Chapitre 4 Application à un système de production d’énergie multi-source
2.4 Etudes de l’efficacité pour l’aide à l’optimisation du PCD
Le PCD doit être adapté et optimisé en fonction de l’efficacité opérationnelle prévisionnelle
suivant la configuration retenue pour l’exploitation du système. La politique de maintenance
pourra donc être adaptée en conséquence. Pour cela, nous proposons différentes stratégies ou
scénarii pour comparer les indicateurs d’efficacité opérationnelle des différentes
configurations du système suivant les ordres de priorité des générateurs. Chaque composant
est représenté par un bloc dans le DBF du système. Pour démontrer l’effectivité de cette
vision de la gestion de collecte de données et son impact sur les décisions, nous considérons
deux scénarii de configuration appliqués aux DBF basés sur les structures “parallèle et série”
selon deux configurations.
Les scénarii consistent à considérer une surveillance et des actions accrues de maintenance
d’un composant considéré par exemple comme critique en série, ou au contraire à relâcher les
actions sur un composant redondant. Dans le premier cas, on peut considérer que le
composant est sous attention particulière pour maintenir et ramener sa fiabilité plus près de 1,
s’il est en série et d’importance élevée. Dans le second cas, on considère que le composant est
secondaire et redondance mais d’importance peu élevée, ce qui dans certains cas peut
conduire à relâcher les efforts de maintenance. Son indisponibilité dans le système peut être
admise suivant les politiques. L’évaluation de l’impact prévisionnel de ces choix politiques
sur l’efficacité opérationnelle conduit dans ces conditions, à adapter la politique de collecte de
données et donc le coût du processus de collecte qui dépend des décisions d’actions de
maintenance à engager (maintenance préventive en particulier). Il est donc indispensable
d’étudier l’influence de ces choix (mode de gestion fonction de la configuration) sur les
variables de décision, notamment sur le coût et sur la disponibilité du système, afin de juger
leurs pertinences et adapter le PCD. C’est une approche discriminante, basée sur les
techniques de reconstruction d’états et de génération de résidus (Clark, 1978) pour détecter et
isoler de capteurs défaillants, par exemple, dans un système dynamique. Cette stratégie,
connue sous le nom d’observateur dédié, consiste à reconstruire l’état d’un système en
éliminant les informations données par un capteur particulier pour déterminer s’il est à
l’origine des symptômes observés. Mais dans cette étude, elle vise à estimer l’impact d’un
renforcement des procédures de collecte de données et d’une surveillance accrue induisant des
actions de maintenance plus soutenues (réparation ou d’un remplacement préventif), afin de
maintenir la fiabilité des composants plus prêt de 1. Nous étudions dans les 2 scénarii en
fonction des structures d’exploitation pouvant résulter d’une politique donnée.
Scénario 1 étudié sur la configuration 1 par “ Monte Carlo” (Efforts accrus sur D)
Dans ce Scénario, les efforts de maintenance sont concentrés sur le composant D qui est
critique pour la disponibilité du système. En effet, dans cette configuration, si ce composant
tombe en panne, l’énergie ne sera plus disponible pour l’utilisateur.
A B
D
A B
1 2 3 surveillance de DEffort accru de 1 2 3
D
Figure 4.16. Scénario d’efforts accrus sur le composant D.
Figure 4.17. Résultats de la configuration 1 avec efforts intensifiés sur le composant D
Nous observons sur les courbes des résultats que le coût de maintenance préventive décroit
régulièrement avec le temps, montrant l’influence des effets de concentration des actions
préventives sur le composant D dans la configuration 1 suivant les valeurs obtenues.
Scénario 1 étudié sur la configuration 2 par “ Monte Carlo” (Efforts accrus sur D)
Dans le Scénario 1, configuration 2, les efforts de maintenance sont concentrés également sur
le composant D qui est privilégié pour la disponibilité du système toujours à cause de sa
criticité. En effet, on peut facilement observer l’influence des actions préventives accrues sur
ce composant D. Les résultats serviront à développer une aide à la décision de maintenance, à
surveiller des indicateurs d’efficacités de la maintenance et minimiser les coûts d’exploitation.
A B D E C 1 2 3 4 Effort accru de surveillance de D A B D E C 1 2 3 4
Résultats de la simulation “Monte Carlo”
Nous observons sur les courbes des résultats, que le coût de maintenance préventive décroit
avec le temps et que les effets des actions accrues de maintenance sur le composant D dans la
configuration 2 améliorent la disponibilité de la configuration suivant les valeurs obtenues.
Figure 4.19. Résultats de la configuration 2 avec intensification des efforts sur le composant D
Scénario 1 étudié sur la configuration 2 par “ Monte Carlo” (Effort accrus sur C)
Dans le Scénario 1 sur la configuration 2 (structure ci-dessous), les efforts de maintenance
sont concentrés sur le composant C qui est cette fois privilégié pour la disponibilité de cette
configuration. L’amélioration de la disponibilité de ce composant au lieu du D est comparable
à l’influence de D sur la disponibilité et le coût de la configuration.
A B D E C 1 2 3 4 Effort accru de surveillance de C A B D E 1 2 3 4 C
Figure 4.20. Scénario d’efforts accrus sur le composant C dans la configuration 2
Nous observons également sur les courbes des résultats, que le coût de maintenance préventive
décroit avec le temps sous les actions accrues sur le composant C dans la configuration 2.
Scénario 1 étudié sur la configuration 2 par “ Monte Carlo” (Efforts relâchés sur B)
Dans le Scénario 1 de la configuration 2 (ci-dessous), les actions préventives sont maintenant
concentrées sur le composant B pour la disponibilité du système. Ce composant influence
également la disponibilité et le coût de maintenance de cette configuration.
Effort relâché sur la surveillance de B A B D E 1 2 3 4 C D E C 1 2 3 4 A B