Thse Rachid NOUREDDINE2008

République Algérienne Démocratique et Populaire
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université des Sciences et de la Technologie d’Oran
- Mohamed Boudiaf -
Faculté de Génie Mécanique

Département de Génie Mécanique
Thèse de Doctorat Es Sciences
Spécialité : Productique
Présenté par :
Rachid NOUREDDINE
THEME
IMPLEMENTATION
DE LA MAINTENANCE PREDICTIVE
DANS LES SYSTEMES DE PRODUCTION
Soutenu publiquement le 03 Décembre 2008
Devant le Jury composé de
Mrs :
Larbi BENALI Pr. USTO - MB Président

Mostéfa BOUCHETARA Pr. USTO - MB Examinateur
Abdelhamid HADJOUI M.C. U. Tlemcen Examinateur
Abdelouahab ZANOUN Pr. ENSET Oran Examinateur
Ali BENAMAR Pr. ENSET Oran Encadreur
Farid NOUREDDINE M.C. ENI Tarbes (France) Co-Encadreur
Implémentation d’une maintenance prédictive dans les systèmes de production
Résumé : Cette thèse propose une démarche d’implantation d’une maintenance prédictive dans un système
de production manufacturier. Le choix d’un atelier d’usinage robotisé permet d’expliciter les notions de
criticité inhérentes à la stratégie de maintenance choisie. Le respect d’un formalisme rigoureux lié au concept
MBF (Maintenance Basée sur la Fiabilité) est observé pour montrer tout l’intérêt par rapport aux approches
très pragmatiques généralement observées dans les petites et moyennes entreprises, quand il s’agit de
maintenance.
L’analyse du robot manipulateur lié à la cellule de traitement thermique de l’atelier a aboutit à l’élaboration
de sa grille AMDEC (Analyse des Modes de Défaillance, de leurs Effets et de leur Criticité). Le caractère
automatique de l’analyse AMDEC est réalisé à travers l’élaboration d’un logiciel qui intègre les différentes
étapes de cette analyse. Le résultat final permet de générer automatiquement la grille AMDEC pour les
composants du cas traité.
La mise en place de l’étage de détection des fautes de la maintenance prédictive relative à l’outil de coupe de
la cellule d’usinage est basée sur l'utilisation du modèle analytique de la rugosité des pièces usinées. Ce
modèle est établi sous des conditions de coupe données, calculées en fonction de la rugosité maximale
souhaitée. Deux types de fautes, d'une part l'usure prématurée de l'outil de coupe et d'autre part le bris de
l'outil sont injectées lors de l'usinage des pièces et permettent ainsi de valider la méthode de détection
proposée. Le principe de cette méthode est de comparer la rugosité mesurée à la rugosité calculée à partir du
modèle analytique. En l'absence de faute, les deux valeurs traduisant ces rugosités sont identiques, tandis que
l'occurrence d'une faute se traduit par une différence entre ces deux signaux ; Cette différence étant appelée
résidu.
Une maintenance systématique est également proposée pour pallier à l'usure normale de l'outil. La durée de
vie de l'outil de coupe est calculée en utilisant le modèle de la rugosité couplé à la rugosité maximale
spécifiée.
Mots clés : Maintenance prédictive, maintenance industrielle, usinage, outil de coupe, rugosité, détection des
fautes, AMDEC, MBF, robot, automatisation.
Implementation of a predictive maintenance in manufacturing systems
Abstract : This thesis presents an approach of a predictive maintenance establishment in a manufacturing

system. The choice of an automated workshop machining makes it possible to clarify the notions of criticality
inherent to the maintenance strategy selected. The respect of a rigorous formalism related to the RCM
(Reliability Centered Maintenance) concept is observed to show all the interest compared to the very
pragmatic approaches generally observed in small and medium-sized companies, when it is about
maintenance.
The manipulator robot analysis of the heat treatment cell of the workshop has ends in the elaboration of its
FMECA (Failure Modes, Effects and Critically Analysis) grids. The aspect automation of the FMECA
analysis is realized through the conception of software that integrates the method steps. The final result
allows the automatic generation of FMECA grids for the treated case components.
The implementation of the faults detection step of the predictive maintenance relating to the cutting tool of
the workcell machining is based on the use of the roughness analytical model of the work pieces. This model
is established on cutting conditions according to the desired maximum roughness. Two types of faults are
introduced in the process to validate the proposed detection method. These faults concern on the one hand the
premature wear of the cutting tool and on the other hand the breaking of the tool. The principle of the fault
detection method is to compare the measured roughness with the estimated roughness thanks to the analytical
model. When there is no fault these two values of the roughness are similar whereas the occurrence of a fault
induces a variation between these two signals. This difference is called residual. A systematic maintenance is
also proposed to take in charge the normal wear of the tool. The duration of the tool life is calculated using
the calculated roughness model linked with the specified maximum roughness.
Keywords : Predictive maintenance, industrial maintenance, machining, cutting tool, roughness, faults
detection, FMECA, RCM, robot, automation.
‫إلى والدي المرحوم‬
‫إلى والدتي‬
‫إلى زوجتي‬
‫إلى أطف الي‬
REMERCIEMENTS
Je voudrais exprimer ma profonde gratitude à Monsieur le Professeur Ali BENAMAR,

Sous-Directeur de la Post-Graduation et des Relations Extérieures de l’Ecole Normale
Supérieure d’Enseignement Technique d’Oran et Directeur du Laboratoire de Recherche
des Technologies de Fabrication Mécanique pour m’avoir accueilli dans son laboratoire. Je
lui suis reconnaissant pour ses conseils avisés, ses encouragements, sa confiance et la
liberté qu’il m’a toujours laissé dans la direction de ce travail.
Je désire témoigner ma reconnaissance et mes remerciements les plus sincères à

Monsieur Farid NOUREDDINE, Maître de Conférences à l’Ecole Nationale d’Ingénieurs
de Tarbes, qui m’a toujours accueilli pour la préparation de cette thèse avec une très grande
disponibilité et pour m’avoir imprégné de ses travaux de recherche au sein du Laboratoire
Génie de Production. Nos nombreuses discussions, sa rigueur, ses remarques constructives
et son soutien constant m’ont permis de progresser dans mes recherches.
J’adresse mes vifs remerciements à Monsieur le Professeur Larbi BENALI, Doyen de la

Faculté de Mécanique de l’Université des Sciences et de la Technologie Mohamed Boudiaf
d’Oran, qui me fait l’honneur de présider ce jury et pour l’intérêt qu’il a porté à ce travail.
Je remercie vivement Monsieur le Professeur Mostéfa BOUCHETTARA, Président du

Conseil Scientifique du Département de Génie Mécanique de l’Université des Sciences et
de la Technologie Mohamed Boudiaf d’Oran, pour avoir accepté d’examiner ce travail et sa
participation au jury.
Que Monsieur Abdelhamid HADJOUI, Maître de Conférence et Chef du Département

de Génie Mécanique à l’Université Abou Bekr Belkaid de Tlemcen, trouve ici l’expression
de mes vifs remerciements pour avoir accepté d’examiner ce travail et sa participation au
jury.
Je remercie vivement Monsieur Abdelouahab ZANOUN, Professeur à l’Ecole Normale

Supérieure d’Enseignement Technique d’Oran, pour avoir accepté d’examiner ce travail et
sa participation au jury.
Je tiens à remercier particulièrement Mademoiselle Myriam NOUREDDINE, Maître de

Conférences à l’Université des Sciences et de la Technologie Mohamed Boudiaf d’Oran,
pour sa collaboration dans la partie informatique de ce travail, ainsi que Madame Annie
NOUREDDINE, Enseignante des langues étrangères à l’Académie de Toulouse, pour l’aide
prodiguée dans le domaine linguistique.
Mes remerciements vont également à Monsieur Sabik BOUAZIZ, Chef du Département

de Mécanique de l’Ecole Normale Supérieure d’Enseignement Technique d’Oran, pour
avoir mis à ma disposition les moyens techniques du Département, à Messieurs Arezki
KAROUI et Ali NOUREDDINE enseignants-chercheurs au sein du Laboratoire de
Recherche des Technologies de Fabrication Mécanique, pour leur soutien lors des essais
expérimentaux.
Enfin, je ne saurais terminer ces remerciements sans y associer toute personne qui, de
près ou de loin, m’a apporté son aide ou sa sympathie et particulièrement ma famille pour
son soutien moral.
SOMMAIRE
SOMMAIRE
Pages
LISTES – NOMENCLATURE – ABREVIATIONS ...………………………………. 1
LISTES DES FIGURES ……………………………………... 2

LISTES DES TABLEAUX …………………………………... 4
ABREVIATIONS ………………………………………….. 5
NOMENCLATURE ………………………………………….. 6
INTRODUCTION GENERALE ……………………………………………………… 8
CHAPITRE 1 STRATEGIES DE MAINTENANCE INDUSTRIELLE …... 12
1.1. Introduction ……………………………………………………... 13

1.2. Politiques de maintenance ………………………………………. 13
1.2.1. Maintenance corrective …………………………………………. 14
1.2.2. Maintenance préventive ………………………………………… 14
1.2.2.1. Maintenance systématique ……………………………………… 15
1.2.2.2. Maintenance conditionnelle …………………………………….. 15
1.2.2.3. Maintenance prédictive …………………………………………. 15
1.3. Choix des politiques de maintenance et stratégies ……………… 17
1.3.1. Méthodes et outils d’aide à la décision …………………………. 17
1.3.1.1. Abaque de Noiret ……………………………………………….. 17
1.3.1.2. Loi de Pareto ……………………………………………………. 17
1.3.1.3. Arbre de Défaillance …………………………………………. 18
1.3.1.4. Analyse des Modes de Défaillances, de leurs Effets et de leurs
Criticité (AMDEC) ……………………………………………… 18
1.3.1.5. Totale Productive Maintenance (TPM) …………………………. 19
1.3.1.6. Maintenance Basée sur la Fiabilité (MBF) ……………………... 19
1.3.2. Dualité maintenance préventive-maintenance corrective ………. 19
1.3.2.1. Complémentarité préventif-correctif ……………………………. 19
1.3.2.2. Influence du préventif sur le correctif …………………………... 20
1.4. Etapes d’élaboration d’une MBF ……………………………….. 21
1.4.1. Etape 1 : Identification des sites et équipements critiques ……… 21
1.4.2. Analyse des défaillances ………………………………………... 21
1.4.3. Choix des politiques et actions de maintenance ………………… 22
1.4.4. Analyse du retour d’expérience ………………………………… 22
1.5. Démarche AMDEC …………………………………………….. 22
1.5.1. Phase 1 : Initialisation et analyse fonctionnelle ………………… 22
1.5.2. Phase 2 : Analyse des modes de défaillances et de leurs effets … 23
1.5.3. Evaluation de la criticité ………………………………………… 23
1.5.4. Actions correctrices ……………………………………………... 23
1.6. Méthodologie pour le choix d’une politique de maintenance …... 25
1.6.1. Identification des équipements ………………………………….. 25
1.6.2. Identification des défaillances …………………………………... 25
SOMMAIRE
1.6.3. Choix des indicateurs …………………………………………… 25

1.6.4. Etude de coût ……………………………………………………. 25
1.6.5. Paramétrage de la surveillance ………………………………….. 26
1.6.6. Définition des procédures après détection ……………………… 27
1.6.7. Retour d’expérience …………………………………………….. 27
1.7. Conclusion ……………………………………………………… 27
CHAPITRE 2 MAINTENANCE PREDICTIVE - ETUDE DE CAS ……….. 28
2.1. Introduction ……………………………………………………... 29

2.2. Maintenance prédictive …………………………………………. 29
2.3. Détection-localisation de la faute ……………………………….. 30
2.3.1. Méthodes liées à l’intelligence artificielle ……………………… 31
2.3.1.1. Réseaux de neurones ……………………………………………. 31
2.3.2. Méthodes liées à la reconnaissance de formes, aux réseaux
bayésiens et au traitement du signal …………………………….. 32
2.3.2.1. Reconnaissance de formes ……………………………………… 32
2.3.2.2. Réseaux bayésiens ……………………………………………… 32
2.3.2.3. Traitement du signal …………………………………………….. 32
2.3.3. Méthodes liées à l’automatique …………………………………. 33
2.3.3.1. Redondance analytique …………………………………………. 33
2.3.3.2. Estimation de paramètres ……………………………………….. 35
2.4. Prédiction du moment d’intervention …………………………… 35
2.5. Prise de décision d’intervention …….…………………………... 36
2.6. Autres travaux sur la maintenance prédictive …………………... 37
2.7. Etude de cas : manufacture industrielle ………………………… 38
2.8. Stratégie de maintenance ……………………………………….. 38
2.8.1. Analyse fonctionnelle du processus de fabrication ……………... 38
2.8.2. Décomposition structurelle de l’atelier …………………………. 39
2.8.3. Arbre de défaillance de l’atelier ………………………………… 40
2.8.4. Choix de stratégies de maintenance …………………………….. 41
2.9. Conclusion ………………………………………………………. 41
CHAPITRE 3 ANALYSE DES MODES DE FAUTES DU ROBOT

ANTHROPOMORPHE 5 AXES -
GENERATION AUTOMATIQUE DE L’AMDEC ………….. 42
3.1. Introduction ……………………………………………………... 43

3.2. Présentation du robot ……………………………………………. 43
3.2.1. Robot Anthropomorphe 5 axes …………………………………. 43
3.2.2. Principe de fonctionnement …………………………………….. 44
3.3. Analyse du robot ………………………………………………... 44
3.3.1. Analyse fonctionnelle …………………………………………… 44
3.3.2. Analyse structurelle équipement ………………………………... 45
3.3.3. AMDEC ………………………………………………………… 47
3.3.3.1. Modes génériques des défaillances ……………………………... 47
3.3.3.2. Evaluation de la criticité ………………………………………… 47
3.3.3.3. Actions menées …………………………………………………. 47
SOMMAIRE
3.3.3.4. Grille AMDEC ………………………………………………….. 47

3.4. Stratégie de maintenance ……………………………………….. 48
3.5. Automatisation de l’AMDEC …………………………………... 48
3.5.1. Décomposition fonctionnelle dans le logiciel …………………... 48
3.5.1.1. Décomposition du système ……………………………………... 48
3.5.1.2. Décomposition du sous-système : Structure mécanique ………... 49
3.5.1.3. Schéma fonctionnel engendré …………………………………... 50
3.5.2. Génération des défaillances ….………………………………….. 51
3.5.3. Elaboration de la fiche de décision ……………………………... 51
3.5.3.1. Prise en compte des indices et calcul de la criticité …………….. 51
3.5.3.2. Génération automatique de la grille AMDEC …………………... 53
3.6. Conclusion ………………………………………………………. 53
CHAPITRE 4 IMPLANTATION D’UNE MAINTENANCE PREDICTIVE

SUR L’OUTIL DE COUPE EN USINAGE ………………….. 55
4.1. Introduction ……………………………………………………... 56

4.2. Maintenance de l’outil de coupe ………………………………... 56
4.2.1. Types de fautes sur l’outil de coupe …………………………….. 56
4.2.1.1. Faute d’usure en dépouille ou d’usure frontale …………………. 56
4.2.1.2. Faute d’usure en cratère ………………………………………… 57
4.2.1.3. Faute d’entaille ………………………………………………….. 57
4.2.1.4. Faute de fissuration ……………………………………………... 57
4.2.1.5. Faute de déformation plastique …………………………………. 57
4.2.1.6. Faute de bris du bec de l’outil …………………………………... 57
4.2.2. Causes des fautes de l’outil ……………………………………... 58
4.2.2.1. Cause due à l’usure par adhésion ……………………………….. 58
4.2.2.2. Cause due à l’usure par abrasion ……………………………….. 59
4.2.2.3. Cause due à l’usure par diffusion ………………………………. 59
4.2.2.4. Cause due à l’usure par fluage et oxydation ……………………. 59
4.2.2.5. Cause due à l’usure par effets de chocs ………………………… 59
4.2.3. Indicateurs des fautes de l’outil de coupe ………………………. 59
4.2.3.1. Indicateurs directs ………………………………………………. 60
4.2.3.2. Indicateurs indirects …………………………………………….. 60
4.2.4. Choix de l’indicateur de surveillance de l’outil de coupe ………. 60
4.3. Modélisation de la rugosité des surfaces usinées ………………. 61
4.4. Approche expérimentale – Identification ……………………….. 62
4.4.1. Approche expérimentale ………………………………………... 62
4.4.1.1. Pièce usinée ……………………………………………………... 62
4.4.1.2. Outil de coupe …………………………………………………... 63
4.4.1.3. Conditions de coupe …………………………………………….. 63
4.4.1.4. Tour « Cholet 350 » …………………………………………….. 63
4.4.1.5. Rugosimètre …………………………………………………….. 63
4.4.1.6. Plans d’expérience ……………………………………………… 64
4.4.2. Identification de Rg, c, m et σ …………………………………... 65
4.5. Maintenance systématique – Usure systématique de l'outil de
coupe ……………………………………………………………. 65
4.5.1. Durée de vie de l'outil de coupe ………………………………… 65
4.6. Maintenance prédictive de l’outil de coupe …………………….. 67
SOMMAIRE
4.6.1. Détection et localisation des fautes ……………………………... 67

4.6.2. Expérimentation et résultats …………………………………….. 68
4.6.2.1. Essai 0 - Mode sans faute ……………………………………….. 69
4.6.2.2. Essai 1 - Injection de f1 : faute d'usure prématurée de l'outil …... 70
4.6.2.3. Essai 2 - Injection de f2 : faute de bris de l'outil ………………... 72
4.7. Conclusion ………………………………………………………. 73
CONCLUSION GENERALE …………………………………………………………. 75
BIBLIOGRAPHIE ……………………………………………………………………... 78
ANNEXES ………………………………………………………………………………. 83
ANNEXE 1 Abaque de Noiret …………………………………. 84

ANNEXE 2 Robot manipulateur anthropomorphe 5 axes ….. 85
ANNEXE 3 Grille AMDEC ……………………………………. 92
ANNEXE 4 Tour « Cholet 350 » ………………………………. 100
LISTES – ABREVIATIONS - NOMENCLATURE
LISTES -
ABREVIATIONS -
NOMENCLATURE
1
LISTE DES FIGURES
Pages
CHAPITRE 1 STRATEGIES DE MAINTENANCE
Figure 1.1 Politiques de maintenance ………………………………….. 14

Figure 1.2 Principe de la maintenance prédictive ……………………… 16
Figure 1.3 Opérateurs logiques « ET » et « OU » ……………………... 18
Figure 1.4 Aspect économique du choix préventif-correctif ………….. 20
Figure 1.5 Influence du préventif sur le correctif ……………………… 20
Figure 1.6 Etapes de la MBF ………………………………………….. 21
Figure 1.7 Aide au choix d’une politique de maintenance …………….. 26
CHAPITRE 2 MAINTEANCE PREDICTIVE – ETUDE DE CAS
Figure 2.1 Fondements de la maintenance prédictive ………………….. 30

Figure 2.2 Redondance analytique ……………………………………... 34
Figure 2.3 Détection-localisation de fautes par redondance analytique
basée sur le modèle d’état …………………………………… 34
Figure 2.4 Redondance paramétrique …………………………………... 35
Figure 2.5 Processus de fabrication …………………………………….. 39
Figure 2.6 AdD de l’atelier ……………………………………………... 40

ANTHROMORPHE 5 AXES -
GENERATION AUTOMATIQUE DE L’AMDEC
Figure 3.1 Robot Anthromorphe 5 axes …………………………………. 44

Figure 3.2 Schéma fonctionnel du robot ………………………………… 45
Figure 3.3 Prise en compte du système …………………………………. 49
Figure 3.4 Prise en compte du sous-système ……………………………. 49
Figure 3.5 Prise en compte d’un composant …………………………….. 50
Figure 3.6 Schéma fonctionnel du robot sur 3 niveaux …………………. 50
Figure 3.7 Triplet 1 du composant ‘articulation’ ………………………. 51
Figure 3.8 Evaluation des indices F, G et D pour le triplet 1 …………… 52
Figure 3.9 Evaluation des indices F, G et D pour le triplet 2 …………… 52
Figure 3.10 Grille AMDEC du sous-système « Structure mécanique » …. 53
CHAPITRE 4 IMPLANTATION D’UNE MAINTENANCE

PREDICTIVE SUR L’OUTIL DE COUPE
EN USINAGE
Figure 4.1 Formes de fautes sur l’outil de coupe ……………………….. 58

Figure 4.2 Rugosité théorique …………………………………………... 61
Figure 4.3 Eprouvettes traitées avant et après usinage …………………. 62
2
Figure 4.4.a Rugosimètre Hommel Werke ……………………………….. 64

Figure 4.4.b Mesure d’une pièce …………………………………………. 64
Figure.4.5 Rugosité mesurée ……………………………………………. 65
Figure 4.6 Changement de base ………………………………………… 66
Figure 4.7 Construction du résidu ………………………………………. 68
Figure 4.8 Résidu r(t) en mode sans faute ……………………………… 69
Figure 4.9 Rugosité Ra en mode sans faute …………………………….. 70
Figure 4.10 Résidu r(t) avec faute f1 …………………………………….. 71
Figure 4.11 Rugosité Ra avec faute f1 ……………………………………. 72
Figure 4.12 Résidu r(t) avec faute f2 …………………………………….. 73
Figure 4.13 Rugosité Ra avec faute f2 ……………………………………. 73
3
LISTE DES TABLEAUX
Pages
CHAPITRE 1 STRATEGIES DE MAINTENANCE
Tableau 1.1 Evaluation des indices F, G, D ……………………………... 24
CHAPITRE 2 MAINTEANCE PREDICTIVE – ETUDE DE CAS
Tableau 2.1 Décomposition structurelle (Niveau 1) …………………….. 39

