Comprendre les temps d'arrêt
Les chaînes de production et les opérations industrielles complexes constituent des moteurs de chiffre d'affaires et de bénéfices pour les secteurs à forte intensité capitalistique.
Les dirigeants d'entreprise, les équipes d'exploitation des usines et les spécialistes de la planification de la production s'efforcent en permanence d'optimiser le rendement et l'efficacité de ces unités de production tout au long de leur cycle de vie.
Des études récentes menées par ABB, Siemens et les études menées par l'EMA indiquent que ce chiffre ne cesse d'augmenter, les coûts liés aux temps d'arrêt ayant presque triplé au cours des cinq dernières années.
Augmentation des coûts liés aux temps d'arrêt au cours des cinq dernières années
Des temps d'arrêt imprévus dus à une panne d'équipement
Coût annuel des arrêts imprévus dans le secteur de la fabrication industrielle
Le tableau ci-dessous illustre l'enjeu financier colossal : même une seule heure d'arrêt imprévu dans des secteurs à forte valeur ajoutée peut anéantir plusieurs jours de bénéfices d'exploitation.
| Secteur | Échelle | Coût moyen par heure |
|---|---|---|
| Énergie (Services publics / Électricité) | $2,480,000 | |
| Construction automobile | $2,300,000 | |
| Produits chimiques | $700,000 - $1,200,000 | |
| Industrie manufacturière (généralités) | $260,000 - $500,000 | |
| Traitement de l'eau et des déchets | $150,000 - $350,000 |
Les entreprises ont un besoin urgent de repenser la gestion des temps d'arrêt, qu'ils soient planifiés ou imprévus, en adoptant une approche préventive, prédictive et corrective de la gestion des actifs.
Les causes des temps d'arrêt
Une instance d'indisponibilité peut être associée à une opération de maintenance planifiée ou non planifiée.
Malheureusement, malgré tous les efforts déployés, les temps d'arrêt imprévus sont tout simplement inévitables. Il est possible de les réduire au minimum, mais il est très difficile, voire pratiquement impossible, de les éliminer complètement.
Dans les deux cas, il est essentiel de réagir rapidement et de remédier sans délai à la défaillance.
Les causes des temps d'arrêt liés à une défaillance des équipements sont détaillées ci-dessous ;
Défaillance technique d'ordre mécanique
L'une des causes les plus courantes de défaillance d'un actif est purement liée à une défaillance technique de celui-ci, qui peut être due à :
- Âge de l'actif: Au lieu de mettre l'équipement hors service à l'issue de sa durée de vie utile, son utilisation prolongée entraîne une défaillance technique totale due à des cassures ou à des défaillances des pièces sensibles
- Mauvaise gestion de la maintenance: Le processus d'entretien et les étapes précises relatives à cet équipement n'ont pas été respectés dans les délais prévus OU n'ont pas été effectués conformément aux recommandations du constructeur d'origine.
Par exemple:
- Une pièce de rechange moins chère a été utilisée pour réduire les coûts, mais cela a nui à la qualité
- Une défaillance technique au niveau du processus – Mauvaise installation d'une pièce, boulons desserrés, etc.
- Fonctions liées à l'énergie et aux services publics: Cela inclut les surtensions, les baisses de tension ou les fuites d'air comprimé qui provoquent le déclenchement des systèmes sensibles à base d'automates programmables (PLC).
- Exposition à des substances dangereuses: En raison d'un entretien inadéquat, cet équipement ne peut tout simplement pas être utilisé sur une chaîne de production sans causer de dommages à l'environnement ni présenter un risque pour la santé et la sécurité des opérateurs.
Exemple:
- Une fuite de pétrole entraînant une grave dégradation de l'environnement.
- Un capot de machine présentant un risque grave pour l'OSHA
Phénomènes naturels et catastrophes naturelles
Il s'agit là de facteurs pouvant entraîner des défaillances des actifs qui échappent généralement au contrôle de l'organisation – par exemple, les inondations, les tempêtes, la foudre, etc.
