je réfléchis
11
Méthodes de Maintenance
Zone mémoire
1,5% A2 E2
Chaîne P3 A3 E3
Unité de Sorties d'action
Traitement
3% 5% 60%
Capteur 1 Capteur 2 Capteur 3
0,5%
Entrées Chaîne
d'acquisition
4 – Savoir-faire
Le diagnostic est construit comme une enquête policière : le maintenancier part des informations et
symptômes, et à partir de son expérience, il formule des hypothèses affectées d’un niveau de probabilité
plus ou moins important, teste ces hypothèses afin de se construire une certitude. Il dispose pour cela
d’outils de diagnostic. Les plus utilisés sont :
le GRAFCET (recherche des discordances),
le diagramme Causes – Effets,
l’arbre des causes,
l’organigramme de diagnostic et/ou la fiche de diagnostic
les systèmes experts.
Le GRAFCET est un outil bien connu des automaticiens : il permet en particulier la recherche de
dysfonctionnement sur une chaîne fonctionnelle et d’identifier l’équipement défaillant d’un SAP. Mais tous
les systèmes sont loin d’être automatisés : lorsqu’on a un appareil électroménager qui ne démarre pas
quand on en a besoin, il faut d’autres outils ! C’est ce que nous allons essayer de voir maintenant.
2.31 – Rappels
Vu de l’utilisateur, une défaillance se manifeste donc par son effet. Si on veut résoudre le problème,
il faut d’abord localiser l’élément en cause afin de le réparer ou de l’échanger. Puis, si on veut que la défail-
lance ne se reproduise plus, .il faut rechercher les phénomènes ou les circonstances en cause.
Dans ce paragraphe, on appellera recherche des causes la localisation des éléments dont l’état
anormal a entraîné la défaillance. Pour aider l’homme de maintenance dans cette recherche, on dispose du
Tableau Cause – Effets qui débouche ensuite sur l’organigramme de diagnostic. Le Tableau Cause – Effets
permet :
de faire un bilan des défaillances,
de rechercher des causes à partir d’un effet.
12
Méthodes de Maintenance
On recense, de manière exhaustive dans l’historique d’un équipement, tous les évènements relatifs
à un sous-ensemble ou un composant d’un équipement posant problème (déterminé par exemple par une
analyse de Pareto). On détermine :
le nombre de fois où l’effet est apparu,
la moyenne des temps d’intervention (MTI),
la moyenne des temps de diagnostic.
L’ensemble de ces données est tout d’abord regroupé sur un tableau comme indiqué figure 6.17. Ne
pas s’étonner si un effet peut être provoqué par plusieurs causes.
Effet constaté Elément en cause Nombre de fois MTI (min) MTD (min)
E1 C1 12 25 10
E2 C2 4 15 5
E1 C3 23 60 10
E3 C4 2 10 2
E2 C5 6 40 12
Si ce tableau a l’intérêt de regrouper toutes les causes possibles correspondant à chaque effet, il a
aussi un inconvénient majeur : pour chaque défaillance signalée, il faut parcourir toute la liste des effets
constatés pour récupérer tous les éléments en cause. Donc, pour un équipement complexe, cette liste peut
être très longue, d’où une perte de temps et des risques d’oubli.
On va donc « croiser » les effets et les causes sur un tableau à double entrée (figure 6.18). Puis à
l’intersection d’un effet et d’une cause, on indique le nombre de fois où l’effet est apparu.
Cause
Cause
Cause
Cause
Cause C1 C2 C3 C4 C5
E1 12 23
E2 4 6
E3 2
On complète le tableau en intégrant les temps MTI et MTD. On obtient le tableau définitif de la figure 6.19.
Cause
Cause
Cause
Cause
Cause C1 C2 C3 C4 C5
Moyenne des temps de diagnostic MTD 10 5 10 2 12
Moyenne des temps d’intervention MTI 25 15 60 10 40
E1 12 23
E2 4 6
E3 2
Figure 6.19 – Tableau Causes – Effets
Conclusion
Le tableau causes – effets est un outil de synthèse d’historique qui met en évidence :
les relations entre les causes connues et les effets constatés,
la fréquence d’apparition des causes,
les temps d’intervention et les temps de diagnostic.
13
Méthodes de Maintenance
Exemple : un aspirateur tourne mais n’aspire plus. Il est clair qu’il y a des choses à faire avant de mettre en
cause le système d’aspiration.
Pas d'aspiration
Oui
Hypothèse 1 Suceur obstrué?
Déboucher
Non suceur
Mauvais Bon
Essais
Hypothèse 2 Oui
Sac plein? Changer le sac
Non
Mauvais Bon
Essais
Oui Déboucher
Hypothèse 3 Flexible obstrué?
flexible
Non
Mauvais Bon
Essais
Appeler le
technicien agréé
Fin
14
Méthodes de Maintenance
Un organigramme de diagnostic est écrit par un expert de l’équipement. L’utilisateur n’est pas for-
cément un expert de l’équipement, mais il doit être capable d’effectuer correctement et en toute sécurité les
actions et les tests proposés par l’organigramme.
16
Méthodes de Maintenance
Cet outil a été créé par Ishikawa, professeur à l’Université de la TOKYO dans les années 60 et con-
cepteur d’une méthode de management de la qualité totale. Le diagramme causes-effet est une représenta-
tion graphique du classement par familles de toutes les causes possibles pouvant influencer un processus.
Ces familles de causes au nombre de 5 engendrent la non qualité dans un processus de fabrication. Leur
nom commence par la lettre M d’où l’appellation 5M. Ishikawa a proposé une représentation graphique en
« arête de poisson » (figure A.1).
Le diagramme Causes-Effet est donc l'image des causes identifiées d'un dysfonctionnement poten-
tiel pouvant survenir sur un système. Il se veut le plus exhaustif possible en représentant toutes les causes
qui peuvent avoir une influence sur la sûreté de fonctionnement. Les 5 grandes familles ou 5 facteurs pri-
maires sont renseignés par des facteurs secondaires et parfois tertiaires; Les différents facteurs doivent être
hiérarchisés.
L'intérêt de ce diagramme est son caractère exhaustif. Il peut aussi bien s'appliquer à des systèmes
existants (évaluation) qu'à des systèmes en cours d'élaboration (validation). On pourra adjoindre au dia-
gramme précédent des facteurs secondaires et tertiaires qui complèteront les facteurs primaires :
On peut adapter cet outil à l’aide au diagnostic de la manière suivante :
définition de l’effet étudié en regroupant le maximum de données ;
recensement de toutes les causes possibles ; le brainstorming3 est un outil efficace pour cette
phase de recherche ;
classement typologique des causes ;
hiérarchisation des causes dans chaque famille par ordre d’importance.
3
Appelé souvent « remue-méninges », technique de créativité utilisable dans toutes les circonstances, dés lors :qu’on
veut faire ressortir toutes les caractéristiques d’un problème,qu’on cherche des solutions innovantes à ce pro-
blème.
17