Tableau 2.2 Décomposition structurelle (Niveau 2) …………………….. 39

ANTHROMORPHE 5 AXES -
GENERATION AUTOMATIQUEDE L’AMDEC
Tableau 3.1 Sous-systèmes fonctionnels ………………………………... 45

Tableau 3.2 Décomposition des sous-systèmes en équipements ………... 46
CHAPITRE 4 IMPLANTATION D’UNE MAINTENANCE

PREDICTIVE SUR L’OUTIL DE COUPE
EN USINAGE
Tableau 4.1 Caractéristiques physico-chimiques de la pièce ……………. 62

Tableau 4.2 Caractéristiques de l’outil de coupe ………………………... 63
Tableau 4.3 Conditions de coupe optimale ……………………………… 63
Tableau 4.4 Valeurs de Rg, c, m et σ ……………………………………. 65
4
ABREVIATIONS
A disponibilité
AMDEC Analyse des Modes de Défaillances, de leurs effets et de leur criticité
AMDE Analyse des Modes de Défaillances et de leurs effets
AdD Arbre de Défaillance
AFNOR Association Française de NORmalisation
CND Contrôle Non Destructif
Cu Cuve du bain d’huile
G2AD logiciel développé pour la Génération Automatique de l’Analyse des
Défaillances
H Huile
LaRTFM Laboratoire de Recherche en Technologie de Fabrication Mécanique
LGP Laboratoire Génie de Production
MBF Maintenance Basée sur la Fiabilité
MP Maintenance Prédictive
MTBF Moyenne des Temps de Bon Fonctionnement
MTTR Moyenne des Temps Techniques de Réparation
M.A Mécanique Articulée du robot
NF E 66 505 Norme AFNOR : Essai de durée de vie des outils de tournage à partie active
unique, 1993
O Outil de coupe du tour
PMT Plan de Maintenance Technique
P.C.F Partie Commande du Four
P.I Parois Isolantes du four
P Porte du four
P.C.R Partie Commande du Robot
Pr Préhenseur du robot
P.C.T Partie Commande du Tour
Q Qualité
S Sécurité
SdF Sûreté de Fonctionnement
S.M Structure Mécanique du tour
TPM Totale Productive Maintenance
5
NOMENCLATURE
a avance de coupe (mm.tr-1)

Al allongement (%)
c constante dépendante des conditions de coupe
C38 acier de traitement thermique (XC38f)
C carbone
Cr criticité
D indice de possibilité de détection de la défaillance avant qu'elle ne produise
l’effet
f1 faute d'usure prématurée de l'outil de coupe
f2 faute de bris du bec de l'outil de coupe
F indice de fréquence d’apparition d'une défaillance due à une cause
particulière
G indice de gravité des effets de la défaillance
HB durété brinell (HB)
KT profondeur maximale d’usure en cratère de l’outil de coupe (mm)
KM position de KT (mm)
Kcu résilience (daJ/cm2)
m exposant dépendant des conditions de coupe
Mn manganèse
p profondeur de passe (mm)
P20 nuance de carbure de l'outil
R(t) rugosité (µm)
Rg rugosité théorique de génération (µm)
Ra(t) rugosité moyenne arithmétique (µm)
RM rugosité maximale imposée (µm)
r(t) résidu (µm)
r rayon d'arrondi du bec de l'outil (mm)
Rv température de revenu (°C)
Re résistance élastique (daN/mm2)
Rr résistance à la rupture (daN/mm2)
s variable de répartition de la loi normale
SH seuil haut (µm)
SB seuil bas (µm)
SVp valeur de la flèche de déformation plastique de l’outil de coupe
Si silicium
t temps (s)
T titane
Tr température de traitement thermique (°C)
Vc vitesse de coupe (m.min-1)
VB largeur moyenne d’usure en dépouille ou d’usure frontale de l’outil de (mm)
coupe
VN valeur maximale d’entaille de l’outil de coupe (mm)
W tungstène
 valeur du temps d'un cycle d'usinage (s)
c valeur du temps où la rugosité est variable (s)
g valeur du temps où la rugosité est constante (s)
 angle de dépouille de l'outil de coupe (°)
6
 angle d'attaque de l'outil de coupe (°)

c angle de cratérisation c (°)
 moyenne arithmétique statistique
  écart type
D limite de fatigue (daN/mm2)
7
INTRODUCTION GENERALE
8
La prise de conscience des coûts direct et indirect d’une défaillance affectant un

système de production d’une part, ainsi que l’utilisation de technologies complexes et
pointues sur lesquelles reposent les outils de production d’autre part explique en grande
partie l’intérêt et la nécessité d’adaptation de la fonction maintenance. Cet impératif de
maintenance, généralement bien admis de nos jours, s’est progressivement fait sentir dans
toutes les industries et les services, et s’étend dorénavant à la plupart des secteurs de
l’économie. De plus, les certifications qualité incluent dans leurs cahiers des charges des
exigences relatives à l’exercice de la maintenance.
Ce rôle important que doit remplir la fonction maintenance ne peut être atteint que par
l’utilisation et la mise en place de concepts, méthodes et outils d’analyse permettant de
choisir la politique de maintenance la plus appropriée à savoir, une maintenance corrective,
une maintenance préventive systématique, une maintenance préventive conditionnelle ou
une maintenance préventive prédictive.
La terminologie utilisée dans cette étude est issue des travaux de la communauté
scientifique dont le domaine d’activité est la sûreté de fonctionnement des systèmes
informatiques. La définition et l’utilisation des termes fautes, erreurs et défaillances par
rapport aux termes pannes, défauts, anomalies ou dysfonctionnements, permet une certaine
rigueur dans la description des différentes situations. Ainsi la défaillance du système
survient lorsque la fonction n’est plus accomplie. L’erreur est la partie structurelle ou
fonctionnelle de l’état du système ayant entraîné la défaillance. La cause de cette erreur est
une faute.
Par rapport à une défaillance impliquant une maintenance corrective, l’objectif de la

maintenance préventive systématique est de prévoir les défaillances potentielles afin
d’augmenter la disponibilité des systèmes et de réduire les coûts de ces défaillances. Mais
la durée de vie d’un équipement varie en fonction du rythme d’exploitation et des variables
spécifiques au système lequel peut-être sujet à des fautes imprévisible. De ce fait,
l’utilisation d’une valeur prédéterminée de la durée de vie peut mener soit à des réparations
inutiles, soit au rebut de produits hors qualité, voire à une défaillance catastrophique.
La maintenance préventive prédictive ne se réfère pas à des valeurs statistiques

moyennes, puisqu’elles sont entachées d’erreur, mais à l’état de la machine dans ce qui
peut en être discerné par des paramètres de surveillance. Lorsque ces paramètres atteignent
un niveau défini, le risque est alors considéré comme important et une action est décidée.
Les techniques de tolérance aux fautes permettent un apport supplémentaire à la

fonction maintenance. Elles autorisent, et souvent sous réserve de le prévoir dès la
conception, une continuité du service délivré, en mode nominal de préférence voire, en
mode dégradé. Ceci implique de concevoir des mécanismes de reconfiguration matérielle
ou logicielle. Ces processus de reconfiguration sont contrôlés en amont par des procédures
chargées de détecter et de localiser les fautes.
Cet apport de la tolérance aux fautes est directement exploitable dans l'implémentation
de la maintenance prédictive, dont le point commun est la mise en place d'étages de
détection-localisation de fautes.
Notre travail s’inscrit dans ce cadre et permet d’expliciter les notions de criticité et
d’impératifs inhérents aux critères d’implantation d’une maintenance prédictive. Le choix
9
d’un système de production manufacturier à étudier réside dans les préoccupations d’une
part, du Laboratoire de Recherche en Technologie de Fabrication Mécanique (LaRTFM),
de l’Ecole Nationale Supérieure de l’Enseignement Technique (ENSET) d’Oran-Algérie,
et d’autre part, du Laboratoire Génie de Production (LGP), de l’Ecole Nationale
d’Ingénieurs (ENI) de Tarbes-France.
Ce document est structuré en quatre chapitres. Les deux premiers concernent

essentiellement un état de l’art sur les méthodes d’organisation de la maintenance
industrielle et sur la maintenance prédictive, ainsi qu’une analyse du système sur lequel
repose notre étude de cas. Les deux autres chapitres sont consacrés entièrement à nos
travaux réalisés dans ces deux axes précités sur le système étudié.
 Nous présentons dans le premier chapitre les différentes politiques de maintenance

industrielle, les outils et méthodes d’aide à la décision pour le choix de ces politiques
et stratégies de maintenance. Une description détaillée de la mise en oeuvre du
concept MBF (Maintenance Basée sur la Fiabilité) fera l’objet du paragraphe
suivant. Le cinquième paragraphe sera consacré à la méthodologie d’application de
la méthode AMDEC (Analyse des Modes de Défaillances, de leurs effets et de leur
criticité). Enfin, nous proposons une méthodologie pour le choix de la politique de
maintenance appropriée.
 Dans la première partie du deuxième chapitre nous présentons les fondements de la

maintenance prédictive qui repose sur trois étapes. Le troisième paragraphe est
consacré en détail à l’étage de détection-localisation des fautes où les différentes
méthodes et techniques sont présentées. Dans les quatrième et cinquième
paragraphes nous abordons les deuxième et troisième étages liés à la maintenance
prédictive, à savoir la prédiction et la décision. Enfin nous présentons les autres
travaux qui portent sur le management, l’optimisation et l’évaluation de la
maintenance prédictive.
Dans la deuxième partie de ce chapitre nous présentons le contexte de l’étude et le

cahier de charges y afférant. Au huitième paragraphe nous mettons en œuvre la
méthode MBF sur l’atelier d’usinage robotisé étudié en vue de définir les stratégies
de maintenance à adopter.
 En s’inscrivant dans une même logique de travail, dans le troisième chapitre, nous
nous inspirons du formalisme et de la rigueur de la méthode MBF. Ainsi, nous
appliquons dans ce chapitre les étapes 2 et 3 développées au chapitre 1 afin de traiter
la maintenance la plus appropriée sur le robot manipulateur appartenant à la cellule
de traitement thermique de l’atelier.
Dans la première partie de ce chapitre nous présentons le robot manipulateur

anthropomorphe 5 axes, ses caractéristiques et son fonctionnement. Une AMDEC
(Analyse des Modes de Défaillance, de leurs Effets et de leur Criticité) est effectuée.
A la fin de cette première partie nous présentons l’état des travaux effectués pour la
prise en charge de la maintenance du robot.
La deuxième partie est consacrée à la présentation du logiciel que nous avons

développé pour la génération automatique des grilles AMDEC, qui s’avéraient
fastidieuses à élaborer manuellement.
10
 Le dernier chapitre est consacré à l’implantation d’une maintenance prédictive sur

l’outil de coupe de la cellule d’usinage étudiée. Tout d’abord les types fautes de
l’outil de coupe sont particulièrement étudiés en vue de choisir un indicateur adéquat
de surveillance. Dans le paragraphe suivant, la modélisation de la rugosité des pièces
usinées par enlèvement de matière est développée, cette dernière constituant
l'indicateur sur lequel nous avons basé la détection des fautes. L’approche
expérimentale est ensuite présentée, les paramètres de coupe retenus sont listés et les
coefficients du modèle de la rugosité sont identifiés. Le cinquième paragraphe traite
de l'usure systématique de l'outil et permet de présenter la maintenance systématique.
Le dernier paragraphe est consacré à la maintenance prédictive de l'outil de coupe.
11
CHAPITRE 1 STRATEGIES DE MAINTENANCE INDUSTRIELLE
CHAPITRE 1
STRATEGIES DE MAINTENANCE INDUSTRIELLE
12
1.1. Introduction
La terminologie et les définitions relatives à la maintenance varient d’une communauté

scientifique, ou d’un secteur industriel à l’autre. Précisons d'ores et déjà la terminologie
que nous adoptons au cours de nos travaux : un système technologique peut être sujet à des
usures, des déviations, des défauts, des perturbations, des dysfonctionnements, des pannes,
des erreurs, des défaillances, voire des fautes.
Nous utiliserons dans ce travail la terminologie définie dans la communauté scientifique

dont le domaine d'activité est la sûreté de fonctionnement des systèmes informatiques où
les notions de faute, erreur et défaillance sont précisément explicitées, [Lap95], [Nou96]
ainsi que les définitions référencées par l’AFNOR (Agence Française de NORmalisation)
[Afn94], [Zwi95], [Mon00], [Hén02].
Nous présentons dans ce premier chapitre les différentes politiques de maintenance, les
outils et méthodes y afférant. Une attention particulière est donnée au concept MBF
(Maintenance Basée sur la Fiabilité) et à la méthode AMDEC (Analyse des Modes de
Défaillances, de leurs effets et de leur criticité). Et nous proposons enfin, un organigramme
d’aide au choix de la politique de maintenance à mettre en oeuvre.
1.2. Politiques de maintenance
La maintenance est définie selon [Afn94] comme :

L’ensemble des activités destinées à maintenir ou à rétablir un bien dans un état ou dans
des conditions données de sûreté de fonctionnement, pour accomplir une fonction requise.
Ces activités sont une combinaison d’activités techniques, administratives et de
management.
Bien maintenir, c’est assurer ces opérations au coût global optimal.
Cette définition fait apparaître que la maintenance repose sur cinq notions essentielles, à
savoir :
 Maintenir : notion qui suppose une surveillance et une prévention,
 Rétablir : notion qui induit l’idée de correction d’une faute ou d’une erreur (remise à
niveau),
 Sûreté de fonctionnement (SdF) : selon l’AFNOR, c’est « l’ensemble des aptitudes
d’un bien qui lui permettent de remplir sa fonction, au moment voulu, pendant la
durée prévue, sans dommage pour lui-même et son environnement ». La SdF sous-
entend les concepts de fiabilité, de maintenabilité, de disponibilité et de sécurité,
 Activités techniques, administratives et de management : cette notion implique une
large polyvalence des ressources humaines,
 Coût optimal : dans un souci d’efficacité économique, cette notion conditionne
l’ensemble des actions de maintenance.
Dans la pratique, on distingue deux grandes familles de politiques de maintenance,

figure 1.1 :
 La maintenance corrective,
 La maintenance préventive.
13
1.2.1. Maintenance corrective
D’après sa définition [Afn94], la maintenance corrective est :

L’ensemble des activités réalisées après la défaillance d’un bien ou la dégradation de sa
fonction pour lui permettre d’accomplir une fonction requise, au moins provisoirement :
ces activités comportent notamment la localisation de la défaillance et son diagnostic, la
remise en état avec ou sans modification, le contrôle du bon fonctionnement ».
Cette politique de maintenance s’effectue après la défaillance et se présente sous deux

formes, figure 1.1 :
 La maintenance palliative : les actions effectuées ont un caractère provisoire,
 La maintenance curative : diffère de la palliative de par le caractère permanent de ses
actions effectuées.
La notion de remise en état avec modification, dans le sens d’amélioration, ne peut

concerner ici que la forme curative. D’autre part, la maintenance corrective en tant que
forme de maintenance unique, caractéristique de l’entretien traditionnel, n’est valable que
dans de rares cas particuliers de l’industrie où les systèmes en cause sont redondants ou
n’ont qu’un rôle secondaire dans le procédé de production.
1.2.2. Maintenance préventive
Selon [Afn94], la maintenance préventive est définie comme :

Maintenance ayant pour objet de réduire la probabilité de défaillance ou de dégradation
d’un bien ou d’un service rendu. Les activités correspondantes sont déclenchées selon un
échéancier établi à partir d’un nombre prédéterminé d’unités d’usage (maintenance
systématique) et/ou de critères prédéterminés significatifs de l’état de dégradation du bien
ou du service (maintenance conditionnelle).
Cette politique de maintenance vise à l’évitement des défaillances des systèmes en

cours d’exploitation. L’étude des coûts doit mettre en évidence un gain par rapport aux
défaillances qu’elle permet d’éviter.
Maintenance
Corrective Préventive
Palliative Systématique
Curative Conditionnelle
Prédictive
Fig. 1.1 - Politiques de maintenance
14
Trois formes de politique de maintenance préventive peuvent être mises en œuvre,

figure 1.1 :
 La maintenance systématique,
 La maintenance conditionnelle,
 La maintenance prédictive.
1.2.2.1. Maintenance systématique
La définition d’après [Afn94] de la maintenance systématique est :

Les activités de maintenance systématique sont déclenchées selon un échéancier établi à
partir d’un nombre prédéterminé d’unités d’usage.
L’intérêt majeur de la maintenance systématique réside dans sa facilité de gestion. Les

arrêts, s’ils s’avèrent indispensables, sont néanmoins négociables avec le service
production. De plus en plus, ses interventions se font par échanges standard.
Cependant, cette approche présente des inconvénients. En effet, par l'utilisation a priori de
valeurs prédéterminées de la durée de fonctionnement des systèmes, la maintenance
préventive systématique peut mener soit à des interventions trop précoces donc inutiles,
soit trop tardives donc préjudiciables au bon fonctionnement du système, voire
catastrophique. La solution à cette situation peut résider dans la mise en place d’une
maintenance conditionnelle, voire prédictive.
1.2.2.2. Maintenance conditionnelle
La définition de la maintenance conditionnelle donnée par [Afn94] est :

Les activités de maintenance conditionnelle sont déclenchées suivant des critères
prédéterminés significatifs de l’état de dégradation du bien ou du service.
Le principe de la maintenance préventive conditionnelle est qu’elle se réfère à l’état du

système dans ce qui peut en être discerné par la surveillance d’indicateurs significatifs,
figure 1.2. Lorsque cet état atteint un seuil défini, alors le risque est considéré comme
important et une action de maintenance est décidée. L’erreur n’est plus liée à la probabilité
d’émergence du risque comme en maintenance préventive systématique, mais à la
définition du seuil et à la décision. La maintenance conditionnelle offre la possibilité de
détecter les erreurs dès leur apparition, c’est à dire longtemps avant l’apparition d’une
faute tangible. Les actions de maintenance sont donc uniquement réalisées en fonction des
besoins réels.
1.2.2.3. Maintenance prédictive
La maintenance prédictive est définie selon [Afn94] comme :

Maintenance préventive subordonnée à l’analyse de l’évolution surveillée de paramètres
significatifs de la dégradation du bien permettant de retarder et de planifier les
interventions.
En maintenance prédictive (MP), l’évolution des indicateurs de surveillance doit être

suivie dans le temps afin d’en tirer des prévisions, figure 1.2. La décision d’intervention et
son degré d’urgence reposent sur l’identification préalable du ou des fautes et sur
15
l’estimation de leur gravité. Elle diffère de la maintenance conditionnelle par l’action

d’extrapolation de la tendance analysée. Ceci lui permet de passer de l’état constaté à l’état
prévisible.
Fig. 1.2 - Principe de la maintenance prédictive
Son caractère permet de réduire considérablement le nombre d’incidents inopinés, de

planifier de manière plus rentable les interventions préventives, de maximiser l’intervalle
entre chaque réparation, et de minimiser le coût des arrêts de production imputables aux
défaillances. Par conséquent, elle augmente la disponibilité et la durée de vie des
équipements, et elle réduit considérablement les coûts de maintenance.
La maintenance prédictive et la maintenance conditionnelle ont en commun la notion de

surveillance de l’état à partir d’un ou de plusieurs indicateurs significatifs de dégradations
du système, souvent par des mesures. Cette surveillance peut être réalisée par des
techniques en ligne ou hors ligne sur les systèmes en fonctionnement.
Le choix des techniques appropriées dans la mise en place d’une MP est une étape
cruciale. Il n’existe actuellement pas de technique ou de combinaison de techniques
communes susceptibles de satisfaire aux exigences de toutes les entreprises ou industries.
Chaque secteur doit donc déterminer la combinaison optimale de techniques et de
modalités de mise en œuvre à même de répondre aux conditions de réussite de sa MP.
Cette décision stratégique relève des objectifs fixés en amont, et de la particularité des
systèmes à maintenir de chaque entreprise.
Ces techniques s’appuient sur des mesures telles que les CND (Contrôle Non
Destructif) et reposent sur des indicateurs de deux types [Mob92], [Fra03] :
 Les indicateurs de performance tels que la pression, le débit, la qualité, la quantité, la
consommation, la tension et l’intensité électrique, etc.
 Les indicateurs de comportement tels que les vibrations, le bruit, l’analyse des huiles,
la thermographie, la température, etc.
Elles peuvent être classifiées par domaines d’application [Arq96] :

