2.7 Evolution de la fonction maintenance
2.7.2 La maintenance préventive
Par opposition à la maintenance corrective, la maintenance préventive regroupe les opérations de maintenance ayant pour objet de réduire la probabilité de défaillance de l’outil de production, opérations réalisées avant l’occurrence de toute défaillance qui viendrait entraver la production. Ce concept de maintenance est basé sur une inspection périodique de l’outil de production selon des critères prédéterminés, afin de juger de ce bon état de fonctionnement. Parmi les techniques de maintenance préventive, on distingue trois niveaux. En maintenance préventive systématique, l’entretien est réalisé selon un échéancier établi sur la base de critères d’usure tels que des heures de fonctionnement ou une quantité produite, qui permettent de déterminer des périodicités d’intervention. Les opérations d’entretien se traduisent par le remplacement systématique d’un certain nombre de composants identifiés par cet échéancier. En maintenance préventive conditionnelle, le principe de périodicité des interventions est conservé, mais le remplacement des composants est conditionné par la comparaison du résultat de vérifications permettant d’évaluer le niveau de dégradation à un critère d’acceptation pré-établi. Enfin, la dernière forme de maintenance préventive est connue à la fois sous le nom de maintenance
prévisionnelle et de maintenance prédictive. Certains auteurs associent parfois à
tort la dénomination de maintenance prédictive à la maintenance préventive conditionnelle, or en maintenance prédictive, le principe consiste à assurer un suivi continu, et non plus périodique, de l’état de fonctionnement de l’outil de production. L’objectif de la maintenance prédictive est alors de maîtriser au mieux les comportements passés et présents du système afin de prévoir les défaillances futures, et donc de maîtriser la globalité du processus de dégradation et de réduire les temps d’indisponibilités.
Pour la maintenance d’un outil de production, différentes stratégies de maintenance sont envisageables. Chaque forme de maintenance dispose toutefois de ses avantages et de ses inconvénients. Cependant, en raison de la complexification des systèmes industriels, la tendance actuelle est davantage au développement de la maintenance préventive et surtout de la maintenance prédictive [CART et al.,2001], même s’il y a toujours un compromis à établir en fonction du système surveillé, de la complexité des techniques à mettre en œuvre, et de leurs coûts.
Le développement d’une politique de maintenance prédictive nécessite la mise en œuvre d’un système de diagnostic industriel. L’interprétation du mot diagnostic possède de nombreuses significations suivant les interlocuteurs. Les définitions utilisées ici sont celles établies au sein de la norme AFNOR-NF-X60-010 [AFNOR,1994], qui sont
reprises par de nombreux auteurs [ZWINGELSTEIN,1995 ; BERGOT et GRUDZIEN,1995 ; WEBER, 1999]. D’après l’AFNOR, l’opération de diagnostic consiste à identifier la cause probable de la (ou des) défaillance(s) à l’aide d’un raisonnement logique fondé sur un ensemble d’observations provenant d’une inspection, d’un contrôle ou d’un test. Il s’agit donc de travailler sur les relations de causalité liant les effets (symptômes observés sur le système) et les causes (défauts du système). L'objectif d'un système de diagnostic est alors de rendre compte de l'apparition d'un défaut le plus rapidement possible (c'est-à-dire avant qu'il n'entraîne des dommages importants au travers de défaillances). Les trois fonctions du diagnostic peuvent alors être décrites de la manière suivante :
¾
la détection : déterminer la présence ou non d’un défaut affectant le procédé en se basant sur l’analyse des effets sur le système (symptômes),¾
la localisation : déterminer le type de défaut affectant le procédé en donnant des indications relatives à l’élément en défaut,¾
l’identification : déterminer exactement la cause de ses symptômes enidentifiant la nature du défaut.
2.8 Conclusion
La complexité actuelle des processus et des systèmes lance des défis considérables dans la conception, l’analyse, la construction et la manipulation pour atteindre les objectifs souhaités dans leur opération et leur utilisation tout au long de leur cycle de vie. Dans les processus industriels de production d'eau potable, le contrôle et la maîtrise de ses processus complexes jouent un rôle crucial pour assurer la sécurité du personnel de l’unité et la conservation de l'environnement, ainsi que la fourniture de la quantité d'eau nécessaire à la population.
Dans ce chapitre, nous avons présenté un schéma général de la supervision qui inclut la détection des défaillances, le diagnostic, la reconfiguration du processus et la maintenance. Une description des méthodes de diagnostic a été faite en les classant en deux catégories : les méthodes à base de modèles et les méthodes à base de données historiques. Le choix d’une de ces méthodes dépend essentiellement des connaissances disponibles sur le procédé.
Notre travail porte sur le développement d’un outil d’aide pour la caractérisation et l’identification du comportement de l’unité de production d’eau potable, à partir des données disponibles et qui prenne en compte les connaissances de l’opérateur ou expert. Devant le manque flagrant de modèles mathématiques de l’ensemble des
procédés fonctionnant sur la station, notre choix s’est porté sur des techniques qui permettent d’analyser des historiques de ce fonctionnement. Nous nous sommes donc intéressés à un outil pour l’identification des défaillances de processus basé sur des méthodes de classification et reconnaissance de formes. Connaissant les différents travaux effectués au préalable dans le groupe DISCO, nous avons adopté une approche qui utilise la méthode de classification LAMDA pour la construction du modèle pour la supervision. Nous avons présenté le logiciel SALSA qui lui est associé et qui permet d’effectuer un apprentissage hors ligne et qui donne à l’opérateur un support pour la prise de décision en temps réel.
Le chapitre 3 est consacré à l’instrumentation de la station ainsi qu’au traitement des données qui seront utilisées par la méthode de diagnostic. Parmi ces traitements, nous proposons de développer un capteur logiciel permettant de prédire en temps réel la dose de coagulant à injecter et qui sera de plus une information supplémentaire utilisée comme donnée d’entrée dans la procédure de diagnostic de l’ensemble de la station SMAPA.
3 INSTRUMENTATION ET DEVELOPPEMENT D’UN
CAPTEUR LOGICIEL
3.1 Introduction
Dans ce chapitre, nous nous intéressons au recueil des différentes données et mesures nécessaires pour établir une méthodologie de diagnostic basée sur l’interprétation des informations obtenues sur l’ensemble du procédé de traitement de l’eau à potabiliser.
Dans la première partie, nous détaillons la mesure des différents paramètres spécifiques de l’eau, en particulier ceux relatifs au procédé de coagulation. Ensuite, nous décrivons les différents automatismes mis en œuvre dans une station de traitement d’eau à potabiliser. Finalement, nous présentons la méthodologie développée pour la prédiction de la dose de coagulant, méthodologie utilisant des RNAs. L’information issue de ce capteur logiciel sera ensuite utilisée comme donnée d’entrée dans la procédure de diagnostic de la partie amont de la station de production d’eau potable. Les résultats concernant la construction du module de prédiction de la dose de
coagulant, illustrent les deux phases de la conception : l’apprentissage et la
reconnaissance ainsi que la qualité de la prédiction par la génération d’intervalles de confiance.