Cela inclut également des facteurs pouvant être contrôlés dans une certaine mesure, tels qu’une humidité élevée ou une chaleur excessive, qui entraînent une usure prématurée. L’utilisation de l’équipement par grand froid, bien avant que celui-ci ne soit suffisamment « réchauffé »
Exemple 1: Une humidité extrêmement élevée entraîne une usure excessive, ce qui nécessite un entretien bien avant les intervalles recommandés par le constructeur d'origine
Problèmes liés aux données de référence et aux stocks
Ce cas de figure est beaucoup moins fréquent. Il se produit lorsque la pièce de rechange appropriée n'est tout simplement pas disponible sur le site OU lorsqu'une pièce de rechange inadaptée a été commandée en raison d'une mauvaise gestion des données et/ou de processus de gestion des pièces de rechange non conformes aux normes.
Le référencement des pièces détachées et la mise en place de processus de gestion des stocks efficaces permettent de surmonter ce défi. Nous aborderons ce sujet plus en détail dans la dernière partie de cet article.
Les lacunes humaines
Les erreurs humaines et les lacunes liées au personnel constituent un facteur étonnamment sous-estimé dans les arrêts imprévus.
Cela peut se manifester de plusieurs façons : un technicien peut appliquer un couple de serrage incorrect lors du remontage d'un composant, mal interpréter un plan technique ou omettre une étape de la liste de contrôle en raison d'une contrainte de temps ou de la fatigue.
Le problème s'aggrave lorsque les entreprises sont confrontées à un taux de rotation élevé parmi leurs techniciens. Le savoir institutionnel, celui qui s'est accumulé dans l'esprit d'un ingénieur chevronné après 20 ans passés sur le terrain, s'en va avec lui.
Les nouveaux employés, qui ne disposent ni d'un historique documenté des erreurs commises ni d'un parcours d'intégration structuré, sont bien plus enclins à commettre des erreurs.
2,1 millions
Les postes dans le secteur industriel devraient rester vacants jusqu'en 2030 en raison d'un déficit de compétences, ce qui se traduira directement par une baisse de la qualité de la maintenance et une diminution de la disponibilité des équipements.
L'inadéquation des compétences est un autre facteur fréquemment en cause. Avec l'adoption rapide d'équipements numériques et compatibles avec l'IIoT, de nombreuses équipes de maintenance se retrouvent à exploiter des actifs qui exigent des compétences pour lesquelles elles n'ont tout simplement pas été formées.
La solution commence par une planification structurée des effectifs : il s'agit de recouper les compétences requises pour chaque catégorie d'équipements avec celles dont dispose le personnel, d'identifier les lacunes et de les combler de manière proactive, avant qu'un équipement ne tombe en panne et qu'un technicien ne se retrouve face à celui-ci sans être préparé.
Prévention des pertes dans la gestion des temps d'arrêt
La gestion des temps d'arrêt a notamment pour objectif :
- Prévenir dès le départ les temps d'arrêt des actifs et de la production :
- Veiller à ce que l'analyse des causes profondes (RCA) permette de comprendre les raisons de l'échec et d'apporter des solutions pérennes au problème
- Des temps d'arrêt réduits au minimum et des délais d'exécution plus courts, tant lors des arrêts planifiés que lors des arrêts imprévus
Les entreprises calculent généralement un coût théorique par heure d'arrêt. Il s'agit de la production que la machine ou la chaîne de production concernée aurait générée si la panne n'avait pas eu lieu. Ces pertes correspondent à des recettes qui auraient autrement été réalisées sans problème.
En effet, chaque minute d'arrêt représente une perte directe, et pas seulement un coût. La différence entre une réparation de deux heures et un arrêt de deux jours ne réside pas toujours dans les compétences techniques.
Le plus souvent, c'est une question de préparation : disposer des pièces adéquates, du personnel compétent et de la documentation de procédure appropriée avant même de prendre la clé à molette.
Stratégies de gestion des temps d'arrêt
Les stratégies visant à prévenir les défaillances des équipements et à réduire les temps d'arrêt grâce à un diagnostic efficace et à des mesures correctives sont détaillées ci-dessous ;
Stratégie et processus de gestion des stocks
Les pannes d'équipements et les arrêts de production sont inévitables.