 L’analyse vibratoire : elle s’est imposée comme la principale technique de
maintenance prédictive utilisée pour les systèmes industriels de nature mécanique.
16
Elle peut s’appliquer autant à des machines tournantes, à des machines alternatives,
qu’à des machines à processus continus,
 La tribologie : cette technique englobe l’analyse des lubrifiants, l’analyse des
particules d’usure et la ferrographie,
 La thermographie : la technologie infrarouge permet notamment de surveiller
l’efficacité thermique de procédés basés sur les transferts ou la conservation de
chaleur, le fonctionnement d’équipements électriques et mécaniques,
 Le suivi des paramètres de processus : la MP doit comprendre une surveillance
routinière des paramètres de processus, quoique de nombreuses entreprises ne
considèrent pas ceux-ci comme partie intégrante de la responsabilité de la
maintenance. Et pourtant, un système pourrait fonctionner à moins de 50%
d’efficacité sans que la MP en place ne détecte l’anomalie,
 L’inspection visuelle : de part son faible coût, cette technique simple doit être
intégrée à la MP comme outil de surveillance des équipements industriels. Souvent
négligée, elle peut pourtant permettre de détecter des incidents potentiels oubliés par
les autres techniques et donc augmenter la sûreté de la MP.
Dans tous les cas, la MP s’appuiera, pour être réussie, sur des techniques d’information
et de communication et sur des outils logiciels à même d’automatiser l’acquisition et le
traitement des données, la gestion de base de données, le tracé des courbes d’évolution,
l’analyse des tendances, le diagnostic des dégradations naissantes, la publication de
rapports, etc.
1.3. Choix des politiques de maintenance et stratégies
1.3.1. Méthodes et outils d’aide à la décision
Pour choisir les politiques et stratégies de maintenance à mettre en place, il existe des
outils d’aide à la décision, des méthodes d’analyse et des concepts d’organisation adaptés à
la maintenance, dont nous présentons les principaux ci-dessous.
1.3.1.1. Abaque de Noiret
C’est un abaque multicritère, donné en annexe 1 (page 84), où 9 facteurs de choix

adapté à l’environnement industriel sont successivement pris en compte pour déterminer la
criticité relative de chaque équipement, et le niveau de préventif à leur apporter. C’est un
outil simple qui permet de prendre des décisions sur une des formes de maintenance
envisageable à priori, même en l’absence de données historiques sur les MTBF (Moyenne
des Temps de Bon Fonctionnement), les MTTR (Moyenne des Temps Techniques de
Réparation), etc.
1.3.1.2. Loi de Pareto
C’est une méthode qui permet de sélectionner les équipements les plus critiques à partir
des données historiques objectives (temps d’arrêt pour pannes, MTBF, …). Elle est aussi
appelée « règle des 20-80 », 20% des équipements provoquent 80% des pannes d’un
système de production.
17
Les résultats se présentent sous la forme d'une courbe appelée courbe ABC dont
l'exploitation permet de détecter les éléments les plus significatifs du problème à résoudre
et de prendre les décisions permettant sa résolution. Afin de mieux visualiser les actions
prioritaires, la présentation des résultats peut se faire sous la forme de différents
diagrammes.
1.3.1.3. Arbre de Défaillance
C’est une méthode déductive, de l’effet vers la cause, de recherche de toutes les
combinaisons de défaillances élémentaires pouvant aboutir à un évènement redouté. A
chaque événement est attribué une classe de probabilité pour trouver le chemin le plus
critique. Dans ce cas, le calcul fait appel à l’algèbre de boole et au calcul des probabilités.
Sinon on peut utiliser aussi, pour des raisons de simplification, la règle de la distance
hiérarchique. En effet, en l’absence de données historiques, la règle de la distance
hiérarchique dans les AdD, à savoir qu’un composant est plus critique qu’un autre si sa
distance par rapport au sommet (racine de l’arbre) est plus petite, suffit à déterminer le ou
les composants affectés de la criticité la plus marquée.
La construction de cet arbre de défaillance repose sur l’utilisation d’un certain nombre
d’opérateurs logiques (et, ou, si, etc.), figure 1.3.
Fig. 1.3 – Opérateurs logiques « ET » et « OU »
1.3.1.4. Analyse des Modes de Défaillances, de leurs Effets et de leurs Criticité

(AMDEC)
L’Analyse des Modes de Défaillances, de leurs Effets et de leurs Criticité (AMDEC),

[Lyo92], [Mon00], [Ric96], [Rid99], [Zwi95], est une méthode qualitative et inductive
visant à recenser les défaillances potentielles d’un système, quelles que soient les
technologies, puis d’en estimer les risques de façon à les supprimer ou à engager des
actions correctrices. Elle aide à améliorer la sûreté de fonctionnement des systèmes et est
utilisée de manière réglementaire dans les industries à risque et de manière contractuelle ou
volontaire dans les industries manufacturières et autres.
Il est possible d’effectuer des AMDE ou des AMDEC, l’évaluation de la criticité des
modes de défaillance apparaissant utile ou non. Cette méthode est explicitée en détail à la
section 5, et est l’objet de l’élaboration d’un logiciel que nous avons développé au chapitre
3.
18
1.3.1.5. Totale Productive Maintenance (TPM)
La Total Productive Maintenance (TPM), est un concept global d’organisation de la

maintenance qui a pour objectif d’obtenir le rendement maximal des équipements pour leur
durée de vie totale. Elle nécessite la participation de toutes les divisions, notamment
l’ingénierie, l’exploitation et la maintenance et implique tous les niveaux hiérarchiques.
L’efficacité de la démarche TPM, qui repose sur douze étapes, est largement éprouvée
dans les pays industrialisés, mais sa mise en place reste difficile et relativement longue, de
trois à cinq ans, car elle remet en cause l’organisation de la production et les mentalités
[Mon00].
1.3.1.6. Maintenance Basée sur la Fiabilité (MBF)
La Maintenance Basée sur la Fiabilité (MBF) est un autre concept de structuration de la

maintenance. Elle est destinée à établir un programme de maintenance sélectif d’un
système technologique permettant d’assurer la sûreté de fonctionnement inhérente à ce
système. Elle repose essentiellement sur la connaissance précise du comportement normal
et anormal du système.
La démarche MBF est pragmatique et se prête plus aisément, à court terme [Ric96],
[Mon00], à une structuration de la maintenance à partir de services de type entretien,
comparativement à la TPM. Les différentes étapes de la mise en œuvre d’une MBF sont
présentées à la section 4, et nous avons appliqué ce concept dans nos travaux aux chapitres
2 et 4.
1.3.2. Dualité maintenance préventive-maintenance corrective
Le niveau de maintenance préventive à appliquer relève d’un choix délibéré.

Néanmoins, quel que soit ce niveau préventif que nous désirons mettre en œuvre, il
subsistera une part de maintenance corrective, complément indispensable de toute politique
préventive.
1.3.2.1. Complémentarité préventif-correctif
La figure 1.4 montre l’aspect économique de la complémentarité entre la maintenance

préventive et la maintenance corrective.
Cette figure fait apparaître la linéarité des coûts du préventif en fonction du temps
passé à le mettre en œuvre. Dans le cas où le préventif est efficace, le temps passé à
corriger les défaillances décroît, ainsi que les coûts associés au correctif résiduel. La
somme des deux coûts est une courbe en baignoire. Il apparaît clairement sur cette figure
que pour un système donné il existe un optimum économique.
19
Fig. 1.4 - Aspect économique du choix préventif-correctif [Mon00]
1.3.2.2. Influence du préventif sur le correctif
La figure 1.5 illustre l’influence du préventif sur la charge de travail. Elle met en
évidence la décroissance logique de la charge de travail quand on choisit de faire plus de
préventif, jusqu'à atteindre un seuil au-delà duquel le correctif résiduel devient
incompressible. Ce qui prouve également que le risque de défaillance fortuite n’est jamais
nul (modèle asymptotique).
Charge
optimisée
Fig. 1.5 - Influence du préventif sur le correctif [Mon00]
Il est donc impératif, pour des raisons d’efficacité que le choix des politiques de
maintenance et leur mise en place se réalisent dans le cadre d’une stratégie de maintenance
globale afin d’en escompter des bénéfices. Etant donné que la stratégie MBF est la plus
20
recommandée pour la restructuration de la fonction maintenance, nous présentons dans la

section suivant les étapes de son élaboration.
1.4. Etapes d’élaboration d’une MBF
L’étape initiale est la définition des objectifs souhaités à travers la méthode MBF.
L’élaboration de la démarche MBF exige en général la formation de trois groupes
différemment composés de personnel de maintenance, de production et de qualité. La
démarche MBF proprement dite s’articule autour de quatre étapes [Ric96], [Mon00],
figure 1.6.
1. Identification des sites et équipements critiques
2. Analyse des défaillances
3. Choix des politiques et actions de maintenance
4. Analyse du retour d’expérience
Fig. 1.6 - Etapes de la MBF
1.4.1. Etape 1 : Identification des sites et équipements critiques
Cette première étape consiste tout d’abord en un découpage géographique du site étudié
en zones, ateliers ou lignes de production, puis un découpage fonctionnel en systèmes.
Ceci permettra d’identifier les conséquences d’une défaillance du système sur la sécurité,
sur le flux de production et sur la qualité, afin de sélectionner les systèmes les plus
critiques.
Les trois critères à prendre en compte pour la sélection sont :

 La sécurité « S »,
 La disponibilité « D »,
 La qualité « Q ».
D’autres critères peuvent être ajoutés tels que les coûts de maintenance, etc.
1.4.2. Analyse des défaillances
La seconde étape correspond à l’analyse des défaillances des différents systèmes

sélectionnés dans l’étape précédente.
21
On peut distinguer trois phases à cette étape :

 L’analyse fonctionnelle du système,
 Les mises en évidence des systèmes qui interviennent dans les défaillances
fonctionnelles critiques,
 l’étude AMDEC, méthode présentée précédemment, qui permet l’étude
systématique des causes et des effets des défaillances d’un système. Sa démarche fait
l’objet de la prochaine section.
1.4.3. Choix des politiques et actions de maintenance
Dans la troisième étape on définit, sur une fiche dite « fiche de décision », les politiques
et actions de maintenance à mettre en place sur les systèmes sélectionnés à l’étape
précédente, à savoir que si aucune action préventive ne peut-être dégagée face à une
défaillance critique, une reprise en conception s’avère alors obligatoire. Pour les
défaillances graves mais détectables, une maintenance conditionnelle voire prédictive est
recommandée. Dans une démarche proactive, on peut chercher à fiabiliser a priori par
action sur la cause de la défaillance, évitant ainsi l’apparition de son mode. Si ce n’est pas
possible a priori, l’exploitation du retour d’expérience le permettra peut-être en différé.
Pour la majeure partie des autres défaillances, une maintenance systématique est
préconisée.
Ceci amène à l’élaboration d’un Plan de Maintenance Technique (PMT) qui

comprendra tous les éléments nécessaires à une planification de la maintenance.
1.4.4. Analyse du retour d’expérience
Dans la dernière étape, le PMT initial, basé sur l’information disponible au moment de
l’analyse, sera confronté à la réalité du terrain. L’expérience peut alors être utilisée pour
améliorer ce PMT et le rendra dynamique et évolutif. Le délai entre deux reprises du PMT
est généralement de six mois. L’analyse du retour d’expérience se fait à partir de fiches
d’intervention et est accompagnée de la mise en place d’indicateurs de performances.
1.5. Démarche AMDEC
L’AMDEC sur les équipements ou moyens, dite AMDEC moyen, est basée sur une
démarche que nous regroupons en quatre étapes séquentielles :
 L’initialisation et l’analyse fonctionnelle,
 L’analyse des modes de défaillance et de leurs effets,
 L’évaluation de la criticité,
 Les actions à mener.
1.5.1. Phase 1 : Initialisation et analyse fonctionnelle
L’initialisation de l'AMDEC moyen est l’étape préliminaire, qui consiste à définir le

système à étudier, la phase d’analyse fonctionnelle ainsi que les objectifs à atteindre. Cette
22
analyse peut s’appliquer à différents niveaux : système, sous système, module,

composants.
Et classiquement, cinq modes de défaillance générique sont identifiées :

 Perte de la fonction,
 Fonctionnement intempestif,
 Refus de s'arrêter,
 Refus de démarrer,
 Fonction dégradée.
1.5.2. Phase 2 : Analyse des modes de défaillances et de leurs effets
Cette phase permet l'identification des modes de défaillances suivant les niveaux
délimités à l’étape 1 ainsi que la recherche des effets définis comme les résultats ou
conséquences des modes de défaillance. Afin d'affiner l'analyse des modes de défaillances,
il est nécessaire de rechercher les causes qui sont l’ensemble des événements conduisant à
la faute d’un composant du système.
Ces trois notions sont liées par la relation suivante :
Cause  Mode  Effet
1.5.3. Evaluation de la criticité
L’indice de criticité C est déduit par le produit des trois indices nominaux :
C = F. G. D, où
 F représente l’indice de fréquence d’apparition d'une défaillance due à une cause

particulière,
 G représente l’indice de gravité des effets de la défaillance,
 D est relatif à la possibilité de détecter la défaillance avant qu'elle ne produise l’effet.
Chacun de ces indices est évalué suivant une table de cotation qui varie selon le domaine
industriel d’application et dont la plus universelle utilise des valeurs de 1 à 4 ou 5,
[Mon00], [Rid99], tableau 1.1.
1.5.4. Actions correctrices
La criticité C calculée permet de hiérarchiser les défaillances et de recenser celles dont

le niveau de criticité est supérieur à un seuil qui varie en fonction de critères de fiabilité.
Par exemple, dans le cas de la cotation 1, 2, 3, 4, 5, de F, G, D, la limite généralement
admise pour les composants électromécaniques est égale à 24, [Rid99].
Après le calcul de la criticité C et sa comparaison avec le seuil établi, différentes actions
correctrices sont menées.
23
Lorsque des actions correctrices sont réalisées, l’amélioration des valeurs des indices
précédents permettent de définir les indices finaux F’, G’ et D’ sur la même base que
l’évaluation précédente.
La nouvelle criticité C’ calculée quantifie l’amélioration réalisée.
Une fiche ou grille AMDEC résume le bilan de l'étude de l’analyse des défaillances afin
d’en tirer parti et décider des actions qui s’imposent.
Evaluation de la fréquence Evaluation de la gravité

F G
Description Valeur Description Valeur
très rare 1 mineure 1
faible. 2 moyenne 2
occasionnelle 3 majeure 3
forte 4 catastrophique 4
Evaluation de la détection
D
Description Valeur
évidente (totale) 1
exploitable 2
faible 3
impossible 4
Tab. 1.1 - Evaluation des indices F, G, D
La méthode AMDEC permet de générer ainsi une base d’informations puissante qui
servira de référence tout au long de la vie d’un produit ou d’un procédé, depuis la
conception jusqu'à l’exploitation. A partir de l’identification en cours d’analyse des effets
redoutés et de leurs causes, il est possible de dresser un ensemble d’actions à mener, qui
permettront de construire avec une meilleure efficacité, la qualité et la sûreté de
fonctionnement. Chaque prise de décision pourra être faite en connaissance des effets et de
leurs causes.
Cette méthode devra s’appuyer sur des outils logiciels à même d’automatiser le
caractère fastidieux du traitement de données importantes, la gestion de la base de données
et une aide à la rédaction des rapports d’analyse.
24
1.6. Méthodologie pour le choix d’une politique de maintenance
En s’inspirant du formalisme et de la rigueur du concept MBF nous proposons une

méthodologie générale et pragmatique pour l’aide à la décision du choix de la politique de
maintenance à mettre en œuvre. Cette méthodologie proposée, que nous présentons sous la
forme d’un organigramme (figure 1.7), comprend sept étapes.
1.6.1. Identification des équipements
Dans cette première étape, il s’agit de classer les équipements par ordre de criticité au
regard de l’effet d’une défaillance potentielle sur la capacité totale de production, sur la
sûreté de fonctionnement et la sécurité des personnes, sur les coûts de maintenance, la
disponibilité, la non-qualité, les rebuts de fabrication et les pertes d’énergie. Les méthodes
utilisées sont l’exploitation des historiques tels que les MTBF (Moyenne des Temps de
Bon Fonctionnement), taux de défaillance, disponibilité, etc., quand ils existent. Sinon
cette classification peut être effectuée par des méthodes telles que la loi de PARETO ou
l’abaque de Noiret. Ensuite il faut associer à chaque classe d’équipements une fiabilité de
surveillance en relation avec les enjeux économiques que ces équipements représentent.
1.6.2. Identification des défaillances
Il s’agit d’identifier les défaillances dominantes à prévenir sur les équipements classés
critiques. L’évaluation des défaillances se fait selon leur gravité, leur fréquence, leur coût,
etc. Ce sont des défaillances par dégradation progressive, donc détectables. On utilise dans
cette étape aussi les historiques des équipements. Si ces historiques sont peu disponibles ou
pas disponible, l’analyse par la méthode AMDEC s’impose et permet d’identifier les
défaillances probables, critiques et détectables.
1.6.3. Choix des indicateurs
Cette étape doit permettre de définir pour chaque système ou sous-système les
techniques de surveillance à mettre en place. Ceci nécessite la connaissance des modes de
défaillance susceptibles d’affecter chaque type de système, les causes qui leur sont
associées et les indicateurs de surveillance les mieux adaptés à leur détection ou
identification. Il en découle la détermination pour chaque système, en fonction des modes
de défaillance spécifiques à détecter, de sa classe de criticité et de la fiabilité de
surveillance recherchée, les techniques de surveillance les mieux adaptées et leur mode
d’application, en ligne ou hors ligne.
1.6.4. Etude de coût
Il s’agit à ce stade, d’évaluer le coût des programmes de surveillance au regard de

différentes variantes de fiabilité et de mise en œuvre à travers un cahier des charges établi à
partir des deux dernières étapes que sont l’identification des systèmes et les choix des
indicateurs. Et aussi d’affiner pour chaque système le choix de la politique de maintenance
la mieux adaptée au regard de la faisabilité de la surveillance et son coût.
25
Identification des équipements
Identification des défaillances
Choix des indicateurs
Etude de coût
Acceptable
Taux de fiabilité
Acceptable
Maintenance Paramétrage de la surveillance

corrective
Ou
Maintenance Définition des procédures après détection
systématique
Maintenance prédictive
Retour d’expérience
Fig. 1.7 – Aide au choix d’une politique de maintenance
1.6.5. Paramétrage de la surveillance
A l’issue de ces quatre étapes, on est en possession d’un projet technico-économique

avec différentes options de fiabilité, de rentabilité, de mise en œuvre et on est en mesure de
se prononcer sur les différentes options proposées. Selon la technique retenue, le
paramétrage de la surveillance est établi et comprend le paramétrage de l’instrumentation
nécessaire, le choix du mode de collecte des informations (en ligne ou hors ligne, dans ce
dernier cas la définition des périodes de relevés). L’établissement des signatures de
26
références, la détermination des seuils (seuil d’alarme et seuil d’arrêt), le choix de l’une
des trois options de mise en place (maîtrise technique totale de la surveillance, sous-
traitance totale, sous-traitance partielle) font partie aussi de ce paramétrage.
1.6.6. Définition des procédures après détection
Après détection d’une erreur sur le système, il s’agit de définir les procédures
permettant de prendre des décisions. Ces procédures reposent d’une part sur le traitement
de l’information, de l’analyse de la détection au diagnostic, du diagnostic au pronostic, du
pronostic à la prise de décision et d’autre part, sur les actions de maintenance (arrêt,
accommodation, reconfiguration), sur leur arrangement (instant où ces actions devront être
effectuées, ressources matérielles et humaines à mettre en jeu).
1.6.7. Retour d’expérience
Il est nécessaire de suivre les résultats de cette politique de maintenance mise en place
pour établir un bilan d’efficacité, quantifier la réussite et justifier les investissements en
ressources physiques et humaines nécessaires à la poursuite de cette politique et pour y
amener des améliorations selon l’évolution du système. Le coût d’une défaillance est plus
facile à établir que l’impact économique d’une défaillance évitée.
1.7. Conclusion
La première partie de ce chapitre a été consacrée à la présentation des différentes

politiques et stratégies de maintenance. Cette présentation s’est appuyée sur les définitions
AFNOR que nous avons commentées au fur et à mesure.
Au vu de cette première partie, nous avons montré l’intérêt de la maintenance

prédictive. Nous avons montré aussi que la mise en place d’une telle politique de
maintenance doit impérativement faire partie d’une stratégie globale et intégrée.
Pour cette raison, nous nous sommes intéressé dans la deuxième partie de ce chapitre au
concept MBF et à la méthode AMDEC que nous avons explicités en détails. Le choix
préférentiel du concept MBF par rapport à celui du concept TPM est justifié par le fait que
la MBF permet une transition douce avec les pratiques encore largement répandues dans
les petites et moyennes entreprises où la fonction maintenance relève des services
classiques d’entretien. Le choix de l’AMDEC comme méthode d’analyse et de décision est
justifié par le fait qu’elle est partie intégrale du concept MBF et occupe une place
prépondérante dans celui-ci.
Enfin nous concluons ce chapitre par la proposition d’une méthodologie pouvant servir
de base pour le choix d’une politique de maintenance à mettre en place.
27
CHAPITRE 2 MAINTENANCE PREDICTIVE. ETUDE DE CAS
CHAPITRE 2
MAINTENANCE PREDICTIVE -
ETUDE DE CAS
28
2.1. Introduction
Ce chapitre est scindé en deux parties :
 Une première partie où nous présentons un état de l’art concernant les travaux sur la
maintenance prédictive, en focalisant essentiellement sur les étages qui la
constituent, et plus particulièrement l’étage de détection-localisation. Nous
présentons aussi dans cette même partie d’autres travaux sur la maintenance
prédictive liés notamment à son management, son optimisation et son évaluation.
 Dans la deuxième partie de ce chapitre est consacrée à l’étude de cas, en l’occurrence

l’atelier d’usinage robotisé. Nous présentons le cahier de charges y afférant et la mise
en œuvre de la méthode MBF sur ce contexte.
2.2. Maintenance prédictive
Parmi les différentes possibilités d'organisation et d'optimisation de la fonction

