4.2 Implémentation du modèle et génération des données
4.2.2 Machines
4.2.2.1 Interface
L'interface graphique utilisée pour la saisie des données sur les machines est présentée dans la gure 4.3.
L'utilisateur doit saisir chaque information concernant la machine dans le champ correspon- dant. Dans le champ (1) l'utilisateur saisit le code du centre auquel la machine appartient, le champ (2) correspond à l'identi ant de la machine et en appuyant sur les boutons (3) et (4) de nouvelles fenêtres s'a chent pour permettre la saisie des données concernant respectivement les composants et les fonctionnalités de la machine (Figure 4.4 et 4.5). Lorsque l'utilisateur termine la con guration de la machine, cette dernière s'ajoute automatiquement à la liste des machines présentée à gauche de la fenêtre (5).
Chaque composant est caractérisé par une durée de vie qui suit une loi de probabilité four- nies par le constructeur. En utilisant cette information nous pouvons déduire la probabilité de panne de chaque composant selon la loi que suit sa durée de vie. Ensuite, nous calculons la
4.2 Implémentation du modèle et génération des données
Figure 4.3 Interface graphique de saisie des machine
probabilité de panne d'une fonctionnalité à partir des probabilités de panne des composants la constituant. La maintenance consiste donc à surveiller l'évolution de la probabilité de panne d'au moins une des fonctionnalités sollicitées et ensuite, quand celle-ci atteint un seuil critique sz (dé ni dans le chapitre précédent), de plani er les tâches de maintenance sur les composants
ayant une grande probabilité de panne. Nous quali ons ici cette maintenance de systématique, car la loi de probabailité des composants identiques est invariante en fonction de leurs du- rées d'utilisation. Ainsi, après une même durée d'utilisation, les composants auront la même probabilité de défaillance.
L'information sur la durée de vie fournie par le constructeur caractérise généralement tous les composants d'un type donné et elle n'est généralement pas précise. A n d'augmenter la pré- cision concernant la probabilité de panne d'un composant, les responsables d'atelier peuvent déployer des modules de PHM pour suivre et prédire directement la durée de vie restante de ce composant. Les modules de PHM étant des outils relativement chers, ceux-ci sont générale- ment installés sur des composants considérés comme critiques ou sensibles, pour lesquels il est indispensable de suivre avec précision l'état de santé et d'intervenir avant l'atteinte d'un seuil de risque donné. Dans un tel cas, le composant subit des maintenances dites prédictives. L'état de santé d'un composant équipé d'un module de PHM est fourni par celui-ci sous forme d'une
Figure 4.4 Interface graphique de saisie des composants
Figure 4.5 Interface graphique de saisie des fonctionnalités
fonction RUL représentant les chances de panne du composant à tout instant. 4.2.2.2 Génération des machines
N'ayant pas des données sur des machines issues des systèmes de production réels, nous avons considéré des machines ctives et générales ayant chacune leurs propres fonctionnalités en spéci ant, pour chaque fonctionnalité, les composants constituant celle-ci ainsi que l'aptitude de la machine et le coût de son utilisation. Nous considérons dans les tests réalisés les hypothèses suivantes :
La probabilité de panne d'un composant non suivi par un module de PHM est détermi- née par les données de abilité de son fabricant. On suppose qu'elle suit une loi normale Ns(λs, σs) avec λs = 100U T et σs = λ10m (λs est assimilé au MTTF du composant). La
probabilité de panne pour une durée d'utilisation ts d'un composant maintenu systéma-
tiquement se calcule ainsi via l'équation suivante : Pfs(ts) = 1 σs2π Z ts 0 e− 1 2σ2s (t−λs)2dt (4.1)
La probabilité de panne d'un composant équipé d'un module de PHM est supposée suivre une loi normale Np(λp, σp), avec λp générée, initialement et après chaque tâche de main-
tenance, aléatoirement selon la loi Ns (voir la gure 4.6 où sont représentés 5 tirages
4.2 Implémentation du modèle et génération des données
ts d'un composant équipé d'un module de PHM se calcule via l'équation suivante :
Pfp(ts) = 1 σp2π Z ts 0 e− 1 2σ2p(t−λp)2dt (4.2)
le seuil de panne sz de toutes les fonctionnalités des machines est xé à un niveau de 1%
et l'identi cation des composants nécessitant une intervention de maintenance est faite grâce à la méthode décrite dans [Desforges et al., 2017] ;
après chaque tâche de maintenance sur un composant, il est réinitialisé à son état neuf (par la remise à zéro de sa durée d'utilisation).
Figure 4.6 Lois de probabilité pouvant être générées pour un composant
4.2.3 Ressources de maintenance
4.2.3.1 Interface
L'interface graphique utilisée pour la saisie des données sur les mainteneurs est présentée dans la gure 4.7
L'utilisateur doit saisir chaque information concernant la ressource de maintenance dans son champ correspondant. Dans le champ (1) l'utilisateur saisit le code du centre auquel la ressource appartient, le champ (2) correspond à l'identi ant de la ressource de maintenance. Dans le
Figure 4.7 Interface graphique de saisie des ressources maintenance
champ (3) nous pouvons visualiser la liste des compétences de la ressource déjà saisies, et pour ajouter une nouvelle compétence il su t de remplir les champs de la section (5) "Compétence". Dans le champ (4), l'utilisateur peut préciser les périodes d'indisponibilité de la ressource qui correspondent à des intervalles de temps durant lesquels la ressource de maintenance est occupée ailleurs. Lorsque l'utilisateur termine la con guration de la ressource, cette dernière s'ajoute automatiquement à la liste des ressources présentée dans la section (6).
4.2.3.2 Génération des ressources de maintenance
N'ayant pas les données sur des ressources de maintenance issues des systèmes de main- tenance réels, nous avons considéré des ressources de maintenance ctives et générales ayant chacune leurs propres compétences en spéci ant pour chaque ressource considérée, les types de composants pouvant être traités par celle-ci, son aptitude et le coût de son utilisation. Nous considérons dans les tests réalisés que les périodes d'indisponibilité des ressources sont générées aléatoirement (dates, durées et nombre de périodes).