Méthodes de Maintenance

CHAPITRE 3

ANALYSE DES DEFAILLANCES ET AIDE AU

DIAGNOSTIC

L’analyse des défaillances peut s’effectuer :

 soit de manière quantitative puis qualitative en exploitant l’historique de l’équipement et les don-
nées qualitatives du diagnostic et de l’expertise des défaillances
 soit de manière prévisionnelle en phase de conception ou a posteriori, après retour
d’expérience.
Tout le problème pour l’homme de maintenance est de savoir quelles défaillances traiter en priorité,
certaines n’ayant que peu d’importance en terme d’effets et de coûts. L’exploitation de l’historique va per-
mettre d’effectuer ce choix. Or, certains diront qu’ils n’ont pas le temps d’exploiter l’historique des machines,
qu’ils ont autres choses à faire (du correctif certainement !..). Le refus d’exploiter les historiques montre une
totale méconnaissance des méthodes de gestion de la maintenance, et donc une totale désorganisation du
service Maintenance, et c’est par là qu’il faudra commencer avant d’aller plus loin.
S’il est vrai que l’exploitation manuelle d’un historique est longue et fastidieuse, elle amène énor-
mément d’informations. La GMAO permet maintenant de s’affranchir de ce travail pénible. Cette exploitation
peut s’effectuer à plusieurs niveaux : par centre de charge (par exemple on analyse le comportement de
l’ensemble des moteurs asynchrones triphasés de l’usine ou de l’atelier), par équipement, par type d’organe,
par sous-ensemble, par composants critiques. On peut analyser un historique de deux manières :
 soit de manière quantitative en exploitant l’historique de l’équipement et les données qualitatives
du diagnostic des défaillances ce qui permet d’isoler les problèmes arrivant le plus souvent ou
coûtant très cher,
 soit de manière qualitative après retour d’expérience ; on expertise alors la défaillance.
Il est clair que le choix des types de défaillance est important : une défaillance intrinsèque (propre au
matériel) n’a rien à voir avec une défaillance extrinsèque (liée à l’environnement), et en tout état de cause,
ne peut s’analyser de la même manière, même si on apporte par la suite un correctif. L’analyse quantitative
d’un historique sera traitée dans le paragraphe 1 ; on dispose pour cela d’un outil très important : l’analyse
de Pareto. Nous allons en expliquer le principe et voir son application. L’analyse qualitative des défaillances
sera vue ensuite. Elle débouchera naturellement sur une aide au diagnostic. Si diagnostiquer une défaillance
fait partie du travail quotidien de l’homme de maintenance, la prévoir, afin qu’elle n’arrive pas, est encore
mieux. C’est le but de l’analyse prévisionnelle des défaillances.

1 – ANALYSE QUANTITATIVE DES DEFAILLANCES

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

Figure 6.1 – Analyse des temps

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.

1.1 – Méthode ABC

1.11 – Loi de PARETO

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%

Figure 6.2 – Diagramme de Pareto ou courbe ABC

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.

1.13 – Diagrammes de Pareto en N, Nt et t

Le service maintenance peut exploiter cette méthode en allant beaucoup plus loin :
 on dresse un tableau regroupant les sous-ensembles, le nombre de défaillances N, les temps
d’arrêt par sous-ensemble Nt et la moyenne des temps d’arrêt t ;
 on élabore les diagrammes en bâtons N, Nt et t ; ils permettront de déterminer la priorité de
prise en charge des sous-ensembles par le service maintenance,
 le graphe en N oriente vers l’amélioration de la fiabilité ;
 le graphe en Nt est un indicateur de disponibilité, car Nt estime la perte de disponibilité de
chaque sous-ensemble ;
 le graphe en t oriente vers la maintenabilité, c’est à dire l’amélioration de l’aptitude à la mainte-
nance.
1.14 – Application
Une machine comporte 10 sous-ensembles dont on a relevé l’historique des pannes. L’entreprise,
qui utilise cette machine, désire augmenter sa productivité en diminuant les pannes sérieuses. Pour cela elle
demande au service de maintenance de définir des priorités sur les améliorations à apporter à cette ma-
chine. L’historique de la machine fournit le tableau suivant.

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

Figure 6.3 – Historique d’une machine

Du tableau précédent, on tire le tableau de la figure 6.4.