maintenance dans son ensemble, la maintenance prédictive se révèle être la plus
prometteuse, à la condition expresse de satisfaire aux impératifs liés aux différents étages
qui la constituent.
La principale spécificité de la maintenance prédictive réside dans la prédiction du

moment d'intervention en vue de pallier à la faute survenue, [Jun06]. Le calcul de cet
instant est réalisé à partir de l'analyse d'une tendance d'évolution d'un ou de plusieurs
paramètres choisis pour leur pertinence. En aval de cet étage est implanté un étage de prise
de décision, dont le rôle est d'arbitrer entre les différents acteurs de l'entreprise pour
engager ou retarder une intervention.
En amont, par contre, est présent l'étage de détection-localisation de la faute, qui constitue
souvent le verrou scientifique d'une procédure d'implantation d'une maintenance
prédictive.
Trois étapes sont donc à mener dans la réalisation d'une maintenance prédictive
(figure 2.1), à savoir :
 Détection-localisation de la faute,
 Prédiction du moment d'intervention,
 Prise de décision d'intervention.
Ces trois points de la maintenance prédictive sont abordés dans les travaux de [Fu04] où
une plate forme de supervision est implantée sur un générateur hydroélectrique. Les
éléments identifiés comme sensibles et devant faire l'objet d'une surveillance, dans cette
référence, sont les servomécanismes électrohydrauliques.
29
Prise de décision
d'intervention
Prédiction
du moment d'intervention
Détection-localisation
de la faute
Actionneurs
Capteurs
Système
Fig. 2.1 - Fondements de la maintenance prédictive
2.3. Détection-localisation de la faute
L’objectif de ce premier étage de surveillance, dans le cadre d’une maintenance

prédictive, est la détection précoce des fautes sur les systèmes, leur localisation et
l’identification de leurs causes, dans le but de prédire l’état futur de ces systèmes. Les
indicateurs appropriés significatifs de l’état du système pourront être des données de
détection directes mais aussi des données de détection indirectes [Mur94].
Les travaux liés à la tolérance aux fautes permettent d'amener une dimension
supplémentaire à la maintenance prédictive. La tolérance aux fautes a pour objectif de
doter le système de capacités permettant de détecter et localiser les fautes et de permettre
une continuité du service par une accommodation de ces fautes, ceci devant être réalisé de
façon automatique et si possible en temps réel. Cette accommodation aux fautes est
généralement obtenue par l'application de techniques de redondances matérielle et/ou
logicielle suivant le système considéré, [Nou04].
Le développement d'algorithmes de détection des fautes est une préoccupation constante

de nombre de chercheurs et repose sur différents principes. La méthode privilégiée par la
communauté des automaticiens s'appuie sur l'utilisation de modèles analytiques du
processus considéré, [Lap95], [Ise05] et [Bar06]. Cet apport de la communauté des
automaticiens est maintenant directement exploitable dans l'implémentation de techniques
de maintenance prédictive, dont le point commun avec la tolérance aux fautes est la mise
en place d'étages de détection de fautes. Selon les sources de connaissance, les méthodes
de détection-localisation des fautes peuvent être classées en trois catégories :
30
 Celles dont la source de connaissance est l'expertise, la connaissance des experts est
collectée sous forme empirique,
 Celles dont la source de connaissance du système est un modèle et qui peuvent à leur
tour être classées selon la formulation du modèle en méthodes à base de modèle
analytique ou de modèle symbolique,
 Celles utilisant des données historiques sur le passé du système ou statistiques sur
une population de systèmes.
Les méthodes à base d’expertise et à base de modèle symbolique sont généralement

liées à l’utilisation des principes de l’intelligence artificielle, tandis que les méthodes à
base de modèle analytique sont, elles, souvent liées à l’utilisation de la théorie de
l’automatique. Les méthodes à base de données et de statistiques sont, par contre, associées
à l’utilisation de la reconnaissance de formes, des réseaux bayésiens et du traitement du
signal.
2.3.1. Méthodes liées à l’intelligence artificielle
Il existe plusieurs méthodes de détection-localisation liées à l’intelligence artificielle.

Ces techniques sont généralement à base d’expertise ou de modèle symboliques, telles que
les réseaux de neurones, les raisonnements à partir de cas, les systèmes experts, etc.
2.3.1.1. Réseaux de neurones
Les réseaux de neurones font partie des méthodes de l’intelligence artificielle les plus
utilisées dans la détection-localisation en maintenance, et plus particulièrement en
maintenance prédictive. C’est le cas dans les références [Pan98], [Fu04], [Ban05],
[Ban06], [Gar06] et [Gil06], où l'étage de détection-localisation des fautes est implémenté
grâce aux réseaux de neurones disposé en ligne.
Dans [Pan98], les réseaux neurones artificiels sont utilisés comme outils de détection
localisation des jeux de denture de transmission sur un robot en surveillant sa réaction aux
vibrations. Dans [Fu04] une plate forme de supervision est implantée sur un générateur
hydroélectrique. Les éléments identifiés comme sensibles et devant faire l'objet d'une
surveillance sont les servomécanismes électrohydrauliques. Les indicateurs surveillés sont
la pression d'huile, le niveau d'huile, la température d'huile et les différents courants de
fonctionnement. Dans [Ban05] et [Ban06] le paramètre pertinent à surveiller est le courant
consommé par les machines concernées par le programme de maintenance. Le but du
système est de détecter et localiser les composants électriques dégradés afin de prévoir les
fautes mécaniques. Dans le cadre de la maintenance d'un parc éolien, [Gar06] présente un
plan d'application de maintenance prédictive où le paramètre surveillé est la température de
différentes parties des turbines du système. L’architecture proposée inclut aussi les aspects
de e-maintenance. Dans [Gil06], les réseaux de neurones sont utilisés pour l’étage de
détection diagnostic d’un projet global de maintenance prédictive sur des machines outils à
grande vitesse. L’indicateur surveiller est corrélé aux vibrations engendrées par la
machine.
31
2.3.2. Méthodes liées à la reconnaissance de formes, aux réseaux bayésiens

et au traitement du signal
Parmi les méthodes de détection-localisation qui utilisent des données historiques sur le
passé du système ou statistiques sur une population de systèmes, on distingue les méthodes
associées à l’utilisation de la reconnaissance de formes, des réseaux bayesiens et du
traitement du signal.
2.3.2.1. Reconnaissance de formes
Les méthodes de détection-localisation basées sur la reconnaissance de formes reposent

sur deux techniques principales : d’une part la reconnaissance statistique qui ne prend en
compte que des formes définies par des valeurs numériques et d’autre part, la
reconnaissance structurelle qui utilise des grammaires pour la représentation des formes.
En reconnaissance des formes statistiques par exemple, le principe est que la forme est
définie par vecteur forme composé d’un ensemble de paramètres appelés caractères. Ces
vecteurs formes appartiennent à des classes bien déterminées. Le problème de la
reconnaissance des formes consiste alors à déterminer les frontières séparant ces
différentes classes dans le but d’être en mesure de classer de nouvelles formes lors de
l’opération de discrimination. Ces frontières sont définies lords d’une étape appelée phase
d’apprentissage avec un certain nombre de vecteurs formes dont on connaît à priori
l’appartenance aux différentes classes. L’algorithme de détection-localisation basée sur les
techniques de reconnaissance de formes met en oeuvre quatre phases principales :
 La sélection des caractères,
 La construction des vecteurs formes,
 La réalisation de la phase d’apprentissage (caractérisation des classes),
 L’acquisition de nouveaux vecteurs formes (classification, décision).
 La redondance analytique,
 L'estimation des paramètres.
2.3.2.2. Réseaux bayésiens
Les réseaux bayésiens sont des graphes causaux dans lesquels il est possible d'effectuer
un raisonnement probabiliste. Le graphe causal est généralement fourni par les experts du
domaine. L’utilisation essentielle des réseaux bayésiens est donc de calculer des
probabilités conditionnelles d’événements reliés les uns aux autres par des relations de
cause à effet.
Un algorithme simple de diagnostic basé sur les réseaux bayésiens et validé sur des
circuits électroniques est présenté dans [Maa03]. L’algorithme utilise un réseau bayésien
qui modélise le circuit et un ensemble d’observations qui révèle une faute du dispositif.
2.3.2.3. Traitement du signal
La méthode de détection-localisation par traitement du signal est particulièrement bien

adaptée à la détection-localisation par analyse vibratoire des systèmes à rotors, aux
32
signatures électriques et électroniques et aux analyses des chocs mécaniques. Pour les
systèmes mécaniques surtout, les normes internationales donnent des diagrammes, des
tables et des gabarits qui permettent d’identifier, par famille de systèmes, les fautes
associées à une fréquence relevée dans un spectre vibratoire [Zwi96].
Dans la référence [Vel06], cette approche est utilisée sur des ventilateurs où les
indicateurs surveillés étaient la pression et l'accélération acoustiques. Dans [Orh06] la
même approche est aussi utilisée où les techniques d'analyse spectrale sont mises en œuvre
pour faire apparaître les vibrations excessives et les fautes corrélées à ces vibrations liées
aux roulements de pompes centrifuges.
2.3.3. Méthodes liées à l’automatique
Les méthodes de détection-localisation liées à la théorie de l’automatique peuvent être

classées en deux catégories essentielles que sont :
 La redondance analytique,
 L'estimation des paramètres.
Ces méthodes sont basées sur l'analyse de l'effet observable de la faute sur le
comportement du système. Elles impliquent une connaissance approfondie du
fonctionnement sous la forme de modèles mathématiques qui doivent être validés
expérimentalement avant utilisation industrielle.
Les techniques de l’automatique sont essentiellement basées sur la possibilité de

reconstruire, à partir du modèle, des variables mesurées en sortie et des entrées connues,
les variations des variables d’états ou les variations des paramètres. Cette possibilité
dépend de la quantité et de la nature des informations disponibles (entrées connues et
sorties mesurées) ainsi que du modèle et de la qualité de la modélisation.
Les signaux à mesurer sont acquis et traités par les techniques de filtrage et
d'estimation, en général statistiques, pour que l'information réduite et conditionnée soit la
plus appropriée à la tâche de détection. Lorsque les modèles sont trop complexes, des
modèles simplifiés déduits des modèles complets sont souvent utilisés pour des raisons de
facilité de calcul.
2.3.3.1. Redondance analytique
Les techniques de la redondance analytique s'appuient sur l'hypothèse suivante : la faute

qui intervient sur le système a un effet sur le comportement de celui ci et implique une
variation d'une ou de plusieurs variables d'état. La forme d’altération du vecteur d’état
constitue une signature qui peut indiquer la nature, l’origine et l’amplitude de la faute. Si
les variables d’état sont accessibles à l’observation par la mesure ou l’estimation, on peut
détecter l’erreur et éventuellement la localiser, figure 2.2.
L’approche par espace de parité et l’approche par estimateurs d’états, sont les deux
approches principales généralement utilisées pour la détection-localisation par la
redondance analytique.
33
Fautes
Entrées Sorties
Système
u(t) y(t)+Δy(t)
Etats x(t)+Δx(t)
Fig. 2.2 – Redondance analytique
D’une manière générale, la procédure de détection-localisation par redondance

analytique, basée sur le modèle d’état, est composée de deux phases, la génération de
résidus et la prise de décision, figure 2.3.
 La génération de résidus : les résidus ou indicateurs d’erreurs sont des grandeurs

quantitatives qui traduisent les conflits entre le comportement réel du système et le
comportement déduit du modèle par confrontation entre les variables mesurées et les
variables calculées. La génération des résidus correspond à l’ensemble des
procédures de traitements numériques qui utilisent les entrées connues, les variables
mesurées et le modèle analytique du système.
 La prise de décision : cette phase consiste en un ensemble de méthodes et de

procédures à mettre en œuvre pour donner une décision ou non d’erreur. La stratégie
de décision est basée essentiellement sur des tests sur les résidus pour la détection de
l’erreur et sur la combinaison des résidus pour déduire une signature de la faute
contenant l’information de la localisation.
Entrées Sorties
Système Génération Prise
mesurées
de Résidus de Décision
résidus décision
Sorties
Modèle
calculées
Fig. 2.3 – Détection-localisation de fautes

par redondance analytique basée sur le modèle d’état
La généralisation de cette procédure a été possible en considérant les modèles

analytiques des systèmes sous la forme d’équation d’état. Cette représentation peut être
utilisés pour des systèmes monovariables ou multi variables et son intérêt réside dans sa
généralité. Le principe de la détection-localisation à l’aide du vecteur d’état consiste à
estimer par des techniques appropriées toutes les composantes du vecteur d’état à partir de
la connaissance du vecteur mesure. L’analyse du comportement des estimations des
différentes composantes du vecteur d’état ayant un sens physique permet la réalisation de
la détection-localisation.
34
[Nou96] a utilisé ce principe de détection-localisation basée sur le modèle analytique

pour la conception d'un robot industriel tolérant aux fautes. La génération du résidu,
permettant de mettre en évidence les fautes, a été réalisée en surveillant la vitesse
articulaire des différents axes du robot, variable du modèle.
Cette méthode de détection-localisation des fautes basée sur le modèle analytique

possède l’avantage de pouvoir détecter de manière précoce les dégradations des
performances du système.
2.3.3.2. Estimation des paramètres
Les techniques d'identification s'appuient sur une hypothèse semblable à celle énoncée
pour la redondance analytique. La faute qui intervient sur le système influe sur le
comportement de celui-ci et implique une variation d'un ou de plusieurs paramètres
intervenant dans le modèle de comportement du système. La forme de modification du
vecteur des paramètres a été altérée et constitue une signature capable de fournir des
informations sur la nature, l'origine et l'amplitude de la faute, figure 2.4.
Fautes
Entrées Sorties
Système
u(t) y(t)+Δy(t)
Paramètres θ(t)+Δθ(t)
Fig. 2.4 – Redondance paramétrique
Ces techniques sont essentiellement basées sur les méthodes d'estimation des
paramètres [Ise89], et utilisent un modèle d'estimation des paramètres pour permettre une
comparaison avec les valeurs normales des paramètres. Les valeurs normales doivent être
préalablement connues. Les signaux à mesurer sont acquis et traités par les techniques de
filtrage et d'estimation, en général statistiques, pour que l'information réduite et
conditionnée soit la plus appropriée à la tâche de détection. Lorsque les modèles physiques
sont trop complexes, des modèles simplifiés déduits des modèles physiques complets sont
souvent utilisés pour des raisons de facilité de calcul.
Cette technique de détection-localisation des fautes par identification des paramètres est
très performante lorsque les modèles paramétriques des systèmes sont fins.
2.4. Prédiction du moment d’intervention
Basé sur les résultats de l’étage précédent, le sous-système dégradé doit être localisé et
les causes de cette dégradation doivent être ensuite identifiées. Selon les observations et
l'analyse de la nature du processus dynamique de dégradation, la date future de
l'occurrence de la défaillance devra être prévue.
35
On peut classer les techniques de prédiction de la façon suivante, [Men95] :
 Les méthodes informelles : dites aussi de jugement, elles sont particulièrement

utilisées dans les applications caractérisées par une information quantitative
déficiente (données non mesurables, peu fiables ou trop peu nombreuses) alors qu'un
certain nombre de connaissances, d'informations qualitatives sont disponibles. Parmi
les principales méthodes informelles on peut citer les réunions d'experts, les
confrontations d’avis, les développements de scénarios, etc. Ces différentes
méthodes peuvent être utilisées sur des horizons à court terme, moyen terme et long
terme [Bun91].
 Les méthodes extrapolatives : elles utilisent les observations quantitatives du passé

de la variable pour prédire son futur. Elles sont utilisées principalement pour la
prédiction sur des horizons à court terme ainsi que lorsque des variables explicatives
ne sont pas disponibles ou manquent de fiabilité. On peut citer comme principales
méthodes le lissage exponentiel, la régression linéaire, la modélisation, la
décomposition, les modèles stochastiques non linéaires, les modèles dynamiques
linéaires bayésiens, etc. [Mel90].
 Les méthodes systémiques tendent à considérer le système dans sa totalité. Elles

utilisent les relations et les interactions possibles entre de nombreuses variables. Ces
méthodes sont très utilisées dans les prévisions économiques principalement. Elles
servent d’instrument de simulation et d’estimation à court, moyen et long terme.
Parmi les principales méthodes systémiques on peut citer les modèles d’équations
simultanées (double moindres carrés, triple moindres carrés, etc.), les modèles
macroéconomiques (variables macroéconomiques pour lesquelles il existe un cadre
théorique bien défini), [Wei96].
 Des méthodes plus récentes, celles-ci liées à l’intelligence artificielle, tendent à être
utilisées en prédiction aussi, tels que les réseaux de neurones, les algorithmes
d'apprentissage et de classification, et la fouille de données. Par exemple, dans
[Ros05], la fouille de données est utilisée afin de classer les états de fonctionnement,
d’établir un historique et de déterminer l’évolution future de l’état du système.
2.5. Prise de décision d’intervention
A ce niveau, de décisions opérationnelles, la portée de la prise de décision préventive de

maintenance inclut aussi bien les actions de maintenance que leurs arrangements. Selon les
résultats des deux étages de surveillance, les jugements adéquats doivent être faits par
rapport à un arrêt, une accommodation ou une reconfiguration. Ils doivent être également
menés par rapport à l’instant où ces actions devront être menées, aux ressources matérielles
et humaines à mettre en jeu et à l’organisation et l’arrangement de ces actions de
maintenance.
L’approche sur laquelle est basée ce type de décision repose sur les méthodes liées à la
recherche opérationnelle. L'aide à la décision multicritère [Val02] constitue une branche de
la recherche opérationnelle. Il s'agit de méthodes et de calculs permettant de choisir la
meilleure solution ou la solution optimale parmi tout un ensemble de solutions, l'alternative
de type oui-non n'étant qu'un cas particulier du cas général.
36
Parmi les principales méthodes et techniques utilisées en recherche opérationnelle

[Fau00], on peut citer :
 Les algorithmes polynomiaux : l’algorithme polynomial est utilisé, quand le

polynôme est de degré raisonnable, pour résoudre les problèmes de recherche
opérationnelle qui ne sont pas de classe non-déterministes polynomiaux.
 La programmation dynamique : les méthodes de programmation dynamique sont

utilisées pour les problèmes caractéristiques qui peuvent être résolus à l'aide d'une
formule de récurrence, avec une complexité polynomiale ou pseudo-polynomiale.
 Les méthodes stochastiques : elles concernent tous les problèmes aléatoires, en

particulier les problèmes de fiabilité.
 La programmation linéaire et non linéaire : la programmation linéaire est très

souvent utilisée pour résoudre des problèmes combinatoires où les variables sont
continues. Lorsqu'il y a des variables discrètes, la programmation linéaire peut-être
combinée avec d’autres méthodes. La programmation non linéaire peut aussi être
utilisée. La possibilité d'utiliser des contraintes ou des fonctions objectives non
linéaires offre une puissance de modélisation très importante mais les algorithmes de
résolution des programmes non linéaires sont significativement moins efficaces que
ceux de la programmation linéaire.
2.6. Autres travaux sur la maintenance prédictive
Pour mener à bien et évaluer l'implantation d'une maintenance prédictive, on peut

distinguer d’autres travaux.
Citons plus particulièrement les travaux d'évaluation des performances atteintes pour ce
type de maintenance et notamment au niveau coût, [Mur94], [Cro07], [Eti06] et
[Mai02].
Au niveau management et optimisation des programmes, [Gra02], [Car03] et

