Études sur l’AMDEC et modèles alternatifs

Plusieurs autres articles sont venus critiquer ou modifier/améliorer l'AMDEC traditionnel. Voyons rapidement certains de ces articles et leurs apports ou modifications face à l’AMDEC. Eubanks et al. (1997) présentèrent une nouvelle méthode appelée Algorithme d'analyse des modes de défaillances et de leur criticité « Algorithm Failure Modes and Effects Analysis » se penchant sur la définition de la relation cause à effets entre les variables du système entier à l'étude, les interactions avec l'environnement de travail et les mesures de qualités des sous- systèmes. Cette méthode permettrait d'identifier un éventail plus grand de défaillances en phase de conception.

Kmenta et Ishii (2000) identifièrent 2 principales faiblesses à l'AMDEC, soit l'utilisation difficile du critère de détection et du calcul inconsistant de l'indice de criticité. Ils proposèrent 2 stratégies pour améliorer l'efficacité de l'AMDEC : 1) Organiser l'AMDEC autour de scénarios plutôt qu'autour de défaillances et 2) évaluer la criticité selon la probabilité et le coût. Les scénarios ont alors un coût associé ce qui permet de guider les décisions avec une plus grande précision.

Rhee et Ishii (2003) proposèrent une méthodologie basée sur l'AMDEC utilisant des données empiriques et axé sur les coûts en durée de vie de matériel. Les AMDEC axés sur les coûts en durée de vie augmenteraient la fiabilité et la durée de vie de systèmes complexes comme un accélérateur de particule linéaire. Cette méthode aiderait aussi dans la création d'un plan de maintenance préventive.

Teng et al. (2006) analysèrent l'utilisation de l'AMDEC dans un contexte de chaîne d'approvisionnement collaboratif et observèrent des inconsistances dans l'évaluation des critères de sévérité (S), d'occurrence (O), et de détection (D). Ces inconsistances pourraient entraîner des délais dans son utilisation dans la chaîne d'approvisionnement. L'auteur propose un guide

d'instructions pour corriger les problèmes courants liés à l'implantation d'une AMDEC sur une chaîne de montage collaboratif de l'industrie automobile.

Yeh et Hsieh (2007) proposèrent une AMDEC basé sur la logique floue (fuzzy logic) et développèrent un prototype de système expert en analyse de risque. L'utilisation de termes linguistiques permettrait aux experts de donner une information plus pertinente et utile à propos des paramètres d’occurrence (O), de sévérité (S) et de détection (D). Les informations recueillis n'ont plus besoin d'être extrêmement précise pour éviter que les paramètres soient évalués dans un mauvais intervalle et changer ainsi significativement l'indice de criticité. Le système ''SI- ALORS'' de la logique floue permettrait aussi d'utiliser l'information imprécise ou incomplète et d'incorporer l'expérience des experts dans l'outil d'analyse de risque. La distinction des risques possédant le même niveau de criticité dans l'AMDEC traditionnel serait également facilité.

Narayanagounder et Gurusami (2009) proposèrent une méthode afin d'éviter certaines des complications de l'AMDEC. Le Code de Priorité du Risque (Risk Priority Code (RPC)) est utilisé lorsque 2 risques ou plus possèdent le même indice de criticité. Ils proposèrent également une technique lorsqu'il existait un désaccord sur l'évaluation de la sévérité (S), de l’occurrence (O) ou de la détection (D).

Chang et Paul (2009) proposèrent une nouvelle utilisation de l'AMDEC en appliquant la technique d'enveloppement de données (data envelopment analysis). Les auteurs proposent également de se concentrer uniquement sur les critères de sévérité (S), d'occurrence (O) et de détection (D) plutôt que sur l'indice de criticité (C)

Kumru et Kumru (2011) utilisèrent également les principes de la logique floue (fuzzy logic) pour la conduite d'une AMDEC sur les processus d'achats d'un hôpital public. La logique floue étant très utile dans le cas où les données sont imprécises, vagues ou dispersées, son utilisation est appropriée dans le cas des hôpitaux publics. Appliquée à l'AMDEC, on obtient un modèle qui permet de réduire le débat autour de l'évaluation des critères de sévérité (S), d’occurrence (O) ou de détection (D) ainsi que d'obtenir des résultats plus fiables.