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

Figure 6.4 – Tableau des coûts et des pannes cumulées

A – Diagramme de Pareto
A partir du tableau ci-dessus, on construit le diagramme de Pareto (figure 6.5). Les cases grises
nous donnent les limites des zones A, B et C. Il est donc évident qu’une amélioration de la fiabilité sur les
sous-ensembles D, E et A peut procurer jusqu'à 76,9% de gain sur les pannes.
Coûts
cumulés
100%

80

60

40

20
A B C Pannes
cumulées
0
20 40 60 80 100%

Figure 6.5 – Exemple de diagramme de Pareto

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

Figure 6.6 – Tableau en N, Nt et t

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

Figure 6.7 – Mise en évidence des éléments les moins fiables

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

Figure 6.8 – Mise en évidence des éléments les moins disponibles

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

Figure 6.9 – Mise en évidence des éléments les moins maintenables

5
Méthodes de Maintenance

Après analyse de t (attente maintenance, déplacements, temps de diagnostic, attente de pièce,

etc..), il sera possible d’agir sur :
 la logistique (moyens de dépannage, de manutention, etc..),
 l’organisation de la maintenance (gammes d’intervention, formation du personnel, échanges
standard, etc..),
 l’amélioration de la maintenabilité (accessibilité, conception modulaire, etc..).

1.2 – Les relations de corrélation

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

Figure 6.10 – Types de liaison

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

Figure 6.11 – Différents types de diagramme de corrélation

1.21 – Méthode graphique

On utilise la méthode de la « médiane » Y

dont le principe est donné figure 6.12. On trace la
médiane des valeurs de X (droite X ) et la mé- II I
diane des valeurs de Y (droite Y ). On numérote
les quadrants ainsi déterminés de I à IV (en tour-
nant dans le sens trigonométrique). Y
On compte les points par zone, par exemple dans
le cas ci-contre :
 zone I 19 points
 zone II 4 points III IV
 zone III 20 points X
 zone IV 5 points X
 Total 48 points Figure 6.12 – Méthode de la médiane

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

Figure 6.13 – Tableau de test des signes

1.22 – Test de SPEARMAN

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.

Y Ordre de rang Ry X Ordre de rang Rx d  Ry  Rx d2

7,8 10 26,1 10 0 0
12,2 4 33,3 4 0 0
14,3 2 37,4 3 1 1
15,2 1 38,5 2 1 1
13,9 3 40,2 1 2 4
10,4 5 31,1 6 1 1
10,1 6 32,0 5 1 1
9,2 7 28,3 9 2 4
8,5 9 29,4 8 1 1
9,0 8 30,1 7 1 1
 d2  14
On compare ensuite  d2 aux valeurs données dans la table de SPEARMAN donnée figure 6.14 pour le
nombre de couples considérés n (ici n = 10). Si la valeur calculée pour  d2 est extérieure aux limites + et
– indiquées sur cette table, de part et d’autre de la valeur moyenne donnée dans la colonne 0, on pourra
conclure en l’existence d’une corrélation entre X et Y :
 avec un risque d’erreur de 5% si  d2 calculée est extérieure aux limites + et – données dans
les colonnes 5% d’erreur,
 avec seulement un risque d’erreur de 1% si  d2 calculée est extérieure aux limites + et –
données dans les colonnes 1% d’erreur.
En effet, les limites données par la table correspondent aux valeurs qui seraient obtenues par un tirage au
hasard des ordres de rang :
 si  d2 est supérieure à la limite supérieure, la différence est supérieure à celle qui pourrait
être due au hasard, les deux variables varient en sens inverse, il y a une « corrélation néga-
tive » ;
 i  d2 est inférieure à la limite inférieure, la différence est inférieure à celle qui pourrait être
due au hasard, les deux variables varient dans le même sens, il y a une « corrélation positive ».
Dans le cas donné ci-dessus,  d2  14 est inférieur à la limite supérieure pour N = 10 (41,6). On peut
donc conclure à l’existence d’une corrélation positive entre X et Y avec un risque d’erreur inférieur à 1%.
B – Coefficient de corrélation de SPEARMAN

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

n 5% de risque d’erreur 1% de risque d’erreur

+ 0 – + 0 –
4 0 10 20,0
5 2,0 20 38,0 0 20 40,0
6 6,0 35 64,0 2,0 35 68,0
7 16,0 56 96,0 6,0 56 106,0
8 30,0 84 138,0 14,0 84 154,0
9 48,0 120 192,0 26,0 120 214,0
10 72,0 165 258,1 41,6 165 288,1
12 141,3 286 430,7 82,4 286 489,6
14 247,5 455 662,5 161,5 455 748,5
16 391,0 680 969,0 271,3 680 1088,7
18 582,4 969 1355,6 422,5 969 1515,5
20 828,6 1330 1831,4 619,8 1330 2040,2
22 1135,2 1771 2406,8 871,3 1771 2670,7
24 1511,1 2300 3088,9 1184,5 2300 3415,5
26 1962,7 2925 3887,3 1564,9 2925 4285,1
28 2495,7 3654 4812,3 2017,0 3654 5291,0
30 3119,5 4495 5870,5 2553,2 4485 6436,8