[Car06].
Des comparaisons entre les différentes stratégies de maintenance, à savoir corrective,

systématique, conditionnelle et prédictive ont également été menées par [Con02], [Lu07] et
[Zho07].
Enfin, et pour conclure cet état de l'art, citons les travaux concernant la surveillance de
systèmes manufacturiers, avec une modélisation discrète des processus et une surveillance
basée sur la comparaison des temps d'exécution des tâches dans [Aba06] et sur la gestion
d'un indicateur lié au flux de production dans [Ly00].
37
2.7. Etude de cas : manufacture industrielle
Le contexte de l’étude que nous présentons a été initié d’une part, par le Laboratoire de
Recherche en Technologie de Fabrication Mécanique (LaRTFM) qui porte un intérêt
particulier à la rentabilité et la maintenance des machines d’usinage et d’autre part, par le
Laboratoire Génie de Production (LGP) dont un des axes de recherches concerne la sûreté
de fonctionnement des robots manipulateurs.
Le cahier des charges, dans ce contexte précis, impose de fournir des lots de pièces
cylindriques et traitées, de dimensions et de qualité de surface données. Le processus de
fabrication fait appel à trois cellules d’un atelier manufacturier :
 Une cellule de traitement thermique : cette unité est composée d’un four, de bains
d’huile et d’un robot de transfert,
 Une cellule d’usinage : la machine essentielle de cette cellule est un tour,
 Une cellule de contrôle : cette cellule contient les instruments de mesure
dimensionnelles et un rugosimètre.
La méthode MBF décrite au chapitre I fait apparaître toutes les étapes nécessaires dans
le cas d’industrie disposant d’un certain potentiel. En s’inspirant du formalisme et de la
rigueur de la méthode MBF, nous présentons dans la suite de ce travail l’étude menée
permettant de traiter la maintenance la plus appropriée à l’atelier considéré.
2.8. Stratégie de maintenance
Nous appliquons donc, la méthode MBF au cas de l’atelier manufacturier précité, afin
d’optimiser les choix des stratégies de maintenance à mettre en oeuvre dans ce contexte
précis. Ainsi sont particulièrement concernées les étapes 2 et 3 de cette méthode,
développées au chapitre 1.
2.8.1. Analyse fonctionnelle du processus de fabrication
L’analyse fonctionnelle du processus de fabrication montre les phases successives du

processus tel qu’il devrait être implanté en industrie, avec notamment un transfert par
robot, figure 2.3, pour arriver au produit fini :
 Phase 1 : traitement thermique
La pièce passe tout d’abord dans la cellule de traitement thermique. Elle est chauffée
dans le four à température et durée données. Ensuite, elle est extraite du four et
trempée dans le bain d’huile par l’intermédiaire du robot de transfert.
 Phase 2 : tournage
La pièce est amenée dans la cellule d’usinage. Elle subit une opération de chariotage
en finition sur le tour.
 Phase 3 : contrôle
Les contrôles qualité de la pièce finie sont liés aux contrôles dimensionnelles et
géométriques ainsi qu’à la rugosité des surfaces usinées. Ces contrôles pourront
s’effectuer en ligne ou hors ligne selon le type de système de mesure dont on
dispose.
38
Fig. 2.5 – Processus de fabrication
2.8.2. Décomposition structurelle de l’atelier
Nous pouvons décomposer l’atelier en un premier niveau d’analyse qui fait apparaître
les parties structurelles ci-dessous, tableau 2.1.
Cellule Système
Traitement thermique Four
Bain
Robot
Usinage Tour
Contrôle Calibres
Rugosimètre
Tab.2.1 – Décomposition structurelle (Niveau 1)
Partant du fait que, dans un premier lieu, l’objectif est de discerner les causes premières
entraînant un défaut de qualité de la pièce finie dans le processus de fabrication, nous
devons continuer la décomposition structurelle au niveau inférieur, tableau 2.2. Pour des
raisons spécifiques, la cellule de contrôle n’est pas concernée par cette décomposition.
Système Sous-système
Four Partie commande (P.C.F)
Parois isolantes (P.I)
Porte (P)
Bain Cuve (Cu)
Huile (H)
Robot Partie commande (P.C.R)
Mécanique articulée (M.A)
Préhenseur (Pr)
Tour Partie commande (P.C.T)
Structure mécanique (S.M)
Outil de coupe (O)
Tab.2.2 – Décomposition structurelle (Niveau 2)
39
2.8.3. Arbre de défaillance de l’atelier
Nous établissons un arbre des défaillances (AdD), figure 2.6, afin de sélectionner les
parties les plus critiques de l’atelier. Le critère de performance que nous ayons à atteindre
étant la qualité des pièces usinées qui doivent être exemptes de défauts. Ainsi, l’événement
indésirable dans notre cas est un défaut de qualité.
L’analyse de cet AdD montre que les premiers composants (organes élémentaires) qui
apparaissent dans l’arborescence sont :
 L’outil de coupe,
 L’huile,
 La cuve.
D’après la règle de la distance hiérarchique dans les AdD, à savoir qu’un composant est
plus critique qu’un autre si sa distance par rapport au sommet est plus petite et sachant de
plus, que l’outil de coupe est un des responsable direct de la qualité des surfaces usinées
par enlèvement de matière, nous pouvons affirmer que cet outil de coupe est affecté de la
criticité la plus marquée, dans l’atelier, pour l’obtention de la qualité du produit dans le
processus d’usinage.
Fig.2.6 – AdD de l’atelier
40
2.8.4. Choix de stratégies de maintenance
Au vu de l’étude de l’arbre de défaillance, une attention particulière de la cellule de

traitement thermique s’avère nécessaire dans un premier temps. Etant donné que cette
cellule est robotisée, l’élément robot occupe une place privilégiée et sera donc l’objet du
chapitre suivant.
Dans un second temps, nous préconisons une surveillance particulière de l’outil de

coupe. En plus de l’incidence néfaste sur la qualité du produit, l’usure de l’outil est un
phénomène de dégradation pouvant entraîner sa rupture. Sachant que cette dégradation suit
un mode progressif, il serait judicieux d’intégrer une maintenance prédictive à même de
détecter l’état d’usure de l’outil afin d’en éviter la défaillance et donc du processus de
fabrication. Cette implantation est l’objet du chapitre 4.
2.9. Conclusion
Dans la première partie de ce chapitre, l’étude bibliographique effectuée sur la

maintenance prédictive montre que la majorité des travaux actuels focalisent sur l’étage de
détection-localisation, qui représente souvent le verrou scientifique de la méthode, ainsi
que sur des travaux d’évaluation, d’optimisation et de management des programmes mis en
œuvre.
L’étage de détection-localisation est généralement pris en charge par les techniques

liées à l’intelligence artificielle et ou par celles liée au traitement du signal. La
modélisation analytique de cet étage est surtout utilisée par les automaticiens dans le cadre
de la surveillance ou de la tolérance aux fautes.
D’autre part, en choisissant d’appliquer la méthode MBF sur le système manufacturier

étudié, nous avons montré la plénitude de cette méthode en exploitant largement ses étapes
2 et 3 décrites au chapitre 1.
L’application d’une méthode rigoureuse présente des bénéfices et permet de garantir une
bonne fiabilité des choix retenus pour la gestion stratégique de la maintenance.
La deuxième partie de ce chapitre a montré la criticité marquée de l’outil de coupe lié à

l’usinage dans le processus de fabrication, pour l’obtention de la qualité du produit qui est
un impératif du cahier des charges.
41
CHAPITRE 3 ANALYSE DES MODES DE FAUTES DU ROBOT ANTHROMORPHE 5 AXES.
AUTOMATISATION DE L’AMDEC
CHAPITRE 3
ANALYSE DES MODES DE FAUTES DU ROBOT

ANTHROPOMORPHE 5 AXES -
GENERATION AUTOMATIQUE DE L’AMDEC
42
3.1. Introduction
La cellule robotisée de traitement thermique, du système manufacturier étudié est

constituée de deux ensembles :
 les machines thermiques (four et bain d’huile),

 le robot manipulateur 5 axes.
L’AdD effectué au chapitre précédent a montré la criticité du bain d’huile, ce qui peut
entraîner des défauts de qualité sur les caractéristiques de la matière de la pièce. Ces fautes
incriminant le procédé de traitement thermique peuvent aussi provenir d’une défaillance au
niveau du four. Les fautes de traitement thermique sur la pièce peuvent être détectées par
cette même mesure de la rugosité Ra(t). Cette partie de l’étude sur le système thermique,
n’est pas prise en charge dans ce travail.
D’autre part, le robot manipulateur, de part sa position dans la cellule, est aussi d’une
criticité marquée et, étant un des centres d’intérêt du Laboratoire Génie de Production
(LGP), il est donc la cible de notre étude dans ce chapitre.
Ce chapitre est consacré à l’acquisition de la connaissance nécessaire au

fonctionnement de l’étage de détection-localisation devant opérer sur le robot manipulateur
et doit permettre, en conclusion, de statuer sur une stratégie de maintenance.
Il est constitué de deux grandes parties :
 La première consiste en l’élaboration des grilles AMDEC du robot manipulateur

anthropomorphe 5 axes, manuellement.
 La deuxième partie est consacrée à l’automatisation de génération des grilles
AMDEC.
3.2. Présentation du robot
3.2.1. Robot Anthropomorphe 5 axes
Le robot sur lequel repose notre étude est matérialisé par le robot manipulateur
anthropomorphe à 5 degrés de liberté, figure 3.1, et qui se trouve au niveau du LGP. Ses
caractéristiques détaillées, ainsi que son fonctionnement cinématique illustré par les
schémas de ses différents axes sont donnés en annexe 2 (page 85).
43
Fig. 3.1 – Robot Anthropomorphe 5 axes
3.2.2. Principe de fonctionnement
Les articulations de chaque bras sont de type rotoïde. Chacun de ces bras est mis en
mouvement par un actionneur qui fournit, par l’intermédiaire d’un système de
transmission, le couple moteur. Les actionneurs correspondent à 5 moteurs électriques à
courant continu et à aimants permanents. Ces moteurs sont équipés de réducteurs et les
moteurs des axes 2 et 3 de freins à manque de courant. Un convertisseur tension-courant
asservi en courant (amplificateur de puissance) est prévu pour l'alimentation de chaque
moteur.
La position de chaque axe est obtenue par un codeur optique absolu solidaire de chaque
arbre moteur. La vitesse est obtenue par dérivation numérique de la position.
Le domaine accessible du robot est fixé par des valeurs de débattement définies pour
chaque axe et, par sécurité, limité physiquement par des capteurs de fin de course.
3.3. Analyse du robot
Etant donné le degré de connaissance fonctionnel et structurel du robot, nous

appliquons l’AMDEC, comme outil d’analyse. Cette méthode a été décrite au chapitre 1 et,
il est nécessaire de procéder au préalable à l’analyse fonctionnelle du système.
3.3.1. Analyse fonctionnelle
La partie commande, la mécanique articulée et le préhenseur du robot représentent

quatre sous-systèmes fonctionnels, tableau 3.1. Et le robot manipulateur peut-être illustré
par le schéma fonctionnel comme indiqué en figure 3.2.
44
Système Sous-système
Robot Armoire de commande

Actionneurs
Structure mécanique
Capteurs
Tab. 3.1 – Sous-systèmes fonctionnels
Tension Couples moteurs Structure Couples nécessaires

Actionneurs
mécanique
positionnements
Adresse les Mesurent

ordres Armoire de les positions Capteurs
commande
Fig. 3.2 - Schéma fonctionnel du robot
Les fonctions de chacun de ces sous-systèmes sont les suivantes :
 L’armoire de commande : elle a pour fonction de fournir aux actionneurs la tension

d’alimentation, de réguler le courant, d’assurer les opérations de contrôle et de
calcul, et d’adresser les ordres,
 Les actionneurs : ils ont pour rôle de fournir le couple moteur à la structure
mécanique,
 La structure mécanique : elle fournit les couples articulaires nécessaires à chaque
bras du robot pour les positionner, avec comme objectif final, la position de l’organe
terminal,
 Les capteurs : ils mesurent les positions articulaires des bras et transmettent ces
informations à l’armoire de commande.
Ce niveau d’analyse fait apparaître les sous-systèmes fonctionnels du robot. Il est

évident que, pour assurer leur fonction, ces sous-systèmes sont eux-mêmes constitués
d’équipements ou modules ayant chacun un rôle. L’objectif de notre analyse est d’étudier
les modes de défaillance ainsi que l’occurrence de fautes susceptibles d’affecter des parties
discernables du robot. Ce niveau d’analyse s’avère alors être insuffisant. Pour cela, nous
passons au niveau inférieur de décomposition structurelle du robot (niveau module).
3.3.2. Analyse structurelle équipement
Les quatre sous-systèmes fonctionnels constituant le robot peuvent être décomposés en

modules tels que présentés dans le tableau 3.2 ci-après.
45
Sous-Système Module
Armoire Amplificateur de puissance

de commande Carte de contrôle
Programmation
Actionneur Moteur
Frein
Structure mécanique Socle

Réducteur
Accouplement
Transmission
Articulation
Capteur Capteur de fin de course

Capteur de position
Tab. 3.2 - Décomposition des sous-systèmes en équipements
Les fonctions de chaque module :
 L’amplificateur de puissance ou convertisseur : il alimente le moteur en courant sous

une tension donnée. Le courant d’alimentation est régulé,
 La carte de contrôle : elle assure les opérations de contrôle et de calcul (traitement
des informations),
 La programmation : c’est par elle que l’on adresse les ordres à effectuer,
 Les moteurs : ils fournissent les couples moteur,
 Les freins : seuls les moteurs des axes 2 et 3 sont équipés de freins par manque de
courant ; ils servent à maintenir le robot dans une position données, au repos,
 Le socle : c’est par cet équipement que le robot est fixé,
 Les réducteurs : ils réduisent les vitesses de sortie des moteurs,
 L’accouplement : il concerne uniquement le bras n°3, il relie l’axe de sortie du
réducteur à l’axe d’entrée de transmission,
 Les transmissions : elles réduisent les vitesses de sortie des réducteurs et transmettent
les couples moteur aux articulations,
 Les articulations : elles assurent les liaisons pivots (rotoïdes) entre les transmissions
et les bras,
 Les capteurs de fin de course : ils limitent les débattements des bras,
 Les capteurs de position : ils mesurent les positions des bras et transmettent
l’information à la carte de contrôle.
Ce niveau d’analyse répond à notre objectif suscité, et c’est donc sur celui-ci que
nous allons effectuer l’AMDEC.
46
3.3.3. AMDEC
Rappelons que l’AMDEC est une méthode inductive d’analyse qui permet l’étude
systématique des causes et des effets des défaillances d’un système. Nous avons appliqué
cette méthode sur le niveau module (niveau 3) du système robot afin de traiter les
problèmes de détection-localisation des fautes sur celui-ci.
3.3.3.1. Modes génériques des défaillances
Nous avons utilisée les cinq modes de fautes génériques listés au chapitre 1 que nous
avons identifié sur le robot et que nous rappelons ci-après :
 Perte de la fonction,
 Fonctionnement intempestif,
 Refus de s'arrêter,
 Refus de démarrer,
 Fonction dégradée.
3.3.3.2. Evaluation de la criticité
Nous adoptons dans cette analyse la table de cotation universelle, citée au chapitre 1 :
une valeur estimée de 1 (mineure) à 4 (maximum) pour les deux indices de fréquence (F)
et de détection (D), et à 5 (maximum) pour l’indice de gravité (G) correspondant à un haut
niveau de sécurité/qualité.
3.3.3.3. Actions menées
La criticité C calculée :
C = F. G. D
va nous permettre de hiérarchiser les fautes et de recenser celles dont le niveau de

criticité est supérieur au seuil établi afin de mener les actions correctrices nécessaires.
Le robot appartient à la classe des système électromécaniques et, comme présenté au

chapitre 1, le seuil de criticité admissible peut-être fixé à :
S = 24
Lorsque des actions correctrices sont réalisées, nous calculons la nouvelle criticité avec
les nouveaux indices de criticité :
C’ = F’. G’. D’
La nouvelle criticité C’ calculée quantifie l’amélioration réalisée.
3.3.3.4. Grille AMDEC
Les résultats de cette analyse sont regroupés et présentés sur la fiche ou grille AMDEC,
annexe 3 (page 92).
47
3.4. Stratégie de maintenance
Les travaux menés à ce jour sur le robot manipulateur, [Nou96], [Alb00], [Ger01] et
[Nou04], permettent dès l’occurrence d’une faute capteur ou dynamique, de détecter cette
faute et d’effectuer un premier diagnostic qui consiste en la localisation de la faute au
niveau de la structure du robot. La discrimination entre faute capteur et faute dynamique
est possible. La faute peut être localisée au niveau de tel ou tel bras du robot. Les stratégies
de détection utilisées reposent sur les techniques de modélisation analytique liées à
l’automatique, comme explicitées au chapitre 2. Cette méthode de détection basée sur
l’utilisation du modèle dynamique se trouve très bien adaptée dans ce cas précis et a pour
avantage d’utiliser les capteurs opérationnels pour la régulation du robot. Aucun ajout
matériel n’est envisagé.
Par contre les limites, en terme de localisation au niveau de la structure mécanique sont
vite atteintes. Les fautes répertoriées comme dynamiques peuvent avoir leur origine sur
tous les éléments structurels du bras du robot (sauf le capteur). D’autres travaux sur le
robot, notamment [Nou02a], [Nou02b] et [Nou03] avaient mis en évidence, en plus des
altérations sur le vecteur d’état (positions et vitesses), des phénomènes de vibrations
naissants et avaient donc proposé d’activer une procédure, basée sur les techniques
d’analyse vibratoire, dans le cadre d’une structure hiérarchique de niveaux de surveillance,
de détection-localisation pour identifier ces fautes dynamiques.
Cependant, notre Analyse des Modes de Défaillances, de leurs Effets et de leur criticité,
concrétisée par la grille AMDEC, annexe 3, met en évidence le caractère fastidieux du
traitement de données importantes de cet outil d’analyse. C’est pour cela que nous
proposons de mettre l’outil informatique au service de cette méthode en développant un
logiciel permettant la génération automatique des grilles AMDEC en intégrant
l’automatisation des différentes étapes de cette méthode.
3.5. Automatisation de l’AMDEC
L’utilisation de l’outil informatique va permettre de faciliter et de rendre plus rapide le

traitement de données importantes et d’offrir une aide à la rédaction de la grille d’analyse
AMDEC. Nous présentons dans ce paragraphe le logiciel développé et dénommé
« G2AD » (Génération Automatique de l’Analyse des Défaillances), [Nou07], [Nou08a]
qui permet la génération automatique de l’AMDEC, à travers le système robot
manipulateur 5 axes déjà étudié manuellement.
3.5.1. Décomposition fonctionnelle dans le logiciel
Après l’identification du système à traiter, le robot anthropomorphe 5 axes en

l’occurrence, l’étape suivante de la méthode AMDEC consiste à faire la décomposition
fonctionnelle.
3.5.1.1. Décomposition du système
Le logiciel développé offre une décomposition fonctionnelle descendante :
48
 Le nom du système est introduit avec le nombre de ses sous systèmes, figure 3.3,
 Ensuite chaque sous-système est introduit avec le nombre de ses composants,
 Tous les composants de chaque sous-système sont ensuite introduits avec le nombre
de ses appareils.
Fig. 3.3 - Prise en compte du système
3.5.1.2. Décomposition du sous-système : Structure mécanique
La figure suivante présente l’introduction du sous-système « Structure mécanique »

avec le nombre de ses composants (Figure 3.4), puis l’introduction de son composant
« réducteur » (Figure 3.5).
Fig. 3.4 - Prise en compte du sous-système
49
Fig. 3.5 - Prise en compte d’un composant
3.5.1.3. Schéma fonctionnel engendré
Le schéma fonctionnel définitif est proposé à la fin de cette étape, comme montré dans
la figure 4.6 suivante :
Fig.3.6 - Schéma fonctionnel du robot sur 3 niveaux
50
3.5.2. Génération des défaillances
La deuxième étape de la méthode est appréhendée dans le logiciel par la génération des
défaillances, effectuée de manière ascendante : le triplet ‘mode’, ‘cause’, ‘effet’ est
enregistré pour l’élément de niveau le plus bas.
Par exemple pour le composant « articulation », deux triplets sont identifiés :
1. ‘pas de fonction’, ‘sur le roulement : grippage. Sur l’axe: rupture’, ‘tâche non
accomplie’,
2. ‘dégradation de la fonction’, ‘sur le roulement : usure, jeu, défaut géométrique,
charge excessive. Sur l’axe : jeu, défaut géométrique, charge excessive’, ‘altération
vitesse et position, vibration’.
La figure 3.7 ci-après donne la saisie du premier triplet pour le composant articulation
du sous-système ‘Structure mécanique’.
Fig. 3.7 - Triplet 1 du composant ‘articulation’
3.5.3. Elaboration de la fiche de décision
3.5.3.1. Prise en compte des indices et calcul de la criticité
Le logiciel intègre également les deux dernières étapes de la méthode, permettant la

saisie des indices nominaux et le calcul de la criticité, puis suivant l’indice obtenu en
fonction du seuil adopté, différentes actions correctrices sont proposées.
Nous avons, d’après notre analyse manuelle précédente, fixé le seuil à 24. Les deux cas
possibles sont présentés :
 Cas où la criticité est supérieure au seuil

La figure 3.8 montre la prise en compte des indices pour le composant
‘articulation’ et le mode de défaillance ‘pas de fonction’ (triplet 1), telle que F = 3,
G = 3 et D = 4. Dans ce cas le seuil étant dépassé (C = 36), une action correctrice
de surveillance par analyse vibratoire, dans le cadre d’une maintenance prédictive,
51
est proposée. Cela agit sur l’indice de détection D et on obtient à la fin les nouveaux
les nouveaux indices finaux : F’ = 3, G ’= 3 et D’ = 1.
 Cas où la criticité est inférieure au seuil

De la même manière, les indices nominaux F = 3, G = 2 et D = 4 sont saisis,
Figure 3.9, pour le mode de défaillance ‘dégradation de la fonction’ du triplet 2.
Dans ce cas, il n’y a pas d’action correctrice.
Prise en
compte des
indices
nominaux
Prise en
compte des
indices finaux
après action
correctrice
Fig. 3.8 - Evaluation des indices F, G et D pour le triplet 1
Fig. 3.9 - Evaluation des indices F, G et D pour le triplet 2
52
3.5.3.2. Génération automatique de la grille AMDEC
Suivant la démarche précédente, toutes les informations relatives aux autres composants
des différents sous-systèmes sont saisies et traitées.
Le logiciel permet alors de générer automatiquement la grille AMDEC, par sélection du
niveau et d’un élément du niveau sélectionné.
Ainsi la sélection du niveau 3, puis du sous-système ‘Structure mécanique’ donne la grille
correspondante, Figure 3.10, où sont résumées toutes les informations concernées.
Fig. 3.10 - Grille AMDEC du sous-système « Structure mécanique »
3.6. Conclusion
La première partie de ce chapitre a été consacrée à l’analyse de l’occurrence de

fautes sur le robot manipulateur, connaissance nécessaire à la mise en place de l’étage
de détection-localisation d’une maintenance prédictive. Cette analyse a été réalisée à
l’aide de l’outil AMDEC, outil intégré au formalisme et à la rigueur de la méthode
MBF, étudiée au chapitre 1 et déjà appliquée au chapitre 2.
La grille AMDEC, résultat de cette première partie de l’étude, est présentée au tableau
3.3. En choisissant d’appliquer l’analyse AMDEC sur le robot Anthropomorphe 5 axes,
nous avons montré la qualité de cette méthode présentée au chapitre 1, mais aussi le
caractère fastidieux de son traitement des informations.
Nous avons donc proposé, dans la deuxième partie de ce chapitre, l’automatisation de

l’AMDEC intervenant dans la méthode MBF. Le caractère automatique est appréhendé à
travers la conception et l’implémentation d’un logiciel que nous avons dénommé
« G2AD ».
53
La méthodologie support intègre les différentes étapes de la méthode AMDEC. Le

caractère fastidieux du traitement de données importantes est réduit par l’utilisation d’une
base de données.
Dans cette deuxième partie du chapitre nous validons le logiciel réalisé, sur le robot
déjà étudié manuellement, et le résultat final permet d’obtenir la grille AMDEC générée
automatiquement.
Cette automatisation permet donc d’avoir rapidement sur une même grille toutes les
informations se rapportant à l’analyse des défaillances du système, ce qui constitue un gain
de temps et facilite le travail pour les experts en maintenance.
54
SUR L’OUTIL DE COUPE EN USINAGE
CHAPITRE 4
IMPLANTATION D’UNE MAINTENANCE PREDICTIVE

