Services

Nous développons des algorithmes experts capables d'estimer la probabilité de panne et les risques économiques associés à un dysfonctionnement de chaque élément d’un parc machines, aussi grand et diversifié soit-il. Cela permet de décider rationnellement de la stratégie de maintenance optimale, celle qui maximise l’utilité et le ratio coûts/utilité.

CONTEXTE

La maintenance prédictive est destinée à déterminer le meilleur moment pour effectuer des travaux de maintenance aptes à prévenir l’arrivée de dysfonctionnements ou de pannes susceptibles d'affecter la qualité des services offerts. En généralisant, l'objectif est de trouver une gestion optimale des dysfonctionnements dus à des pannes, en maintenant un niveau de service adéquat.

Parfois, lorsque les conditions le permettent, on a le choix de réparer la panne uniquement lorsque elle se produit. Mais même dans ce cas il est nécessaire de décider de la façon de gérer la maintenance de ses biens. L’on pourra par exemple opter pour des interventions à la demande ou souscrire des contrats de maintenance avec des sociétés externes qui interviennent en cas de panne en échange d'un droit fixe.

Parmi les questions les plus fréquemment posées quand on est en charge de la maintenance, les plus courantes sont les suivantes:

  • Quand, où et avec quelle fréquence planifier des interventions préventives?
  • Pour quels produits les éventuels dommages causés par des dysfonctionnements ont-ils un impact économique inférieur à celui de la maintenance préventive?
  • Pour quels produits a-t-on intérêt à recourir à des interventions à la demande ou de remplacement, et pour lesquels il vaut mieux établir des contrats de maintenance? En cas de remplacement, comment planifier les stocks?

 

PROBLÈME
manutenzione

Pour répondre à toutes ces questions, l’information essentielle est la probabilité qu'une panne se produise sur une période donnée.
Pour la calculer, on se base souvent sur les fréquences de panne communiqués par le fabricant ou les données issues de l'analyse des tendances... mais cette information peut être incomplète, en particulier dans les systèmes complexes où un grand nombre de composants fonctionnent ensemble. Les causes d'une défaillance peuvent être multiples et dépendre de variables reliées entre elles de manière non intuitive.
Dans le cas d'une souscription à un contrat de maintenance, le coût du service assuré par les fournisseurs de maintenance dépend de la quantité de biens couverts et non du nombre de pannes réelles. Il appartient à l'entreprise de choisir les biens à inclure dans les contrats de maintenance. En l'absence d'un critère rationnel, le choix peut ne pas s'avérer optimal.

 

SOLUTION

Les modèles bayésiens permettent d'estimer la probabilité de panne de chaque actif.
Grâce à leur flexibilité, ils permettent d'intégrer toutes les informations disponibles, qu'elles soient quantitatives (historiques des pannes, caractéristiques du parc, conditions externes dans lesquelles la panne a été générée), ou alors de type davantage qualitatif, comme les connaissances des experts (analyse de tendances ou interventions planifiées), autant d’éléments essentiels dans la construction des modèles.

Une fois cette probabilité calculée et ayant connu la valeur intrinsèque du parc d’actifs ou le niveau de profit qu’il génère, il est possible de calculer le risque économique associé à un dysfonctionnement, ce qui permet de décider de la stratégie de maintenance apte à maximiser l’utilité.

 

SOLUTIONS

Mieux vaut prévoir sans certitude,
que de ne pas prévoir du tout
Henri Poincaré

Ce site web utilise des cookies pour analyser son utilisation et permettre l’accès aux pages réservées. Nos cookies ne permettent pas d’identifier les utilisateurs. Les cookies sont enregistrés dans votre navigateur et sont utilisés pour personnaliser votre expérience sur notre site web. Continuer la navigation sans modifier vos préférences actuelles implique l’acceptation des cookies. Vous pouvez modifier vos préférences d’utilisation de cookies à tout moment.