Même les approches les plus abouties en matière de maintenance prédictive et préventive tiennent compte du fait qu’il est impossible d’éliminer ce problème dans son intégralité.
L'une des principales opportunités en matière de prévention des pertes OU de génération de chiffre d'affaires (selon le point de vue) est directement liée à la gestion des stocks critiques et à la garantie de leur disponibilité au bon endroit dans l'usine, au bon moment.
Cela se fait généralement par le biais d'un évaluation avancée de la criticité, non seulement au niveau des actifs, mais aussi au niveau des pièces de rechange.
En règle générale, les entreprises n'évaluent la criticité qu'au niveau des actifs et partent du principe que, PAR DÉFAUT, toutes les pièces de rechange liées à un actif immobilisé critique donné sont elles-mêmes critiques.
Cette hypothèse constitue en soi un sophisme et conduit à un surstock de pièces qui risquent de rester inutilisées pendant des années.
C'est précisément là qu'un système de gestion des pièces de rechange peut faciliter l'opération de remise en service.
Voici quelques études et recherches illustrant l'ampleur du défi
Une étude réalisée par Siemens en 2024, intitulée «Le coût réel des temps d'arrêt«, comme le montrent des études récentes ABB et Aberdeen mises à jour, souligne que les pannes matérielles sont à l'origine de 42% de l'ensemble des temps d'arrêt imprévus.
Dans ce contexte, la « pénurie de pièces de rechange » est l'un des principaux facteurs à l'origine de l'allongement du MTTR (temps moyen de réparation).
Les données de Siemens pour 2024 indiquent que l'absence d'une pièce de rechange essentielle peut transformer une réparation mécanique de 2 heures en un arrêt de l'installation de 2 jours (soit une durée multipliée par 24) en raison des délais liés à l'expédition internationale ou aux cycles d'approvisionnement.
des fabricants mondiaux ont connu au moins un arrêt total de ligne spécifiquement dû à un manque de pièce de rechange, plutôt qu’à un manque de compétences techniques pour la réparer. Sur les 42% de temps d’arrêt classés dans la catégorie « Panne d’équipement », on estime que 30 à 40% du MTTR correspondent à du temps perdu à rechercher , identifier ou attendre la pièce adéquate.
Attribution cachée : Sur les 42% de temps d'arrêt classés dans la catégorie « Panne d'équipement », on estime que 30 à 40% du MTTR (temps moyen de réparation) correspondent à du « temps mort » consacré à la recherche, à l'identification ou à l'attente de la pièce adéquate.
MRO360, la solution phare de Verdantis pour la gestion des stocks de pièces de rechange et de maintenance, réparation et révision (MRO) répond précisément à ce défi.
Si vous n'êtes pas amateur de lecture, la vidéo ci-dessus devrait vous aider à comprendre ce que fait ce logiciel et comment il fonctionne.
Comment résoudre ce problème ?
Grâce à un apprentissage basé sur des données sectorielles relatives aux pannes d'équipements, aux stocks et aux nomenclatures des équipements, il est désormais possible d'évaluer le niveau de criticité au niveau des pièces de rechange.
C'est exactement ce que fait MRO360 : il attribue à chaque pièce une note comprise entre 1 et 10, 10 correspondant au niveau le plus critique.
Entre autres, l'indice de criticité tient également compte de la probabilité de défaillance de cette pièce, des conséquences de cette défaillance et calcule même le délai de livraison moyen historique de cette pièce sur le site de production.
Les équipes de maintenance mènent également des exercices de planification des besoins en matériel et mettent en pratique les enseignements tirés de ces exercices sur plusieurs sites de production.
Les modèles mathématiques de MRO360, associés à une IA spécialement formée à cet effet, permettent de prévoir les besoins en matériaux en se basant sur les volumes historiques de consommation et de production.
Au niveau de chaque usine, cela se traduit par une vision précise des volumes de consommation.
Lorsque les prévisions de criticité et de demande sont prises en compte conjointement, cela garantit que les pièces de rechange critiques liées tant aux actifs critiques qu’aux actifs non critiques sont stockées en quantité suffisante, ce qui permet d’éviter les temps d’arrêt prolongés ou les dépenses non budgétisées liées à l’indisponibilité des pièces de rechange appropriées.