55
4.1. Introduction
Les stratégies de maintenance dans l'industrie manufacturière reposent principalement

sur des actions de maintenance préventive systématique, dont le but est d'assurer la
disponibilité des systèmes. Toutes les déviations recensées, inhérentes à l'utilisation du
système pendant une durée donnée, sont corrigées lors de l'intervention de maintenance.
Malgré les inconvénients liés à la maintenance préventive systématique, qui peuvent mener
soit à des actions inutiles ou au préjudice du bon fonctionnement du système, il est
généralement admis, dans le cas des systèmes manufacturiers, que ce type de maintenance
s'avère performant pour corriger les fautes d'origine systématique, dont la principale est
l'usure.
L'avantage de la maintenance prédictive par rapport à la maintenance systématique, sur

les systèmes manufacturiers, est double. Elle peut permettre de rationaliser les
interventions de maintenance par rapport aux fautes systématiques (usure) et amène une
dimension supplémentaire de tolérance et disponibilité par rapport à des fautes telles que
les bris d’outils ou l'usure prématurée de ces derniers.
Nous présentons dans ce dernier chapitre du mémoire l’implantation d’une maintenance

prédictive sur l’outil d’usinage du cas étudié. L'indicateur sur lequel est basé l’étage de
détection-localisation des fautes est la rugosité des pièces usinées par enlèvement de
matière. L'approche développée pour la construction de cet étage de détection-localisation
des fautes repose sur le principe de la redondance analytique. Auparavant, l’usure
systématique de l’outil de coupe est traitée. Les résultats liés à cette implantation sont
présentés et discutés.
4.2. Maintenance de l’outil de coupe
4.2.1. Types de fautes sur l’outil de coupe
L’usure de l’outil de coupe est due aux sollicitations sévères que subit le tranchant à
l’interface outil - pièce. Cette usure se manifeste sous plusieurs formes, dont les
principales sont : l’usure en dépouille, l’usure en cratère, qui suivent des lois de
dégradation progressive, la fissuration de l’arête coupante suivie par la chute partielle ou
totale de l’arête même [Arq96], [Rem01], [Cor03].
4.2.1.1. Faute d’usure en dépouille ou d’usure frontale
Elle est due au frottement de la pièce sur la face en dépouille de l’outil. Elle se
manifeste par l’apparition d’une bande striée et brillante parallèle à l’arête, et est
caractérisée par la largeur moyenne de cette bande VB, figure 4.1.a.
Du point de vue pratique, l’usure frontale est la plus importante à considérer, puisqu’elle
détermine la précision dimensionnelle et l’état de surface de la pièce usinée.
56
4.2.1.2. Faute d’usure en cratère
Elle est caractérisée par une cuvette formée sur la face d’attaque de l’outil par
frottement du copeau. Cette forme d’usure est due à l’existence de températures élevées au
contact pièce-outil provoquant une diffusion importante. Elle se manifeste en particulier
avec des outils carbures et céramiques.
La forme du cratère peut être définie par sa profondeur maximale KT, le rapport de
cratérisation KT/KM et par l’angle de cratérisation c, figure 4.1.a.
4.2.1.3. Faute d’entaille
Il peut se produire une entaille sur l’arête tranchante, à la hauteur du diamètre

périphérique de la pièce. Ce phénomène est dû au mode d’évacuation de l’arête rapportée.
Au niveau de cette entaille, les conditions de coupe devenant mauvaises, le refoulement de
matière sur la périphérie de la pièce provoque une auto-accélération du phénomène.
L’entaille peut alors atteindre une valeur VN, figure 4.1.a, importante par rapport à la
valeur VB de la largeur de bande d’usure frontale, et affaiblir considérablement le bec de
l’outil.
4.2.1.4. Faute de fissuration
Dans le cas des usinages avec chocs, mécaniques ou thermiques, ou avec des variations
périodiques des efforts provoqués par une coupe discontinue ou par des vibrations, on
observe l’apparition de fissures sur l’arête de coupe qui diminuent considérablement la vie
de l’outil. Cette forme d’usure se manifeste dans le cas de l’usinage des alliages
réfractaires, figure 4.1.b.
4.2.1.5. Faute de déformation plastique
Elle est l’effet des températures élevées et des hautes pressions régnant dans la zone de
coupe. On rencontre en particulier ce type d’usure dans l’utilisation des outils de carbure
lors d’usinage des matériaux à hautes résistances mécaniques ou à faible usinabilité. Cette
déformation se traduit par un affaissement plastique de la pointe de l’outil, caractérisé par
la valeur de la flèche SVp. Cet affaissement à la précision et à l’état de la surface usinée.
Il entraîne une usure frontale, zone C, figure 4.1.a, de valeur VC généralement supérieure à
la valeur VB dans la zone centrale B, et une déformation importante du cratère.
4.2.1.6. Faute de bris du bec de l’outil
Ce bris a généralement lieu par rupture ou cassure de la pointe ou du bec de l’outil,

figure 4.1.c.
Cette rupture est couramment observée dans le cas des outils en acier rapide.
57
a – Formes d’usure
b – Bris du bec c – Fissurations
Fig. 4.1 – Formes de fautes sur l’outil de coupe
4.2.2. Causes des fautes de l’outil
Dans l’évolution de l'usure des outils de coupe, on observe généralement l'existence

d'un régime transitoire suivi d'un régime stabilisé et ensuite la mort de l’outil. Le régime
transitoire est caractérisé par une usure rapide, caractéristique du rodage, et le régime
stationnaire par une évolution stable, pratiquement linéaire. La dernière période correspond
à la destruction rapide de l’outil.
Les différentes formes de fautes sur l’outil de coupe font intervenir des causes de natures
différentes, ci-après citées [Arq96], [Rem01] et [Cor03].
4.2.2.1. Cause due à l’usure par adhésion
Compte tenu des efforts de coupe imposés, des jonctions métalliques, véritables
microsoudures se forment et se rompent en continu puisqu'il y a mouvement relatif du
copeau et de l'outil. Ce phénomène peut créer une arête rapportée. L'usure par adhésion
dépend de la pression appliquée au contact outil-pièce et par conséquent des
58
caractéristiques de dureté et d'écrouissabilité du matériau usiné, de l'épaisseur du copeau,

de la rigidité de la liaison outil-pièce et de la vitesse de coupe.
Le phénomène d'arêtes rapportées est d’une grande importance pratique, il peut en résulter
une modification des cotes de la pièce usinée et de son état de surface.
4.2.2.2. Cause due à l’usure par abrasion
L'usure abrasive des outils de coupe résulte de l'arrachement sur leur surface de
microcopeaux produits par des particules souvent anguleuses et de grande dureté qui
peuvent être contenues dans le matériau usiné. La vitesse d'usure abrasive croît avec la
quantité de particules abrasives qui entrent en contact avec l'outil par unité de temps. Elle
croît donc avec la vitesse de coupe.
4.2.2.3. Cause due à l’usure par diffusion
Aux grandes vitesses de coupe, le gradient de température à l'interface outil-pièce est

particulièrement important. Une couche de glissement facile se constitue avec fluage du
matériau de la pièce. La vitesse de diffusion éventuelle d'un élément d'alliage de l’outil
dans la pièce est très grande en raison des températures atteintes, d'autant plus que cet
élément est absent du matériau usiné.
4.2.2.4. Cause due à l’usure par fluage et oxydation
Pour des vitesses de coupe qui dépassent les vitesses normales d'emploi de l'outil, sa
géométrie peut encore être endommagée par fluage ou oxydation. Pour le fluage, l’outil est
soumis sur sa face d'attaque à des contraintes normales de compression maximale sur
l’arête de coupe. L'outil peut s’oxyder à l’air ambiant, en raison des températures atteintes,
en particulier dans les zones bien aérées au voisinage de la zone de coupe proprement dite.
Ces deux phénomènes n'interviennent que dans des conditions de travail anormales.
4.2.2.5. Cause due l’usure par effets de chocs
L'écaillage des faces de l'outil peut résulter d’une certaine fragilité ou de fatigue
mécanique et thermique. Dans le cas d’une rupture fragile, une telle faute apparaît au début
de la coupe. Elle est due à un excès d'efforts de coupe. La fatigue mécanique entraîne la
rupture sous l’effet de variation de sollicitations. Les chocs thermiques supportés par les
outils sont très sévères soit pendant les arrêts de coupe soit par le refroidissement dû à un
arrosage discontinu. La surface de l’outil est mise en traction et des fissures thermiques
peuvent apparaître.
4.2.3. Indicateurs des fautes de l’outil de coupe
Au vu de la nature de ces fautes et de leurs causes possibles, les indicateurs significatifs

de l’usure de l’outil d’usinage, recommandés par la norme NF E 66 505, peuvent être
59
classés en deux catégories : les indicateurs directs et les indicateurs indirects, [Arq96],
[Rem01], [Col03].
4.2.3.1. Indicateurs directs
Ils sont basés sur l'évolution directe de l'usure, figure 4.1 :

 Indicateur frontal : caractérisé par une largeur limite VBlimite de la bande d'usure sur
la face en dépouille de l'outil,
 Indicateur de cratérisation : défini par la valeur limite de la profondeur du cratère
KTlimite, ou par la valeur limite du rapport de cratérisation KT/KM, ou par une
valeur limite de l'angle de cratérisation c,
 Indicateur de mort d'outil, utilisé principalement pour les outils en acier rapide,
 Indicateur d'usure volumétrique ou massique caractérisé par la perte en poids de
l'outil, mesurée par pesée ou à l'aide de traceurs radioactifs.
4.2.3.2. Indicateurs indirects
Ils sont basés sur la variation de certaines grandeurs physiques de la coupe en fonction
de l'usure de l'outil, tels que :
 Indicateurs d’efforts et de travail spécifique de coupe,
 Indicateur de la rugosité des surfaces usinées,
 Indicateur basé sur les variations de cotes des surfaces usinées, actuellement utilisé
pour la détermination de 1'usinabilité des aciers,
 Indicateur de la température du bec de l'outil,
 Indicateur du niveau vibratoire,
 Indicateur de la puissance de la broche de la machine.
4.2.4. Choix de l’indicateur de surveillance de l’outil de coupe
Les contrôles qualité étant liés à la rugosité des pièces usinées, cette rugosité étant un
indicateur significatif de l’usure de l’outil de coupe recommandé par la norme NF E
66 505, nous avons proposé de coupler cet impératif du cahier des charges à certaines
actions de maintenance préventive sur l'outil de production, [Cok96], [Axi02], [Nou05],
[Nou08b] et [Nou08c].
Dans l'approche que nous suivrons, nous préconisons, d'une part, une mise en place
d'une maintenance systématique de l'outil de coupe pour pallier à l'usure normale de cet
outil et nous proposons, d'autre part, une maintenance prédictive pour répondre aux fautes
répertoriées que sont l'usure prématurée et le bris d'outil. Ces deux fautes ont pour
conséquence une détérioration de l'état de surface de pièces mécaniques après usinage, se
traduisant par une variation de la rugosité. C'est donc cette dernière, la fonction R(t) où t
est le temps d'usinage, que nous retenons comme indicateur central de l'étage de
surveillance.
La modélisation de la rugosité est une étape cruciale de ce travail et constitue l'objet de

la section suivante.
60
4.3. Modélisation de la rugosité des surfaces usinées
La rugosité des surfaces des pièces usinées dépend de plusieurs facteurs. Certains sont
systématiques telles les conditions géométriques de l'outil de coupe associées aux
conditions cinématiques du processus de génération. Elles se modélisent par un terme
constant noté rugosité de génération Rg. D'autres facteurs sont associés à l'usure de l'outil et
aux erreurs aléatoires d'usinage, modélisées par des fonctions déterministes ou aléatoires.
Ces deux derniers facteurs s'additionnent généralement à Rg.
[Ala97], [Ben05], [Nou05], [Nou08b] et [Nou08c] ont montré que R(t) peut s'exprimer,
de façon déterministe, comme une combinaison linéaire de Rg et d'un terme ctm, où les
paramètres c et m dépendent des conditions de coupe utilisées lors de l'usinage.
R t   R g  ct m (1)
Les deux paramètres c et m sont généralement obtenus par des techniques

d'identification.
Les erreurs aléatoires d'usinage se caractérisent par une dispersion importante sur les
résultats expérimentaux des mesures de R(t). Il est montré en [Ben05] que la dispersion des
mesures présente une répartition d'après la loi normale (Laplace-Gauss). Cette répartition
est centrée, de moyenne arithmétique nulle ( = 0) et d'écart type .
En tenant compte de ces erreurs pour une probabilité (P), et en posant s la variable de
répartition de la loi normale, l'équation (1) est alors bornée par un intervalle de confiance,
c'est à dire :
R g  ct m  s  Rt   R g  ct m  s (2)
La variation de la rugosité est alors illustrée en figure 4.2.
Fig. 4.2 – Rugosité théorique
61
4.4. Approche expérimentale - Identification
4.4.1. Approche expérimentale
L’étude expérimentale a été menée au Département de Génie Mécanique de l’ENSET

d’Oran. Le processus d'usinage porte sur un couple outil-matière composé d'un acier à
traitement thermique de nuance C38, pour ce qui est de la pièce et d'un carbure métallique
de nuance P20 pour ce qui est de l'outil.
La rugosité maximale imposée par le dessin de définition est : Ra = RM = 4,8µm. Le

critère Ra (rugosité moyenne arithmétique) est celui que nous utilisons, il est aussi utilisé
par [Axi02], étant donné qu'il révèle les détails avec une bonne précision.
4.4.1.1. Pièce usinée
La matière de la pièce est de l’acier à traitement thermique de nuance C38 dont les
caractéristiques physico-chimiques sont données au tableau 4.1. L’ensemble des
éprouvettes ont les mêmes dimensions initiales, figure 4.3 :
 Diamètre = 100 mm,
 Longueur = 150 mm.
Le mode de fixation de la pièce sur le tour est un montage mixte.
Composition Traitement Caractéristiques

C38 thermique
C Mn Si Tr Rv Re Rr Al Kcu HB D
(%) (%) (%) (°C) (°C) (daN/ (daN/ (%) (daJ/ (HB) (daN/
mm2) mm2) cm2) mm2)
0.38 0.50 0.10 850 550 34 62 21 6 190 27
Tab. 4.1 - Caractéristiques physico-chimiques de la pièce
Fig. 4.3 – Eprouvettes traitées avant et après usinage
62
4.4.1.2. Outil de coupe
L’outil d’usinage est un outil à plaquette amovible en carbure métallique de nuance P20
qui est couramment utilisé pour l’usinage des pièces en acier, tableau 4.2. La géométrie de
sa partie active a été choisie selon l’étude faite dans [Ben05].
Le montage de l’outil est établi avec un porte à faux de 25 mm, et son réglage de
hauteur de pointe à l’aide d’un comparateur.
Nuance plaquette Géométrie partie Dimensions Section

P20 active plaquette corps
W (%) T (%) Autre (%) (°) (°) r(mm) (mm) (mm)
70-80 2-8 12-28 6 8 0,5 10x10x3 25x25
Tab. 4.2 - Caractéristiques de l’outil de coupe
4.4.1.3. Conditions de coupe
Afin de satisfaire aux impératifs du cahier des charges qui impose une contrainte de
rugosité Ra = 4,8 µm, une étude préliminaire a été menée pour déterminer les conditions
optimales de coupe. Cette étude est détaillée dans [Ben05] et a donné les résultats listés
dans le tableau 4.3.
Vitesse de coupe Vc Avance par tour a Profondeur de passe p

(m.min-1) (mm.tr-1) (mm)
220 - 280 0,1 0,5
Tab. 4.3 – Conditions de coupe optimale
4.4.1.4. Tour « Cholet 350 »
La machine utilisée pour les essais est un tour à copier « Cholet 350 », annexe 4. Ce
tour permet un usinage avec :
 Une précision de 0,01 mm,
 Une gamme de vitesse de rotation comprise entre 45 et 2000 tr/mn,
 Une gamme de vitesse des avances comprise entre 0,05 et 0,7 mm/tr,
 Une puissance moteur d’entraînement de 7,5 KW.
4.4.1.5. Rugosimètre
Les contrôles de la rugosité ont été effectués grâce à un rugosimètre électronique à

palpeur inductif (Hommel Werke), figure 4.4.a et 4.4.b, avec une longueur de base de 2mm
et un cut-off de 0,75mm.
Les critères qui peuvent être mesurés par cet instrument sont :
 Ra : Rugosité moyenne arithmétique,
 Rz : Rugosité,
 Rt : Rugosité.
63
Fig.4.4.a - Rugosimètre Hommel Werke
Fig.4.4.b – Mesure d’une pièce
Le contrôle est effectué sur chaque pièce avec un pas correspondant au temps d’usinage
de 280 s, le temps d’usinage étant contrôlé par un chronomètre.
4.4.1.6. Plans d’expérience
Les mesures sur la rugosité présente une dispersion notable. Ainsi il est nécessaire
d’effectuer systématiquement plusieurs essais dans des conditions identiques pour obtenir
une valeur moyenne significative.
Un certain nombre d’expériences permettent la détermination de l’écart type , ainsi que
les valeurs les plus exactes de c et m. D’après les techniques de mesures statistiques en
petite quantité [Bou03], il a été nécessaire de réaliser un plan d’expérience de 5 séries de
10 pièces chacune.
64
4.4.2 Identification de Rg, c, m et σ
Les résultats des mesures sur l’évolution de la rugosité en fonction du temps de coupe
sont présentés sur la figure 4.5, [Ben05], [Nou05], [Nou08b], [Nou08c]. Leur
interprétation permet de décomposer R(t) suivant deux intervalles distincts :
 0  t  540s : R(t) est approximativement constante, sa valeur correspond à Rg. Il est

admis que cette stabilité relative est due à la formation préalable de l’arrondi du bec
de l’outil,
 t  540s : R(t) suit une variation de type ctm. L’apparition de l’usure en face de
dépouille sous forme de creux entraîne une dégradation progressive de la rugosité.
Fig.4.5 - Rugosité mesurée
L'ensemble des données relatives aux courbes sont traitées par la technique classique
des moindres carrés et permet d'identifier les valeurs respectives de c et m ainsi que la
valeur de  obtenu par identification de la plus grande valeur de l'écart type des rugosités
mesurées. Ces 4 paramètres sont donnés dans le tableau 4.4.
Rg c m 
1,79 µm 1 0,102 0,27
Tab.4.4 – Valeurs de Rg, c, m et σ
4.5. Maintenance systématique – Usure systématique de l'outil de coupe
4.5.1 Durée de vie de l'outil de coupe
L'usure normale de l'outil de coupe est généralement prise en charge par une
maintenance systématique. Cette dernière repose sur la durée de vie de l'outil de coupe
autorisant un temps de cycle d'usinage compatible avec la contrainte de rugosité imposée
aux pièces. Cette détermination de la durée de vie de l'outil de coupe peut-être déduite
65
d'abaque ou grâce à des logiciels, quand ceux-ci prennent en charge le couple outil-matière
utilisé ou déterminé de façon plus précise quand le modèle de durée de vie est établi.
La valeur maximale de la rugosité (RM) est imposée par le dessin de définition de la

pièce comme limite extrême à ne pas dépasser. La variable de répartition de la loi normale
a pour valeur s = 3 pour un intervalle de confiance à 99, 7%.
D'après les résultats expérimentaux ci-dessus, on peut considérer que la rugosité dans le
premier intervalle est constante et procéder à un changement de base (toR à t’o’R’) ou l’on
définit les temps , g et c comme indiqués sur la figure 4.6.
Fig.4.6 – Changement de base
Des relations (1) et (2), on peut écrire :
Rg  c c  s  RM
m
(3)
à la limite :
Rg  c c  s  RM
m
(4)
d’où :
1
 RM  R g  s m
 c    (5)
 c 
66
Qui représente le temps du cycle d'usinage relatif au second intervalle, auquel il faut
additionner g pour obtenir , temps maximum du cycle d'usinage satisfaisant à la
contrainte de rugosité :
   g  c (6)
Nous déduisons directement de la figure 4.5 :
 g  540s
Les équations (5) et (6) associées aux valeurs du tableau 4.4 permettent de déterminer
  2815s
soit :
  47mn (7)
La maintenance systématique de l'outil consistera donc, à  = 47mn en un changement

de cet outil ou en son réaffutage.
4.6. Maintenance prédictive de l’outil de coupe
La maintenance systématique ne prend en compte que l'usure systématique de l'outil.