Shebl et al. (2012) analysèrent les perceptions de l'AMDEC par des professionnels de la santé au Royaume-Uni à partir d'entrevue semi-structurée. L'AMDEC fut décrit comme étant un outil

structuré mais subjectif qui aide les professionnels à se regrouper pour l'identification des thèmes à haut risques. L'utilisation d'équipes multidisciplinaires fut également appréciée mais le manque de fiabilité des résultats et le temps à investir sont des limites qui ont été soulevées.

Mili, Bassetto, Siadat, & Tollenaere (2009) proposèrent un modèle de maintenance d’équipements utilisant l’AMDEC dans un environnement dynamique, où les informations nécessaires à l’évaluation des paramètres d’occurrence et de sévérité sont automatiquement mises à jour, donnant une plus grande précision et fiabilité aux évaluations.

Lieberman (1990) proposa la transformation de chaque mode de défaillance en un modèle mathématique. Les informations statistiques existantes peuvent ensuite être employées pour la création d’un arbre de défaillances pour découvrir des points uniques de défaillances (single- point failures), c’est-à-dire des éléments pouvant entraîner des conséquences graves, comme un arrêt de fonctionnement complet, sur le système.

Rudy et Wang (1990) proposèrent l'utilisation d'une valeur seuil d'action (ATV) et valeur seuil de décision (DTV) pour guider la prise de décision pour les actions correctives afin de déterminer la nécessité d'une action corrective. Le but étant d'augmenter l’efficacité des AMDEC.

Montgomery et al. (1996) suggèrent le remplacement des séances de brainstorming par des simulations informatiques des modes de défaillances et de leurs effets afin de faciliter l’utilisation d’AMDEC pour la conception. Des simulations qualitatives sont utilisées dans les phases préliminaires de la conception puis tranquillement remplacées par des simulations quantitatives. Derosier et al. (2002) proposèrent le modèle Health Care FMEA (HFMEA), qui se distingue principalement du classique FMEA (AMDEC) par l’utilisation d’un arbre de décision qui vient poursuivre la réflexion à partir de la valeur de criticité obtenu par la multiplication des scores d’occurrence et de sévérité. L’auteur propose également des échelles de sévérité « universelle » à l’intérieur du milieu de la santé. Le résultat est une méthodologie plus souple et dont les actions sont moins dépendante des valeurs de criticité. L’arbre de décision du HFMEA est présenté ci- dessous et fut traduit librement de sa version originale par le chercheur.

Figure 3.2. Arbre de décision du HFMEA (Derosier, 2002)

Bertsche (2008) a étudié la possibilité de relier plusieurs AMDEC entre elles par leurs modes de défaillances, leurs effets et leurs causes dans un contexte manufacturier. L’auteur explique que certaines défaillances peuvent être alternativement des causes ou des effets dépendamment du niveau de décomposition du système. Les modes de défaillances des produits seraient les effets des défaillances des opérations, qui sont à leur tour des effets des défaillances des outils.

Les auteurs présentés dans cette section ont adoptés différentes approches afin d’améliorer ou d’adapter la méthodologie AMDEC. Résumons les grandes catégories de stratégie :

1) Identification plus large des défaillances potentielles. 2) Changer le mode d’évaluation de la criticité.

3) Adopter une approche par scénario plutôt que par défaillances.

4) Changer la façon d’évaluer les paramètres d’occurrence, de sévérité et de détection. 5) Remplacer les séances de brainstorming par des simulations informatiques qualitatives ou

6) Faciliter l’acquisition de données quantitatives et mises à jour par un système dynamique. 7) Changer la façon de décider quand des actions correctives sont nécessaires par rapport à

une défaillance ou un risque.

Dans ce projet, les stratégies 2, 3 et 7 ont marqué le développement de la méthodologie proposée ainsi que la 6ème dans une moindre mesure.