L'analyse ci-dessus, réalisée au niveau des pièces de rechange, est rendue possible grâce aux liens établis entre les nomenclatures d'actifs : associer une pièce de rechange à l'actif dont elle dépend est essentiel pour une gestion optimale des temps d'arrêt.
Tout comme les nomenclatures d'actifs, les ordres de travail sont également des documents complexes : ils contiennent des informations extrêmement techniques concernant les travaux de réparation effectués sur un actif, la nature de la panne, ainsi que les pièces et les compétences techniques susceptibles d'être nécessaires pour mener à bien la mission prévue par l'ordre de travail.
Les ordres de travail peuvent être planifiés ou non planifiés, et ils sont systématiquement stockés à des emplacements spécifiques au sein des systèmes EAM, ERP, GMAO, voire dans des dossiers spécifiques sur un disque dur !
Grâce à des modèles d'IA spécialement formés, ces documents peuvent être numérisés, interprétés et structurés afin d'alimenter la stratégie de gestion d'actifs.
Par exemple, si 10 ordres de travail dans un site de production donné nécessitent tous 5 pièces d'un composant spécifique, ce pic de demande peut être transmis au logiciel de gestion des pièces de rechange afin d'optimiser davantage les stocks.
Maintenance prédictive
La mise en œuvre de la maintenance prédictive est désormais assez courante dans pratiquement tous les secteurs d'activité.
Ce qui était autrefois une discipline réservée aux grands comptes d'entreprise générant un volume d'activité considérable est aujourd'hui une pratique assez courante.
Les progrès réalisés dans les technologies de capteurs, l'analyse des vibrations, la spectrométrie et la capacité à interpréter les données ont permis aux équipes de gestion des actifs de mieux détecter les défaillances et d'en identifier les causes.
La stratégie: Dans le cadre de la maintenance prédictive, les actifs font l'objet d'une surveillance tout au long de leur cycle de vie grâce aux données fournies par des capteurs connectés à l'IIoT ; le cycle de vie du mécanisme de surveillance est représenté par une « courbe PF ».
P (prévisibilité) correspond simplement au moment où un problème lié à un équipement est détecté pour la première fois, tandis que F (défaillance) correspond au moment où l'équipement tombe complètement en panne.
L'objectif est de détecter la défaillance le plus tôt possible, d'identifier les causes potentielles du problème et de prévoir à la fois les ressources humaines et le matériel nécessaires pour y remédier.
Compte tenu de l'ampleur considérable des actifs opérationnels d'une entreprise, il est important de définir des priorités.
Il convient de donner la priorité aux actifs présentant un PF plus faible ; les prévisions de la demande doivent également tenir compte des données de maintenance prédictive et prévoir des provisions pour les actifs à faible PF ainsi que pour les pièces de rechange critiques associées à ces actifs.
Cette solution intègre l'approche des « 4M » évoquée plus haut à de précieuses données issues de la maintenance prédictive.
Grâce à Agentic AI, MRO360 coordonne ces tâches de manière autonome, grâce à sa capacité à analyser les données de maintenance prédictive et à garantir que la planification des ressources pour les ordres de travail prévus et imprévus soit exécutée de manière autonome.
AIOps et observabilité prédictive
La maintenance prédictive traditionnelle repose sur des seuils statiques. Les entreprises se tournent désormais rapidement vers l'AIOps.
L'AIOps excelle dans l'analyse multivariée, qui examine les interactions entre différentes variables.
Il élimine la « fatigue liée aux alertes » associée aux seuils statiques en identifiant des signatures de défaillance spécifiques, ce qui réduit considérablement les fausses alertes tout en détectant les problèmes réels beaucoup plus tôt sur la courbe P-F.
De plus, cela permet de mettre en place un système en boucle fermée dans lequel la détection déclenche automatiquement la création d'ordres de travail et la gestion logistique des pièces de rechange, ce qui réduit considérablement le délai entre l'identification d'un problème et sa résolution.