Mais nous savons que toute usure prématurée de l'outil de coupe se traduira
obligatoirement par une augmentation du rebut des pièces. Inversement, le changement
d'outil n'est en rien justifié et devient donc prématuré si l'outil de coupe présente une
longévité plus grande.
Nous considérons dans cette partie du travail 2 types de fautes concernant l'outil de
coupe, d'une part, son usure prématurée et d'autre part, le bris de son bec, [Nou08c].
Notons :
 f1 : faute d'usure prématurée de l'outil de coupe,
 f2 : faute de bris du bec de l'outil de coupe (micro-éclat).
4.6.1. Détection et localisation des fautes
Compte tenu du fait que nous disposons du modèle analytique de R(t), l'approche de
détection des fautes basée sur l'utilisation du modèle est tout à fait indiquée.
Le principe de cette méthode, comme explicité au chapitre 2, est de comparer les sorties
mesurées du système ymesurée(t) et les mêmes sorties estimées yestimée(t) grâce au modèle,
comme indiqué en figure 4.7. La même entrée u(t) est appliquée au système et à son
modèle. En l'absence de faute, ces deux sorties sont identiques (au bruit et aux erreurs de
modélisation près) et le signal r(t), appelé résidu, tend vers zéro. Toute occurrence de faute
se traduit par une déviation de la sortie mesurée et r(t) est différent de zéro.
67
Une logique de décision, pouvant se réduire à un seuillage, permet de décider de

l'occurrence de la faute. Le seuil est choisi afin de prendre en compte le niveau du bruit et
les incertitudes de modélisation.
Cette approche est souvent utilisée pour la surveillance des systèmes continus. La
détection se fait en ligne et en temps réel, le modèle est programmé sur calculateur et
fonctionne en parallèle avec le système.
Fig. 4.7 – Construction du résidu
Notre approche est une variante de la procédure décrite en figure 4.7. Les conditions de
coupe cinématiques et géométriques (Vc, a, p, ,  et r), valeurs des tableaux 4.2 et 4.3,
sont les entrées appliquées au tour (système réel) tandis que celles du tableau 4.4 (Rg, c, m
et ) sont les entrées du calculateur (modèle).
La sortie mesurée correspond à la rugosité Ra(t) et la sortie estimée R(t) est obtenue par
l’équation (1). Le résidu r(t) s'obtient alors par :
r (t )  ra (t )  R(t ) (8)
Notons SH et SB respectivement les seuils haut et bas, déterminés expérimentalement et

permettant de prendre en compte le bruit et les erreurs de modélisation. Nous utilisons le
niveau de confiance extrême relatif à la loi normale (99,7%) qui permet de poser :
S B  3 et S H  3
Et :
 si : r (t )  S B , S H   mode sans faute,
 si : r (t )  S B , S H   occurrence d'une faute.
La localisation de la faute s'effectuera par l'analyse du résidu et notamment du taux de

dépassement du seuil. Les expérimentations font apparaître que l'évolution du résidu, au
moment de l'occurrence de la faute, est caractéristique de cette dernière, ceci, il est vrai, du
fait du nombre limité des fautes prises en compte.
4.6.2. Expérimentation et résultats
Cette section traite de la validation des algorithmes de détection-localisation établis ci-

dessus. Pour ce faire, nous avons effectué 3 types d'essais, [Nou08c] :
 Essai 0 : essai qui s'est déroulé sans injection de faute (mode sans faute),
 Essai 1 : introduction de la faute f1 relative à l'usure prématurée de l'outil de coupe,
 Essai 2 : introduction de la faute f2 relative au bris du bec de l'outil de coupe.
68
Sur toutes les figures relatives à l'évolution de r(t), deux traits horizontaux en pointillé
représentent les deux valeurs :
S B  3  0,81 et S H  3  0,81
La rugosité maximale :
RM = 4,8µm,
est également représentée par un trait horizontal en pointillé sur les figures exprimant Ra
(t).
4.6.2.1. Essai 0 - Mode sans faute
L'essai 0 a été mené de façon à amener l'outil en fin de vie afin de pouvoir comparer ce
temps avec le temps calculé en (6). Cette procédure a nécessité l'usinage de 26 pièces.
 Nous notons d'après la figure 4.8 que durant g, défini en figure 4.5, la rugosité de
génération n'est pas constante mais présente une décroissance due probablement à la
formation préalable de l'arrondi du bec de l'outil de coupe.
 Au bout de :
t  45mn ,
r(t) prend une valeur significative car la durée de vie maximale de l'outil est atteinte
et on a :
Ra > RM, voir figure 4.9.
Fig. 4.8 – Résidu r(t) en mode sans faute
69
Fig. 4.9 – Rugosité Ra en mode sans faute
 Il est à noter que ce temps :
t  45mn
est proche de :
  47mn .
Ce dernier, d'après (7), est le temps de référence pour la procédure liée à la

maintenance systématique
4.6.2.2. Essai 1 - Injection de f1 : faute d'usure prématurée de l'outil
Les usures prématurées des outils sont généralement dues à la mauvaise qualité de ces
derniers ou à de mauvaises caractéristiques du matériau des pièces. Même si ces fautes
sont relativement rares, elles n'en restent pas moins lourdes de conséquences car tout un lot
de pièces peut à ce moment être non conforme.
 Nous avons simulé cette faute en utilisant, en lieu et place de l'outil neuf, un outil
usagé à :
t  5mn
alors
r(t) > SH , comme indiqué figure 4.10 :
et donc, une faute est détectée.
70
 Cependant, la rugosité affiche une valeur :
Ra(t) < RM
et la maintenance prédictive prend ici tout son sens.
Il faut alors estimer le temps pour lequel l'usinage de pièces est encore possible avec
une rugosité inférieure à RM.
Cette étape est en soi un problème non trivial, et si elle devait être automatisée, elle
nécessiterait des développements conséquents qui constituent une étape future de nos
travaux.
 Toutefois dans le cas présent, afin de fixer les idées, une approche de résolution est
de réaliser la prédiction, à partir de l'instant de détection de la faute, en utilisant la
fenêtre temporelle :
[5mn – 7,5mn], voir figure 4.11.
Du fait de l'allure de la courbe jusqu'à cet instant précis, une approximation de la

courbe par une fonction affine est satisfaisante. L'instant d'intervention, obtenu par
intersection de la fonction affine avec le seuil haut, est alors :
t  16mn .
Fig. 4.10– Résidu r(t) avec faute f1
Notons qu'indépendamment de cette procédure de prédiction du temps, l'usinage a été

mené à son terme afin de constater l'évolution de Ra(t).
 Comme indiqué figure 4.11, courbe en trait mixte, cette fonction peut être considérée
comme affine par morceaux. Elle présente des changements de pente mais reste
globalement croissante.
71
Le temps limite pour lequel :
Ra(t) > RM
est :
t  18mn .
La prédiction émise s'avère donc satisfaisante puisque l'on constate une différence
de 2mn, correspondant à un temps approximatif d'usinage de 2 pièces.
Fig. 4.11 – Rugosité Ra avec faute f1
4.6.2.3. Essai 2 - Injection de f2 : faute de bris de l'outil
 Un endommagement du bec de l'outil est effectué en :
t  16mn ,
il en résulte une variation rapide de r(t) du fait de la variation, elle même rapide, de
Ra(t), comme indiqué figure 4.12 et figure 4.13.
 A ce moment et contrairement à f1, il n'y a pas matière à prédiction :

la rugosité Ra(t) est instantanément supérieure à RM et la seule décision possible est
l'arrêt d'urgence.
Il est donc essentiel que l'effet de la faute se traduise par une détérioration lente de la
rugosité afin de disposer d'une plage de temps de prédiction significative.
72
Fig. 4.12 – Résidu r(t) avec faute f2
Fig. 4.13– Rugosité Ra avec faute f2
4.7. Conclusion
Le travail de ce chapitre a pour but de montrer les avantages liés à la mise en place
d'une maintenance prédictive, notamment en usinage.
Le choix de la rugosité, comme indicateur significatif de l'état de l'outil de coupe, et

donc comme élément central de la procédure d'implantation de la maintenance prédictive,
est d'autant plus judicieux qu'il constitue le principal paramètre qualité à valider lors des
contrôles finaux. Cette considération peut faciliter la prise de décision concernant
l'investissement d'un système de mesure de la rugosité en ligne.
73
Nous avons montré que la maintenance prédictive permet la prise en compte de fautes
telle l'usure prématurée de l'outil ou le bris d'outil, et cet état de fait constitue le principal
avantage par rapport à la maintenance systématique qui ne prend en charge que l'usure
systématique de l'outil. Le temps de vie de l'outil, calculé grâce au modèle et utilisé en
maintenance systématique, s'est avéré assez proche des temps trouvés lors des
expérimentations en mode sans faute.
Ce chapitre permet de valider complètement le principe de détection des fautes

considérées, même si des ajustements s'avèreront sûrement nécessaires lorsque le système
de mesure de la rugosité en ligne sera adopté.
74
CONCLUSION GENERALE
CONCLUSION GENERALE
75
CONCLUSION GENERALE
Les travaux et résultats présentés dans cette thèse s’inscrivent dans une thématique liée
à la maintenance industrielle dans les systèmes de production, plus particulièrement de
montrer les avantages liés à la mise en place d’une maintenance prédictive dans les
systèmes d’usinage.
Dans un Plan de Maintenance Technique (PMT), le choix de la mise en œuvre d’une

maintenance prédictive doit faire partie d’une stratégie globale et intégrée. Parmi les
concepts globaux d’intégration et méthodes rigoureuses de maintenance on distingue le
concept MBF (Maintenance Basée sur la Fiabilité), les analyses AMDEC (Analyse des
Modes de Défaillances, de leurs effets et de leur Criticité) ainsi que les AdD (Arbres de
Défaillance). En effet la MBF présente l’avantage de permettre un passage graduel des
services classiques d’entretien, encore assez répandus, à la fonction maintenance évoluée.
L’AMDEC comme méthode d’analyse et de décision occupe une place prépondérante dans
ce concept MBF, et tend à devenir l’outil d’analyse privilégié en maintenance. Et au
besoin, cette méthode est souvent complétée par un AdD.
En ayant choisi d’appliquer le formalisme MBF et les méthodes AMDEC et AdD sur
un atelier d’usinage robotisé, nous avons montré le pragmatisme et la rigueur de ces outils
de maintenance. En effet, l’application de ces méthodes permet de garantir une bonne
fiabilité des choix stratégiques retenus. Ce qui a fait apparaître la criticité marquée du robot
manipulateur lié à la cellule de traitement thermique d’une part, et de l’outil de coupe lié à
la cellule d’usinage d’autre part. Ce sont ces deux équipements que nous avons
sélectionnés pour des études particulières de maintenance.
L’étude sur le robot manipulateur porte essentiellement sur une phase d’analyse qui a
permit l’élaboration de sa grille AMDEC. Mais cette élaboration nous a fait apparaître les
insuffisances de cette méthode, à savoir son caractère fastidieux du traitement des
informations. Et c’est donc pour cela que nous avons proposé l’automatisation de la
méthode AMDEC. Le caractère automatique a été appréhendé à travers la conception et
l’implémentation d’un logiciel. La validation du logiciel a été vérifiée par rapport à la
grille du robot réalisée manuellement, et le résultat final permet la génération automatique
de cette grille AMDEC.
De l’étude bibliographique menée sur la maintenance prédictive, il ressort que certains

travaux actuels s’intéressent à son management, son optimisation ainsi que son évaluation.
Mais la majorité des travaux focalisent sur l’étage de détection-localisation qui la constitue
et qui représente souvent le verrou scientifique de cette politique de maintenance. D’autre
part, les travaux liés à la tolérance aux fautes permettent d'amener une dimension
supplémentaire à la maintenance prédictive. Les algorithmes de détection des fautes
développés et privilégiés par la communauté des automaticiens s’appuient sur le principe
de la modélisation analytique des processus considérés. C’est sur ce principe que nous
nous sommes appuyés pour implémenter une technique de maintenance prédictive sur
l’outil de coupe, dont le point commun avec la tolérance aux fautes est la mise en place de
l'étages de détection-localisation des fautes.
La procédure d'implantation de la maintenance prédictive proposée repose sur le choix

de la rugosité comme indicateur significatif de l'état de l'outil de coupe. Ce choix est
d'autant plus judicieux qu'il constitue le principal paramètre qualité à valider lors des
contrôles finaux. Nous avons montré que la maintenance prédictive, dans le cas de
l’usinage, permet la prise en compte de fautes telle l'usure prématurée de l'outil de coupe
76
CONCLUSION GENERALE
ou le bris d'outil. Cet état de fait constitue le principal avantage par rapport à la
maintenance systématique qui ne prend en charge que l'usure systématique de l'outil. Pour
la validation du modèle théorique de la rugosité des pièces usinées par enlèvement de
matière, il a été nécessaire de réaliser un plan d’expérience de 5 séries de 10 pièces
chacune. Tandis que pour la validation des algorithmes de détection-localisation a été
effectué à travers 3 types d'essais expérimentaux. Un essai en mode sans faute et deux
essais avec fautes, le premier relatif à l'usure prématurée de l'outil de coupe et le second
relatif au bris du bec de l'outil de coupe.
En perspective, nous pensons que un des axes principaux à parfaire en maintenance

prédictive est notamment l’étage de prédiction du moment d'intervention en vue de pallier
à la faute détectée en amont. Un second axe plus particulier à la maintenance prédictive du
système d’usinage, consiste en la détection d’autres types de fautes, telles que celles
relatives aux traitements thermiques. C’est cet axe de travail que nous privilégions dans
l’avenir immédiat.
77
BIBLIOGRAPHIE
BIBLIOGRAPHIE
78
BIBLIOGRAPHIE
[Aba06] Z. S. Abazi et Z. Bouredji, Monitoring and predictive maintenance: Modeling

and analyse of fault latency, Computers in Industry (57), pp. 504-515, 2006.
[Ala97] A.M Alam, R. Chieragatti, M. Akamatsu, et Y. Caumel, Effect of machining
procedures on the surface state of a low carbon steel, Scripta Materialia (37),
pp. 1559-1567, 1997.
[ALB00] P. ALBERTUS, Détection et localisation de fautes en robotique, DEA
Systèmes Automatiques, Institut National Polytechnique de Toulouse, 2000.
[Afn94] AFNOR, Recueil de normes : Gérer et assurer la qualité, 2 tomes, AFNOR,
Paris, 1994.
[Arq96] P. Arques, Diagnostic prédictif de l’état des machines, Edition Masson, Paris,
1996.
[Axi02] D. A. Axinte et R. C. Dewes, Surface integrity of hot work tool steel after
high speed millingexperimental data and empirical models, Materials
Processing Technology (127), pp. 325-335, 2002.
[Ban05] D. Bansal, D. J.Evans, et B. Jones, Application of a real-time predictive
maintenance system to a production machine system, International Journal of
Machine Tools and Manufacture (45), pp. 1210-1221, 2005.
[Ban06] D. Bansal, D. J.Evans, et B. Jones, Bjest : A reverse algorithm for the real-
time predictive maintenance system, International Journal of Machine Tools
and Manufacture (46), pp. 1068- 1078, 2006.
[Bar06] M. Bartys, R. Patton, M. Syfert, S. Heras, et J. Quevedo, Introduction to the
damadics actuator fdi benchmark study, Control Eng. Practice (14),
pp. 577-596, 2006.
[Ben05] A. Benamar, G. Inglebert, et M. Boumahrat, Durée de vie d'un carbure P20
pour le chariotage d'un acier C38 à rugosité contrôlée, Mécanique et
Industries (6/6), pp. 635-640, Novembre-Décembre 2005.
[Big95] R. Bigret & al, Diagnostic-maintenance-disponibilité des machines
tournantes : modèles-mesurage-analyses des vibrations, Edition Masson,
1995.
[Bou03] M. Bouchetara, A. Guermat, et K. Belaib, Etude du phénomène d'usure des
pièces des pompes d'injection par la méthode taguchi, Mécanique et
Industries (4), pp. 221-228, 2003.
[Bun91] D. Bunn et G. Wright, Interaction of judgemental and statistical forecasting
methods: issues and analysis, Management Science (37), 501-517, 1991.
[Car03] M.C. Carnero, Selection of diagnostic techniques and instrumentation in a
predictive maintenance program. a case study. Decision Support System (91),
pp. 945-963, 2003.
[Car06] M.C. Carnero, An evaluation system of the setting up of predictive
maintenance programmes, Reliability Engineering and System Safety, 2006.
[Con02] L.R. Contreras, C. Modi, et A. Pennathur, Integrating simulation modeling
and equipment condition diagnostics for predictive maintenance strategies. a
case study, In Winter Simulation Conference, pp. 1289-1294, 2002.
[Cok96] S. A. Coker et Y. C. Shin. In-process control of surface roughness with tool
wear via ultrasonic sensing, In American Control Conference, Washington,
1996.
[Cro07] M. Crowder et J. Lawless, On a scheme for predictive maintenance, European
Journal of Operational Research (176), pp. 1713-1722, 2007.
[Cor03] J.P. Cordebois et coll, Fabrication par usinage, Editions Dunod, Paris 2003.
79
BIBLIOGRAPHIE
[Eti06] M. C. Eti, S. O. T. Ogaji, et S. D. Probert, Reducing the cost of preventive

maintenance (pm) through adopting a proactive reliability-focused culture,
Applied Energy (83), pp. 1235-1248, 2006.
[Fau00] R. Faure, B. Lemaire et C. Picouleau, Précis de recherche opérationnelle.
Méthodes et exercices d'application, Edition Dunod, Paris, 2000.
[Fu04] C. Fu, L. Ye, Y. Liu, R. Yu, B. Iung, Y. Cheng, et Y. Zeng, Predictive
maintenance in intelligent-control-maintenance-management system for
hydroelectric generating unit, IEEE Transactions on Energy Conversion
(19/01), pp. 179-186, 2004.
[Fra03] J.C. Francastel, Ingénierie de la maintenance, Edition Dunod, Paris, 2003.
[Gar06] M.C Garcia, M.A. Sanz-Bobi, et J. Del Pico, Simap : System for predictive
maintenance application to the health condition monitoring of a wind turbine
gearbox, Computers in Industry (57), pp. 552-568, 2006.
[Ger01] C. Gerbet, Système de décision pour la détection de faute en robotique, DEA
Systèmes Automatiques, Institut National Polytechnique de Toulouse, 2001.
[Gil06] E. Gilabert et A. Arnaiz, Intelligent automation systems for predictive
maintenance : A case study, Robotics and Computer-integrated
Manufacturing, Elsevier (22), pp. 543-549, 2006.
[Gra02] A. Grall, L. Dieulle, C. Bérenguer, et M. Roussignol, Continous-time
predictive maintenance scheduling for a deteriorating system, IEEE
Transactions on Reliability (51/2), pp. 141-150, 2002.
[Hén02] J. Héng, Pratique de la maintenance préventive, Edition Dunod, Paris, 2002.
[Hao06] [Hao06]. K. Haouchine, B. Morello, N. Zerhouni, Système de diagnostic et de
réparation basé sur le raisonnement à partir de cas, 6èmes journées STP,
Valenciennes (France), 16-17 Novembre 2006.
[Ise89] R. Isermann, Process fault diagnosis on dynamic models and parameter
estimation methods. Fault diagnosis in dynamic systems, Théory and
applications, édité par R. Patton, P. Frank and R. Clark, P. Hall, 1989.
[Ise05] R. Isermann. Model-based fault-detection and diagnosis-status and
applications, Annual Reviews in Control (29), pp. 71- 85, 2005.
[Jun06] H.B Jun, D. Kiritsis, M. Gambera, et P. Xirouchakis, Predictive algorithm to
determine the suitable time to change automotive engine oil, Computer and
Industrial Engineering, Elsevier (51), pp. 671-683, 2006.
[Lap95] J.C. Laprie, Guide de la sûreté de fonctionnement, Cépaduès, 1995.
[Lu07] L. Lu et J. Jiang, Analysis of on-line maintenance strategies for k-out-of-n
standby safety systems, Reliability Engineering and System Safety (92),
pp. 144-155, 2007.
[Ly00] F. Ly, A.K.A. Toguyeni, et E. Craye, Indirect predictive monitoring in
flexible manufacturing systems. Robotics and Computer-integrated
Manufacturing, Elsevier (16), pp. 321-338, 2000.
[Lyo92] P. Lyonnet, La maintenance : mathématiques et méthodes, Edition Lavoisier,
1992.
[Maa03] A. Maalej, V. Delcroix, S.Piechoviak, Les réseaux bayésiens pour la
recherche des diagnostics, Performance et Nouvelles Technologies en
Maintenance (PENTOM 2003), CD-Rom SS4A, 11 pages, Valenciennes
(France), 26-28 Mars 2003.
[Mai02] L.M. Maillart et S. M. Pollock, Cost-optimal condition-monitoring for
predictive maintenance of 2-phase systems, IEEE Transaction on Reliability
(51/3), pp. 322-330, 2002.
80
BIBLIOGRAPHIE
[Mel90] G. Melard, Méthodes de prévision à court terme. Editions de l'Université de

