Le chapitre précédent nous a permis d'identier pour chacune des cinq familles
de causes les diérentes variables du système pouvant expliquer les variations des
indicateurs de performance. Ainsi au regard des objectifs de la fonction de diagnostic
69
proposé dans le chapitre 2, une structure graphique bayésienne à deux niveaux est
susante pour le problème considéré ; nous retrouvons de fait classiquement un
niveau mode de défaillances caractérisé par les évolutions des trois indicateurs de
performance considérés et un niveau représentant l'ensemble des causes considérées
dans cette étude :
Mode de défaillances (FM : Failure Mode) : ce sont les variables quantitatives
dénies par le taux de qualité, le taux de performance et la disponibilité (cf
Figure 1.9). Un mode de défaillance sera caractérisé par une évolution d'un
indicateur pouvant être négative (dégradation) ou positive (amélioration).
Cause de défaillance (RC : Root Cause) : ce sont les causes potentielles
dé-terminées dans le chapitre 5 en fonction des observations réalisables à partir
des données MES.
Les variables dénies au chapitre 5 sont de natures continues pour certaines et
discrètes pour d'autres. Si les paramètres du réseau Bayésien sont de mêmes natures
que les variables associées, alors il faudra faire face à des réseaux Bayésiens avec des
paramètres continus et discrets qui soulèvent au moins deux problèmes :
Complexité des algorithmes d'apprentissage et d'inférence dont le mix des
paramètres continus et discrets rend le calcul exact impossible [Chopin et al.,
].
Interprétation complexe des résultats exprimés pour les variables continues
par des fonctions de densité conditionnelle. La compréhension des résultats
reste un enjeux majeur de ces travaux qui doivent être exploitables très
ra-pidement par les utilisateurs naux de la fonction de diagnostic proposée,
responsable de production en particulier.
Au regard de ces éléments, le modèle se composera uniquement de paramètres
discrets et discrétisés sans paramètres continus.
Le tableau 6.1 présente la liste complète des paramètres du réseau Bayésien qui
se compose donc de trois variables pour les modes de défaillances et de 36 variables
pour les causes identiables. Comme nous le verrons à l'étape B d'instanciation du
modèle, le nombre total de paramètres du réseau Bayésien instancié sera
générale-ment supérieur à la somme du nombre de causes et de modes de défaillances.
Suite à la caractérisation des n÷uds du modèle, il reste maintenant à dénir
les relations de causalité entre les diérents paramètres du modèle. Il existe pour
cela deux approches diérentes : par des techniques d'apprentissage sur la base des
données dans le cadre d'une approche non supervisée ou à l'inverse par une
ap-proche supervisée dans laquelle le modèle peut alors être prédéni. A condition que
cette seconde approche soit eciente et puisse être générique, elle ore l'avantage
de simplier le déploiement de la fonction de diagnostic en supprimant l'étape
d'ap-prentissage et surtout de validation de la structure apprise.
Le recours à une approche supervisée est dépendante d'une part de la généricité
des liens indépendamment du process considéré (agroalimentaire, manufacturier,
pharmaceutique, etc) et d'autre part de notre connaissance des liens de corrélations
entre les n÷uds du réseau. Premièrement, en considérant chaque mode de défaillance
comme étant une évolution d'une composante du TRS et que comme tout indicateur
qui reète le fonctionnement n'a pas d'inuence sur celui-ci, les trois n÷uds des
indicateurs de performance seront par conséquent des n÷uds feuilles du réseau et
sans relation directe de causalité entre eux au regard de leurs dénitions présentées
Famille de
variable Caractéristique des variables Nœuds
FM
Taux de Disponibilité Disp
Taux de Performance Perf
Taux de Qualité Qual
Variables
Le nombre d’opérations de MPj supprimé NbMPs_MPj Le nombre d’opérations de MPj ajouté NbMPa_MPj Le nombre d’opérations de MPjdécalées NbRe_MPj La valeur moyenne des retards de réalisation des opérations MPj DuRe_MPj Le nombre d’occurrences de la MC sur la période Inti-1 NbMC_Inti-1 Le temps moyen entre deux pannes sur la période Inti-1 MTBF_Inti-1
Le durée des opérations de MC sur la période Inti-1 DurMC_Inti-1 Le nombre d’occurrences de la MC sur la période Inti NbMC_Inti Le temps moyen entre deux pannes sur la période Inti MTBF_Inti Le durée des opérations de MC sur la période Inti DurMC_Inti Le nombre d’occurrences de la MC sur la période Inti+1 NbMC_Inti+1 Le temps moyen entre deux pannes sur la période Inti+1 MTBF_Inti+1
Le durée des opérations de MC sur la période Inti+1 DurMC_Inti+1 La charge de production (soit surcharge, soit nominale, soit sous-charge) Chr
Le nombre de Changements de Série NbChgS
Le durée du Changement de Série DuChgSn
Le nombre de références d’articles fabriqués NbPFtype
Le nombre de modifications réalisées par heures Mh Le nombre de modifications réalisées par jour Mj Le nombre de modifications réalisées par semaines Ms Le nombre de modifications réalisées par mois Mm Le temps de travail cumulé de l’opérateur présent au poste i NbTTrPoste_i Le nombre cumulé de produits type j fabriqué par l’opérateur NbPieceFType_j Le rapport entre d’une part la durée de travail depuis la prise de poste jusqu’à
Intiet d’autre part la durée de la période journalière j de travail Nbhj
Le rythme hebdomadaire (ou annuel) de travail RythmeH Le nombre de périodes travaillées depuis le dernier repos hebdomadaire Nbdr Le nombre de semaines travaillées depuis la dernière période de congés Nbdc
Le nombre d’ordres de fabrication en retard par rapport au planning
prévisionnel NbSegretard
La durée cumulée d’indisponibilité de l’équipement DurEP Le nombre de ressources humaines indisponibles Ab_Op le nombre de nouvelles références d’articles mis en production NTpr
Le nombre de recettes utilisées sur la période considérée NbChgR L’âge de la recette Ri depuis sa date de première utilisation en production DuMRi
Les quantités fabriquées en utilisant la recette Ri NbPRi
La référence du fournisseur MPF
La référence de la matière première utilisée MPR