Cette transition vers une maintenance automatisée et guidée avec précision permet d'optimiser la durée de vie opérationnelle des engins lourds tout en éliminant pratiquement tout temps d'arrêt imprévu.
L'AIOps excelle dans l'analyse multivariée, en examinant la manière dont les variables interagissent plutôt que de les évaluer isolément. Elle réduit la fatigue liée aux alertes provenant de seuils statiques en identifiant les véritables signatures de défaillance, ce qui diminue les fausses alertes tout en détectant les problèmes plus tôt sur la courbe P-F. La détection peut déclencher automatiquement des ordres de travail et la logistique des pièces de rechange, ce qui réduit le délai entre l’identification d’un problème et sa résolution, et contribue à prolonger la durée de vie des équipements tout en limitant les interruptions imprévues.
Planification des effectifs
Les entreprises utilisent déjà un système de gestion des ordres de travail ou un logiciel de GMAO pour planifier aussi bien les interventions de maintenance préventive que celles de maintenance corrective.
En effet, même les entreprises de taille moyenne ainsi que les petites et moyennes entreprises ont recours à des plannings de bons de travail pour pallier ces contraintes liées aux temps d'arrêt.
Le défi: Même avec des systèmes bien rodés, il arrive assez souvent qu’un ordre de travail soit finalisé et que les travaux de réparation commencent, pour s’apercevoir ensuite que les compétences requises font défaut et qu’il manque un technicien.
La stratégie: En règle générale, un bon de travail ne doit pas être validé et les travaux de réparation ne doivent pas commencer tant que le bon de travail n'a pas atteint le statut « Prêt à intervenir ».
Les 4 M : un cadre pour être « prêt à travailler »
Conformément aux règles en vigueur, un bon de travail ne doit pas être validé et les travaux de réparation ne doivent pas débuter tant que le bon de travail n'a pas atteint le statut « Prêt à intervenir ». Ce principe est appliqué conformément au principe des 4M :
Les pièces de rechange, outils et consommables nécessaires sont disponibles pour effectuer les travaux de réparation
- Disponibilité des pièces de rechange confirmée
- Outils et consommables mis à disposition
- Référence correcte vérifiée
Les techniciens disposant des compétences nécessaires pour remédier à cette panne sont disponibles pendant toute la durée des travaux de réparation.
- Technicien désigné et disponible
- Compétences requises confirmées
- Durée prévue dans le calendrier
La procédure opérationnelle standard (SOP) ou le manuel technique est imprimé ou chargé sur une tablette
- Manuel SOP ou OEM chargé
- Liste de contrôle de sécurité (version imprimée/numérique)
- Autorisation de travail délivrée
L'équipe de production a accepté de « remettre » le matériel à un moment précis
- Accord conclu concernant la passation de pouvoir au sein de l'équipe de production
- Isolation et mise hors service confirmées
- Horodatage de la remise consigné
Ces mesures permettent pratiquement d'éliminer les retards, qui font qu'une réparation prévue pour durer deux heures se transforme en une épreuve de six heures à cause des allers-retours effectués en cours de travaux vers le Magasin de pièces de rechange et d'entretien.
Nous avons déjà expliqué, dans la section ci-dessus, comment Agentic AI peut résoudre le problème de la « disponibilité des matériaux ».
Le module « Work Order Planner » permet également d'affecter des techniciens spécifiques à l'exécution d'une intervention, en tenant pleinement compte de la nature de la panne et des compétences requises pour mener à bien cette intervention.
Ces informations sont mises à disposition grâce à l'intégration avec les tables de données de base des salariés, qui détaillent les compétences et l'expérience professionnelle des techniciens, des consultants et des prestataires externes.
Gouvernance et maturité RCA
L'analyse des causes profondes (RCA) est une discipline qui permet aux professionnels de la maintenance et de la fiabilité d'identifier la cause profonde d'une défaillance, précisément afin d'éviter que de tels incidents ne se reproduisent à l'avenir.
Toute analyse des causes profondes doit s'appuyer sur une analyse technique rigoureuse, une documentation détaillée et des mesures à mettre en œuvre à l'avenir. En règle générale, ces éléments sont consignés dans l'ordre de travail.