Bruxelles, Editions Ellipses, Bruxelles, 1990.
[Men95] J.T. Mentzer et K.B. Kahn, Forecasting technique familiarity, satisfaction,
usage, and application, Journal of Forecasting (14), 465-476, 1995.
[Mob92] R. K. Mobley, La maintenance prédictive, Edition Masson, Paris, 1992.
[Mon00] [Mon00] F. Monchy, Maintenance : Méthodes et organisation, Edition
Dunod, Paris, 2000.
[Mur94] R.J. Murry et B.F. Mitchell, Cost saving from a practical predictive
maintenance program, In Annual Reliability and Maintainability Symposium,
pp. 206-209, 1994.
[Nou96] F. Noureddine, Conception d'un outil logiciel graphique pour l'analyse
comportementale d'un robot en mode dégradé, Revue Internationale de CFAO
et d'Informatique Graphique (11), pp. 199-214, 1996.
[Nou02a] R. Noureddine, F. Noureddine, A. Benamar, Analyse des modes dégradés
d’un robot manipulateur, Séminaire International de Génie Mécanique,
(Sigma’02), pp. 381-387, Oran, Avril 2002.
[Nou02b] R. Noureddine, Contribution à l’amélioration de la sûreté de fonctionnement
des systèmes de production, mémoire de magister, Ecole Nationale
Supérieure de l’Enseignement Technique d’Oran, 2002.
[Nou03] R. Noureddine, A. Benamar, F. Noureddine, Choix d’une stratégie de
maintenance-Etude de cas, Conférence Internationale sur la Productique
(CIP’2003), CD-Rom session A6-Art.3, 6 pages, Alger, 14-16 Octobre 2003.
[Nou04] F. Noureddine, Fault tolerance in robots, International Conference on
Advances in Vehicle Control and Safety, AVCS’04, IFAC, Genova, 2004.
[Nou05] R. Noureddine, A. Benamar, et F. Noureddine. Intégration d'une technique de
maintenance prédictive de l'outil de coupe dans une cellule d'usinage
robotisée. Performance et Nouvelles Technologies en Maintenance
(PENTOM 2005), pp. 133-142, Marrakech (Maroc), 18-19-20 Avril 2005.
[Nou05] R. Noureddine, F. Noureddine, A. Benamar, Implantation d’une stratégie de
maintenance. Etude de cas, journée d’étude sur la maintenance et la
législation (LEGIMA2005), CD-Rom Art.18, 6 pages, Tlemcen (Algérie),
10 Mai 2005.
[Nou07] R. Noureddine, M. Noureddine, N. Medimed, H. Cherif Louazani,
Automatisation de l’AMDEC, Journée d’Etude Scientifique et Industrielle sur
la Maintenance JOSIM2007, CD-Rom Art.116, 8 pages, Oran (Algérie),
12 Mars 2007.
[Nou08a] M.Noureddine, R.Noureddine, D. Hamdadou, M.Khaldi, Génération de
l’AMDEC processus et produit, Conférence Internationale : Maîtrise et
Management des risques Industriels M2RI’08, Art.164, 8 pages,
Oujda (Maroc), 24-25 avril 2008.
[Nou08b] R. Noureddine, A. Benamar, et F. Noureddine, Maintenance préventive de
l'outil de coupe basé sur la détermination de sa durée de vie dans une cellule
d’usinage robotisée, Congrès des Innovations Mécaniques (CIM’08),
pp. 183-190, Sousse (Tunisie), 28-28 Avril 2008.
[Nou08c] R. Noureddine, A. Benamar, et F. Noureddine, Maintenance prédictive de
l'outil de coupe en usinage, Mécanique et Industries (9/3), pp. 205-212,
Mai-Juin 2008.
[Orh06] N S. Orhan, Aktürk, et V. Celik, Vibration monitoring for defect of rolling
element bearings as a predictive maintenance tool : Comprehensive case
studies, NDTE International, Elsevier (39), pp. 293-298, 2006.
81
BIBLIOGRAPHIE
[Pan98] M. C. Pan, H. V. Brussel, et P. Sas, Intelligent joint fault diagnosis of

industrial robots, Mechanical Systems and Signal Processing (12),
pp. 571-588, 1998.
[Rem01] M. remadna, Le comportement du système usinant en tournage dur.
Application au cas d’un acier trempé avec des plaquettes CBN (Nitrure de
Bore Cubique), Thèse de doctorat en mécanique, Institut National des
Sciences Appliquées de Lyon, 2001.
[Rid99] M. Ridoux, AMDEC – Moyen, Techniques de l’ingénieur, AG4220,
Juillet 1999.
[Ric96] D. Richet & al, Maintenance basée sur la fiabilité : un outil pour la
certification, Edition Masson, Paris, 1996.
[Ros05] G. Rostaing, F. Francois, J.P. Rognon, Les techniques de fouille de données
appliquées au diagnostic des systèmes électriques, Journal sur l'enseignement
des sciences et technologies de l'information et des systèmes, Volume 4,
Hors-série 4, 2005.
[Val02] P. Vallin, D. Vanderpooten, Aide à la décision. Une approche par les cas,
Editions Ellipses, Paris, 2002.
[Vel06] S. Velarde-Suarez, R. Ballesteros-Tajadura, et J. P. Hurtado-Cruz, A
predictive maintenance procedure using pressure and acceleration signals
from a centrifugal fan, Applied Acoustic (67), pp. 49-61, 2006.
[Wei96] A.A. Weiss, Estimating time series models using the relevant cost function,
Journal of Applied Econometrics (11), pp. 539-560, 1996.
[Zho07] X. Zhou, L. Xi, et J. Lee, Reliability-centered predictive maintenance
scheduling for a continuously monitored system subject to degradation,
Reliability Engineering and System Safety (92), pp. 530_534, 2007.
[Zwi95] G. Zwingelstein, Diagnostic des défaillances: théorie et pratique pour les
systèmes industriels, Edition Hermès, Paris, 1995.
82
ANNEXES
ANNEXES
83
ANNEXES
ANNEXE 1
Abaque de Noiret [Lyo92]
84
ANNEXES
ANNEXE 2
Robot manipulateur anthropomorphe 5 axes
A. Caractéristiques
Structure mécanique
Les bras sont réalisé en alliage d’aluminium, fermés par des capots facilement amovibles.
Motorisation
Tous les moteurs sont à courant continu et aimants permanents :
- axes 1 à 5 : moteurs CEM PARVEX, (voir annexes III),
- axe 6 : moteur MAXON DC MOTOR, (voir annexe III).
Les moteurs d’axes 1 à 5 sont équipés de réducteurs type SUMER, sans jeu (jeu inférieur à
5mm d’angle à l’usure).
Les moteurs d’axes 2 et 3 sont équipés de freins par manque de courant (alimentation des
frein :15v), maintenant le robot en position lorsque l’alimentation de la commande est
coupée. Les freins se bloquent uniquement au cours d’une réinitialisation logicielle ou
matérielle ou à la coupure de l’alimentation.
Transmissions
Une solution extrêmement rigide a été adoptée sur ce robot :
- axes 1 et 5 : engrenage cylindrique, précontrainte (absence de jeu),
- axes 2, 3 et 4 : engrenage conique, précontrainte (absence de jeu).
Rapports de réduction et nombre de dents des engrenages:
Axe Motoréducteur Engrenage Nombre de dents Réduction totale

Nr Nt des engrenages N=Nr.Nt
1 100 4 Z105=28 Z119=112 400
2 100 4 Z204=15 Z220=60 400
3 100 4 Z316=15 Z317=60 400
4 40 4 Z406=15 Z416=60 160
5 40 3 Z525=17 Z524=51 120
Articulations
les axes sont montés sur des roulements à billes SKF largement dimensionnés.
Axe Roulement arbre de transmission Roulement articulation

1 / 1070
2 6002 1202
3 6002 1202
4 6002 1202
5 / 1603
Capteurs
Capteurs fin de course

Les fins de course interdisent au robot de sortir de son volume de travail. Ceux utilisés sont
de type ‘switch Honeywell’ à butée mécanique.
85
ANNEXES
Deux capteurs fin de course sont montés sur chaque axe, sauf sur l’axe 5 qui n’en dispose
que d’un seul ; sur cet axe la rotation est infinie dans les deux sens.
Valeurs des débattements :
Axes Valeur du débattement

en degrés
1 180
2 120
3 210
4 210
5 720
Capteurs de position
la position de chaque axe est obtenue grâce à des codeurs optiques absolus 256 points de
type CODECHAMP.
Ces codeurs sont fixées directement sur les arbres moteur.
Chaque codeur est adressable, cette possibilité permet de monter les cinq codeurs en
parallèle sur le même bus. Les messages codeur, adresses et données sont convoyées par
un bus de 13 fils (8 bits de données, 3 bits d’adresses, 2 fils d’alimentation 0-5v).
Le débattement de chaque axe est limité par le logiciel.
Caractéristiques globales
- degrés de liberté : 5 + ouverture / fermeture pince,
- élongation maximum : 817mm,
- charge utile : 1kg à 817mm,
- répétabilité :  0,5mm,
- masse totale (sans charge) : 44kg,
- pince de préhension : 2 doigts,
- ouverture : 60mm,
- force de serrage : 12daN
- distance maximum de pince à l’axe 1 : 800mm,
- altitude maximum (par rapport à la base du socle) : 1569mm,
- altitude minimum : 175mm.
Vitesse, dimension et masse des bras :
Axe Vitesse Dimension Masse

(bras) Maximum en mm en kg
rad/s
1 0,6 740x160x110 15
2 0,6 705x165x110 15
3 0,6 456x126x85 8
4 1,36 235x120x80 1,5
5 2,20 120x90 1
86
ANNEXES
B. Fonctionnement
Les schéma du robot manipulateur représentés aux pages suivantes permettent l’illustration des différents
éléments de ce système.
axe 1
Le motoréducteur (repère 609) entraîne en rotation le bras n°1 autour de l’axe 1 par l’intermédiaire d’un
couple de pignons droits repérés respectivement 105 et 119.
axe 2
Le motoréducteur (repère 610) entraîne en rotation le bras n°2 autour de l’axe 2 par l’intermédiaire d’un
couple de pignons coniques repérés respectivement 204 et 220.
axe 3
Le motoréducteur (repère 611) entraîne en rotation le bras n°3 autour de l’axe 3 par l’intermédiaire de
l’accouplement repéré 311 et du couple de pignons coniques repérés respectivement 316 et 317.
axe 4
Le motoréducteur (repère 612) entraîne en rotation le bras n°4 autour de l’axe 4 par l’intermédiaire du couple
de pignons coniques repérés 406 et 416.
axe 5
Le motoréducteur (repère 613) entraîne en rotation le poignet, et ainsi l’outil ou la pièce embarquée, par
l’intermédiaire du couple de pignons cylindriques à denture droite repérés 524 et 525.
ouverture / fermeture de la pince

L’axe du moteur ‘MDP’ est solidaire d’une vis (repère 553) ; celle-ci entraîne en translation la noix (repère
563), par l’intermédiaire d’un écrou (repère 564) et permet ainsi l’ouverture et la fermeture de la pince. La
noix est bloquée en rotation. Le ressort de compression (repère 514) agit comme limitateur d’efforts lors du
serrage.
87
ANNEXES
C. Définition des axes et bras du robot
88
ANNEXES
D. Axes 1 et 2
89
ANNEXES
E. Axes 3 et 4
90
ANNEXES
F. Axes 5 et 6
91
ANNEXES
ANNEXE 3
Grille AMDEC du Robot manipulateur anthropomorphe 5 axes
Système : Robot manipulateur Renault-Sirtès
Sous-système : Armoire de commande
Désignation Fonction Caractéristi- Mode de Cause Effet local Effet global Evaluation Action Evaluation
-que défaillance possible (bras) (robot)
F G D C F’ G’ D’ C’
Amplificateur Alimente le Pas de Circuit Immobilité Tâche non 1 2 2 4

de puissance moteur et fonction ouvert, accomplie
régule le court-circuit,
courant composants
détériorés.
Dégradation composants Vitesse trop Sécurité non 2 3 2 12

de la fonction détériorés. rapide ou trop assurée,
lente vitesse
d’exécution
trop lente
92
ANNEXES
Carte de Assure les Pas de Détérioration Immobilité Tâche non 1 2 2 4

opérations de fonction interne, accomplie
contrôle
contrôles et mauvaise
de calculs connexion.
Dégradation Détérioration Vitesse trop Sécurité non 2 3 2 12

de la fonction interne. rapide ou trop assurée,
lente vitesse
d’exécution
trop lente
Programma- Adresse les Pas de adressage non Immobilité Immobilité 1 2 2 4

-tion ordres fonction accessible.
Dégradation programmatio Mauvaise Sécurité non 1 3 2 6

de la fonction n erronée. trajectoire assurée, tâche
non
accomplie
93
ANNEXES
Sous-système : Actionneur
Moteur Fourni le A courant Pas de Alimentation Immobilité Tâche non 1 2 2 4

couple continu et fonction coupée, accomplie
moteur aimant court-circuit,
d’entraîneme permanent rupture de
nt l’axe.
Dégradation surtension, Altération Altération 2 2 2 8

de la fonction surintensité, vitesse et vitesse et
usure, position, position,
graissage, vibration vibration
défaut
géométrique
de l’axe.
Fonction Programmati Mouvement Tâche non 1 2 2 4

intempestive on erronée. non désiré accomplie
94
ANNEXES
Frein Freine l’axe 2 Freins par Pas de Perte totale Effondrement Sécurité non 1 3 2 6
et 3 à l’arrêt manque de fonction des assurée
courant caractéristiqu
es,
programmatio
n erronée.
Dégradation Perte des Freinage en Sécurité non 2 3 2 12

de la fonction caractéristiqu retard assurée
es.
Fonction Programmati blocage Tâche non 1 3 2 6

intempestive on erronée. accomplie
Sous-système : Structure Mécanique
Socle Immobilise le Dégradation Désserage vibration Altération 2 2 3 12

robot de la fonction vitesse et
position,
vibration
95
ANNEXES
Réducteur Réduit la ‘Sumer’, sans Pas de Sur les dents : Immobilité Tâche non 3 3 3 27 Détection 2 3 1 6
vitesse de jeu, fonction rupture, accomplie par
sortie moteur rapport de grippage. surveillance
réduction : vibratoire
Nri=100 Dégradation Sur les dents : Altération Altération 3 2 3 18
i=1,2,3. de la fonction fissure, vitesse et vitesse et
Nri=40 usure, position, position,
i=4,5. jeu, vibration vibration
défaut
géométrique.
Accouple- Relie le Axe 3 Pas de Rupture. Immobilité Tâche non 3 3 3 27 Détection 3 3 1 9

-ment réducteur à la uniquement fonction accomplie par
transmission surveillance
Dégradation Jeu, Altération Altération 3 2 3 18 vibratoire
de la fonction défaut vitesse et vitesse et
géométrique. position, position,
vibration Vibration
96
ANNEXES
Transmission Transmet le Engrenage à Pas de Sur les dents : Immobilité Tâche non 3 3 3 27 Détection 3 3 1 9
couple denture fonction rupture, accomplie par
moteur et droite, grippage. surveillance
réduit la précontrainte Sur l’arbre de vibratoire
vitesse de (absence de transmission :
sortie jeu) : rupture.
réducteur - cylindrique
(bras 1,5) dégradation Sur les dents : Altération Altération 3 2 3 18
- conique de la fonction fissure, vitesse et vitesse et
(bras 2,3,4). usure, position, position,
Rapport de défaut vibration vibration
transmission : géométrique.
Nti=4, Sur l’arbre de
i=1,2,3,4. transmission :
Nti=3, défaut
i=5 géométrique.
97
ANNEXES
Articulation Assure la Axe sur Pas de Sur le Immobilité Tâche non 3 3 4 36 Détection 3 3 1 9
liaison pivot roulement fonction roulement : accomplie par
bras - grippage. surveillance
transmission Sur l’axe : vibratoire
rupture.
Dégradation Sur le Altération Altération 3 2 4 24

de la fonction roulement : vitesse et vitesse et
usure, position, position,
jeu, vibration vibration
défaut
géométrique,
charge
excessive.
Sur l’axe :
Jeu,
défaut
géométrique
charge
excessive.
98
ANNEXES
Sous-système : Capteur
Capteur de Limite le Switch Pas de Contact Rotation Sort de son 2 3 2 12

fin de course débattement Honeywell fonction électrique continue volume de
du bras avec butée coupé, travail
mécanique à butée Sécurité non
came, mécanique assurée
valeur des détérioré,
débattements carte de
des axes contrôle
1,2,3,4,5 : endommagée.
180,120,210,
210,720°. Dégradation Butée Dépassement Sort de son 2 3 2 12
de la fonction mécanique des limites de volume de
usée. débattement travail
Sécurité non
assurée
Capteur de Mesure la Codeur Pas de Détérioration Absence Tâche non 2 2 2 8

position et optique fonction interne, totale de accomplie
position
transmet les ‘codechamp’, mauvaise contrôle
informations à4 connexion
microswitchs. électrique.
Dégradation Détérioration Mauvais Tâche non 2 2 2 8

de la fonction interne, contrôle, accomplie
mauvaise fortes
fixation, oscillations
adressage
erroné.
99
ANNEXES
100
ANNEXES
101
ANNEXES
ANNEXE 4
Tour « Cholet 350 »
100

Thse Rachid NOUREDDINE2008

Transféré par

Informations du document

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 ?

Droits d'auteur :

Formats disponibles

Thse Rachid NOUREDDINE2008

Transféré par

Droits d'auteur :

Formats disponibles

République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Faculté de Génie Mécanique

Thèse de Doctorat Es Sciences

Soutenu publiquement le 03 Décembre 2008

Devant le Jury composé de

Larbi BENALI Pr. USTO - MB Président

Implementation of a predictive maintenance in manufacturing systems

Abstract : This thesis presents an approach of a predictive maintenance establishment in a manufacturing

Je voudrais exprimer ma profonde gratitude à Monsieur le Professeur Ali BENAMAR,

Je désire témoigner ma reconnaissance et mes remerciements les plus sincères à

J’adresse mes vifs remerciements à Monsieur le Professeur Larbi BENALI, Doyen de la

Je remercie vivement Monsieur le Professeur Mostéfa BOUCHETTARA, Président du

Que Monsieur Abdelhamid HADJOUI, Maître de Conférence et Chef du Département

Je remercie vivement Monsieur Abdelouahab ZANOUN, Professeur à l’Ecole Normale

Je tiens à remercier particulièrement Mademoiselle Myriam NOUREDDINE, Maître de

Mes remerciements vont également à Monsieur Sabik BOUAZIZ, Chef du Département

LISTES – NOMENCLATURE – ABREVIATIONS ...………………………………. 1

LISTES DES FIGURES ……………………………………... 2

INTRODUCTION GENERALE ……………………………………………………… 8

CHAPITRE 1 STRATEGIES DE MAINTENANCE INDUSTRIELLE …... 12

1.1. Introduction ……………………………………………………... 13

1.6.3. Choix des indicateurs …………………………………………… 25

CHAPITRE 2 MAINTENANCE PREDICTIVE - ETUDE DE CAS ……….. 28

2.1. Introduction ……………………………………………………... 29

CHAPITRE 3 ANALYSE DES MODES DE FAUTES DU ROBOT

3.1. Introduction ……………………………………………………... 43

3.3.3.4. Grille AMDEC ………………………………………………….. 47

CHAPITRE 4 IMPLANTATION D’UNE MAINTENANCE PREDICTIVE

4.1. Introduction ……………………………………………………... 56

4.6.1. Détection et localisation des fautes ……………………………... 67

CONCLUSION GENERALE …………………………………………………………. 75

ANNEXE 1 Abaque de Noiret …………………………………. 84

LISTE DES FIGURES

CHAPITRE 1 STRATEGIES DE MAINTENANCE

Figure 1.1 Politiques de maintenance ………………………………….. 14

CHAPITRE 2 MAINTEANCE PREDICTIVE – ETUDE DE CAS

Figure 2.1 Fondements de la maintenance prédictive ………………….. 30

CHAPITRE 3 ANALYSE DES MODES DE FAUTES DU ROBOT

Figure 3.1 Robot Anthromorphe 5 axes …………………………………. 44

CHAPITRE 4 IMPLANTATION D’UNE MAINTENANCE

Figure 4.1 Formes de fautes sur l’outil de coupe ……………………….. 58

Figure 4.4.a Rugosimètre Hommel Werke ……………………………….. 64

LISTE DES TABLEAUX

CHAPITRE 1 STRATEGIES DE MAINTENANCE

Tableau 1.1 Evaluation des indices F, G, D ……………………………... 24

CHAPITRE 2 MAINTEANCE PREDICTIVE – ETUDE DE CAS

Tableau 2.1 Décomposition structurelle (Niveau 1) …………………….. 39

CHAPITRE 3 ANALYSE DES MODES DE FAUTES DU ROBOT

Tableau 3.1 Sous-systèmes fonctionnels ………………………………... 45

CHAPITRE 4 IMPLANTATION D’UNE MAINTENANCE

Tableau 4.1 Caractéristiques physico-chimiques de la pièce ……………. 62

a avance de coupe (mm.tr-1)

 angle d'attaque de l'outil de coupe (°)

La prise de conscience des coûts direct et indirect d’une défaillance affectant un

Par rapport à une défaillance impliquant une maintenance corrective, l’objectif de la

La maintenance préventive prédictive ne se réfère pas à des valeurs statistiques

Les techniques de tolérance aux fautes permettent un apport supplémentaire à la

Ce document est structuré en quatre chapitres. Les deux premiers concernent

 Nous présentons dans le premier chapitre les différentes politiques de maintenance

 Dans la première partie du deuxième chapitre nous présentons les fondements de la

Dans la deuxième partie de ce chapitre nous présentons le contexte de l’étude et le

Dans la première partie de ce chapitre nous présentons le robot manipulateur