Figure 6.14 – Table de SPEARMAN : valeur critique de  d2 de corrélation d’ordre de rang

2 – ANALYSE QUALITATIVE DES DEFAILLANCES

2.1 – Diagnostic et expertise

1 – Définitions
 Le diagnostic est « l’identification de la cause probable de défaillance à l’aide d’un raisonne-
ment logique fondé sur un ensemble d’informations provenant d’une inspection, d’un contrôle ou
d’un test ». La norme NF EN 13306 va plus loin, puisqu’elle indique que le diagnostic d’une
panne est « l’ensemble des actions menées pour la détection de la panne, sa localisation et
l'identification de la cause ». On va donc jusqu’à l’expertise1 de la défaillance.
 Localisation de panne : actions menées en vue d'identifier l’équipement en panne au niveau de
l'arborescence appropriée2.
2 – Commentaires sur ces définitions
Le diagnostic constitue une phase importante de la maintenance corrective. De sa pertinence et de
sa rapidité dépend la rapidité de l’intervention. Il est précédé de la détection de la défaillance et de sa locali-
sation. Il permet de confirmer, de compléter ou de modifier les hypothèses faites sur l’origine et la cause des
défaillances et de préciser les opérations de maintenance corrective nécessaires.
Attention : certains confondent localisation et diagnostic. Ce n’est pas parce qu’on change une pièce cassée
qu’on a diagnostiqué l’origine de la défaillance : on retrouve la fonction perdue en changeant la pièce, mais il
est clair que cet événement se reproduira, puisqu’on n’a pas identifié la cause. Seul le diagnostic sera une
démarche de progrès.
3 – Conclusion
Faire un diagnostic, c’est déterminer la (les) cause(s) d’un trouble fonctionnel, à partir de symptômes
et/ou des observations :
 le symptôme est le phénomène qui révèle une défaillance,
 le diagnostic recherche l’origine des défaillances d’un système.
Un diagnostic est une action réfléchie. La figure 6.15 traduit parfaitement bien cette démarche.

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

Figure 6.15 – Mécanisme du diagnostic

4 – Un diagnostic : dans quel cas ?

Le diagnostic ne concerne pas que les pannes : dès qu’on perçoit un événement anormal, il doit y
avoir diagnostic ! Quels sont les évènements anormaux autres que les pannes ? Ce sont les arrêts de pro-
duction, les accidents, les défauts sur le produit fini, les dérives, la perte de normalité. On voit bien que la
maintenance n’est pas le seul service concerné : la Production diagnostique la cause d’un arrêt, le service
Qualité diagnostique la cause d’un défaut, le service Sécurité diagnostique la cause d’un accident, le service
Gestion diagnostique la cause d’une dérive, etc..

2.2 – Conduite d’un diagnostic

Elle nécessite un grand nombre d’informations recueillies :

 auprès des utilisateurs (détection, manifestation et symptômes),
 dans les documents constructeurs et/ou dans les documents du service maintenance.
Mais il y a aussi l’expérience du terrain et le savoir-faire.
1 –Manifestation de la défaillance
La manifestation (ou effet) de la défaillance se manifeste par son amplitude (partielle ou complète),
sa vitesse (elle est progressive ou soudaine), son caractère (elle est permanente, fugitive ou intermittente).
2 – Les symptômes
Les symptômes peuvent être observés in situ, sans démontage, par les utilisateurs de l’équipement
ou par le maintenancier : VTOAG, mesures, défauts de qualité. Le VTOAG est l’utilisation naturelle des cinq
sens de l’individu. Il ne faut jamais les négliger, car ils sont capables de contribuer à l’établissement d’un
diagnostic.
a) La vue (V) : c) L’odorat (O) :
 détection de fissures, fuites, décon-  détection de la présence de produits
nections, particuliers,
 détection de dégradations méca-  «odeur de brûlé», embrayage
niques. chaud,...
b) Le toucher (T) : d) L’auditif (A) :
 sensation de chaleur, de vibration,  détection de bruits caractéristiques
 estimation d’un état de surface. (frottements, sifflements).
e) Le goût (G) :
 identification d’un produit (fuite).
Attention cependant ! Il faut rester très prudent lors de ces démarches, qui peuvent exposer l’individu à de
graves dangers : brûlure; électrocution, intoxication, empoisonnement, etc..
Les symptômes peuvent aussi s’observer après démontage : mesures, observations de rupture,
d’état de surface, contrôles non destructifs, etc..
3 – Expérience
Lorsqu’il aborde un problème de défaillance sur un matériel, le maintenancier ne peut pas se per-
mettre de naviguer à vue. Il connaît déjà les probabilités d’apparition de défaillance sur un matériel. Par
exemple, sur un SAP (Système Automatisé de Production), on sait que c’est la partie opérative qui occa-
sionnera le plus de pannes (figure 6.16). Il est donc inutile de commencer son investigation par l’API !