D’une manière générale, on ne procède pas à une RCA pour chaque petit désagrément ou « pépin ».
Les entreprises fixent des seuils spécifiques dans le cadre de leur stratégie globale de gestion d'actifs ;
Voici quelques exemples de déclencheurs :
- Incidents HSE ou environnementaux : création automatique d'une demande d'analyse des causes profondes (RCA) dans le système GMAO ou EAM
- Incidents récurrents : acteurs ayant échoué à plusieurs reprises (au moins 4 fois) au cours d'une période glissante de 12 mois
- Perte opérationnelle : tout temps d'arrêt d'une machine ou d'une ligne de production dépassant une valeur spécifique – Par exemple : $10 000 ou plus
Dans un environnement EAM nativement basé sur l'IA, cependant, l'analyse des causes profondes (RCA) n'est pas simplement un document que l'on classe ; il s'agit d'une donnée dynamique qui transforme la manière dont l'ensemble de l'entreprise perçoit ses actifs et ses stocks.
Le défi: Le processus de documentation de l'analyse des causes profondes souffre d'un problème de « gouvernance ». La léthargie générale et les tendances humaines font que la documentation relative à l'analyse des causes profondes est incomplète et ne fournit aucun contexte permettant de déterminer avec précision quelle était la cause profonde.
Par exemple – L'ingénieur en fiabilité peut se contenter d'indiquer que le problème a été causé par une « panne du moteur de la pompe » sans fournir suffisamment de précisions sur :
- Qu'est-ce qui a exactement provoqué la panne du moteur ?
- Quelle est la probabilité que cela échoue à nouveau ?
- Durée approximative pendant laquelle la machine devrait fonctionner sans panne
- Quelles mesures faut-il prendre pour éviter que cela ne se reproduise à l'avenir ?
- Quelles ressources (pièces et main-d'œuvre) seront nécessaires pour remédier à la panne susceptible de se produire à l'avenir ?
Il s'agit là d'éléments de données essentiels pour une solution EAM, car ce contexte peut rendre la planification des stocks et des ressources extrêmement efficace.
Dans MRO360, Les workflows de gestion RCA sont essentiels et peuvent être configurés en quelques étapes simples ; ils obligent le technicien de terrain à mettre à jour les informations nécessaires relatives à la panne, comme détaillé ci-dessus, et ces informations sont intégrées à la couche d'intelligence du logiciel, permettant ainsi de relier la panne à l'équipement concerné.
Cela s'inscrit dans la stratégie de gestion des stocks, ce qui permet d'éviter les temps d'arrêt en cas de panne récurrente.
Maintenance axée sur la fiabilité
Dans le cadre de la maintenance axée sur la fiabilité, l'objectif évolue légèrement par rapport à ce qui précède. L'accent n'est plus tant mis sur le fait de « maintenir les équipements en état de fonctionnement » que sur la « continuité sans heurts des opérations ».
Il s'agit là d'une distinction subtile mais importante, qui reconnaît que tous les actifs ne nécessitent pas le même niveau d'attention, et qu'un entretien excessif des actifs non essentiels peut nuire autant à l'efficacité qu'un entretien insuffisant des actifs essentiels.
Selon l'ARC Advisory Group, 80% des équipements tombent en panne de manière aléatoire, sans rapport avec leur âge, ce qui remet fondamentalement en cause les programmes de maintenance basés sur le temps, qui partent du principe que l'usure suit une courbe prévisible.
Études FMEA et FMECA
En général, un Étude FMEA est réalisée afin de cerner tous les différents modes de défaillance possibles (Qu'est-ce qui peut mal tourner ?) et leurs effets (les conséquences en cas de défaillance)
Cette opération s'effectue généralement dans le cadre d'ateliers éprouvants qui s'apparentent davantage à un exercice d'alignement, au cours duquel les techniciens réalisent l'intégralité de l'analyse à la main.
Cette méthode est à la fois chronophage et source d'erreurs ; il s'agit en outre d'une estimation très statique qui ne tient pas compte des changements concrets ni de l'état réel des machines.
La solution :
Utilisation de l'IA pour analyser des milliers d'ordres de travail historiques et de manuels des équipementiers afin de remplir automatiquement les champs « Modes de défaillance » et « Effets de la défaillance ».