11
Méthodes de Maintenance

Partie commande 5% 90% Partie Opérative

API 30% Préactionneur Actionneur Effectueur

P1 A1 E1

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

Figure 6.16 – Probabilité d’occurrence d’une défaillance sur un SAP

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.

2.3 – Tableau Causes – Effets

2.31 – Rappels

Dans l’apparition d’une défaillance, on peut distinguer trois phases :

1. la cause,
2. le mode,
3. l’effet.
Exemple :
Cause Mode Effet
Les phares de la voiture sont La batterie est déchargée Le moteur ne démarre pas
restés allumés toute la nuit

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

2.32 – Structure du tableau Causes – Effets

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

Figure 6.17 – Recensement des causes et effets d’une défaillance

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

Figure 6.18 – Croisement des causes et des effets

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

Il va permettre de générer la fiche de diagnostic et l’organigramme de diagnostic.

Remarque
Ce tableau est mieux adapté à la maintenance que le diagramme d’Ishikawa (voir en annexe) utilisé par les
qualiticiens pour identifier toutes les causes donnant naissance à un effet (un diagramme par effet).

2.33 – Organigramme de diagnostic

C’est un outil graphique décri- Test batterie Début de l'organigramme

vant la marche à suivre pour atteindre
la cause d’une défaillance à partir de
l’effet constaté. La recherche
s’effectue à partir d’une suite d’actions
et de tests à réaliser. C’est donc le
« mode opératoire » du diagnostic. La Action
syntaxe utilisée pour tracer
l’organigramme de diagnostic est
donnée figure 6.20.
Les hypothèses de test sont toujours non
Choix
hiérarchisées de manière à aller du
plus probable au moins probable. oui

Fin Fin de l'organigramme

Figure 6.20 – Syntaxe de l’organigramme de diagnostic

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

Figure 6.21 – Organigramme de diagnostic d’un aspirateur

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.

2.34 – Fiche de diagnostic

Fiche de diagnostic Système : aspirateur Intervenant : Raymond Date : 15/10/2023

POULIDOR
N° hyp. Point de Contrôle Moyens de contrôle Références du contrôle Résultat
Bon
1 Suceur Visuel Passage libre d‘un tournevis
Mauvais
2 Bon
Sac à poussière Visuel Sac plat
Mauvais
3 Flexible Tactile Passer la soufflette Bon
Vérifier le passage de l’air Mauvais
Conclusion du diagnostic Proposition d’action corrective :
Cause de la défaillance : Obstruction du flexible Déboucher à l’aide d’un fil rigide émoussé au bout
par boule de papier Amélioration proposée : coller une affichette « ne pas
aspirer de papier »

Figure 6.22 – Fiche de diagnostic

2.35 – Pour résumer

Pour construire un organigramme de diagnostic ou une fiche de diagnostic, il faut :

 établir le mode opératoire du diagnostic,
 transposer ce mode opératoire sous la forme d’une suite logique de tests et d’actions.
Chaque test et chaque action doivent être décrits de manière simple. La réponse à un test sera pu-
rement binaire (oui ou non, bon ou mauvais). Une action peut éventuellement consister à faire appel à un
autre moyen : nouvel organigramme, appel à mode opératoire, appel à un expert, etc..

16
Méthodes de Maintenance

ANNEXE : DIAGRAMME CAUSES - EFFET D’ISHIKAWA

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).

Milieu Matière Matériel

Foudre, arc
Défaut Outillage
Mauvais choix
Défaut CEM
composant Pièce de rechange
Humidité Erreur de
spécification Moyen logistique
Malpropreté Composant
sous dimensionné Documentation
Choc
EFFET
(défaillance)
Erreur de conception Technicité Préventif inefficace
insuffisante Gamme d'intervention
Erreur de fabrication Erreur de mal écrite
maintenance Mauvaise intervention
Erreur de l'opérateur
de production Non respect de
la législation

Main d'oeuvre Méthodes

Figure A.1 – Diagramme d’Ishikawa

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