Calcul dynamique de l'indice de priorité des risques (RPN) en croisant les données des capteurs en temps réel avec le coût opérationnel lié à la panne d'une ligne spécifique.
Dans la section précédente, nous avons montré comment MRO360 s'appuie sur les meilleures pratiques de l'AMDEC et de l'AMDEC-sécurité, et comment il les améliore encore grâce à l'IA Agentic, qui s'appuie sur des données de première main.
Intégration des groupes « Run-to-Failure » (RTF)
L'un des principes fondamentaux de la gestion par cycles de maintenance (RCM) est qu'il faut accepter que certains actifs tombent en panne s'ils ne sont pas essentiels.
Stratégie visant à réduire les temps d'arrêt: Pour les ressources marquées comme Fonctionnement jusqu'à la défaillance Dans le logiciel, le système masque les alertes de maintenance préventive mais conserve une « Juste à temps » stock de pièces de rechange permettant, en cas de panne, de réduire le MTTR à quelques minutes, et non à plusieurs jours
| Approche | Quand postuler | Stratégie de gestion des stocks | Niveau de risque |
|---|---|---|---|
| Prédictif / Basé sur l'état | Actifs critiques dont les temps d'arrêt entraînent des coûts élevés | Stock basé sur les prévisions de la demande et classé par niveau de criticité | Élevé |
| Préventif / En fonction du temps | Équipements présentant des signes d'usure connus | Réapprovisionnement programmé selon les intervalles recommandés par le constructeur d'équipement d'origine (OEM) | Moyen |
| Fonctionnement jusqu'à la défaillance (RTF) | Actifs non essentiels et facilement remplaçables | Stock de remplacement « juste à temps » uniquement | Faible |
Optimisation dynamique de l’« intervalle entre tâches »
La gestion des revenus (RCM) ne se résume pas à « configurer et oublier ». Le logiciel offre la boucle de rétroaction nécessaire à l'amélioration continue.
Analyse mathématique: Le logiciel analyse la relation entre « âge » et « fiabilité ». Si la gestion de la maintenance basée sur la fiabilité (RCM) préconisait initialement le remplacement d’une pièce toutes les 1 000 heures, mais que le logiciel constate que les défaillances ne surviennent en réalité qu’à partir de 1 500 heures, il repousse automatiquement l’intervalle de maintenance, ce qui permet de réaliser des économies sans augmenter les risques.
Utiliser un logiciel pour suivre les points de « défaillance fonctionnelle » par rapport aux points de « défaillance potentielle » (l'intervalle P-F) afin de déterminer avec précision le moment où un technicien doit intervenir.
Pour les équipements classés en mode « Run-to-Failure », le système désactive les alertes de maintenance préventive tout en gérant un stock « juste à temps » de pièces de rechange, ce qui garantit que les pannes sont résolues en quelques minutes plutôt qu’en plusieurs jours.
Conclusion
Les temps d'arrêt des actifs ne constituent pas un problème isolé pour lequel il existerait une solution unique. Il s'agit du résultat cumulé du vieillissement des actifs, des lacunes dans les stocks, des contraintes en matière de main-d'œuvre, des défaillances dans la documentation et des signaux prédictifs non détectés, tous ces facteurs s'alimentant mutuellement.
Les entreprises qui excellent en matière de disponibilité ne sont pas nécessairement celles qui consacrent le plus de moyens à la maintenance. Ce sont celles qui ont investi dans une infrastructure de données adaptée, qui ont établi un lien entre les incidents de panne et la planification des stocks, et qui ont mis en place une discipline organisationnelle leur permettant d'agir en fonction des informations fournies par les données, avant la panne, et non après.
Le passage d'une gestion réactive à une gestion proactive des actifs n'est plus un simple objectif à long terme. Grâce à une intelligence artificielle spécialement conçue à cet effet, à des outils connectés d'analyse des ordres de travail et à des logiciels d'optimisation des pièces de rechange, c'est aujourd'hui une réalité opérationnelle à la portée des entreprises disposant d'un parc d'actifs important.
