Les indicateurs de fiabilité tels que le MTTF ont été conçus pour une ère industrielle plus simple, où les chaînes d’approvisionnement étaient stables, les équipements standardisés et où les conséquences des défaillances se limitaient essentiellement aux coûts de maintenance. Les activités d’aujourd’hui sont confrontées à un paysage de risques fondamentalement différent.
Ce qui peut sembler, sur le papier, être un problème mineur de fiabilité peut, dans la pratique, se traduire par un arrêt de production, un risque de sanctions réglementaires ou une rupture d'approvisionnement. Les décisions de la direction nécessitent donc une bonne compréhension du contexte opérationnel, et pas seulement des moyennes statistiques.
Bref historique et nécessité du MTTF
Depuis que les équipements industriels existent, les opérateurs sont confrontés à la même question fondamentale : quand cet équipement va-t-il tomber en panne, et aurai-je la pièce de rechange nécessaire le moment venu ?
Pendant la majeure partie de l'histoire de l'industrie, la réponse résidait dans l'expérience, l'intuition et le savoir-faire ancestral transmis de génération en génération par les ingénieurs de maintenance.
Au milieu du XXe siècle, à mesure que les systèmes industriels gagnaient en complexité, cette approche n'était plus valable. Les ingénieurs avaient besoin d'un moyen de quantifier la fiabilité, afin de transformer la question « quand cela va-t-il tomber en panne ? » en un élément mesurable et comparable.
Le « temps moyen avant défaillance » (MTTF) est devenu cette valeur. Il offrait un indicateur simple et standard : la durée moyenne pendant laquelle un composant est censé fonctionner avant de tomber en panne.
Pour les composants non réparables, il s'agit du MTTF ; pour les systèmes réparables, l'équivalent est le temps moyen entre pannes (MTBF). Ces deux notions sont étroitement liées et souvent utilisées de manière interchangeable, bien qu'elles soient techniquement distinctes.
L'élégance de cet indicateur résidait dans sa simplicité. Il transformait un concept abstrait, à savoir la durée de vie prévue d'un composant physique, en un chiffre exploitable sur lequel les ingénieurs de maintenance, les équipes d'approvisionnement et les responsables d'exploitation pouvaient s'appuyer pour agir.
Le MTTF n'a pas seulement défini les calendriers de maintenance. Il a façonné la manière dont toute une génération d'ingénieurs a envisagé les actifs comme des objets dotés d'une durée de vie prévisible, pouvant être gérés grâce au raisonnement statistique.
Si le MTTF mérite d’être examiné avec attention, c’est en raison de l’ampleur des enjeux lorsque la planification de la maintenance est mal menée.
Les défaillances des équipements ne constituent pas seulement un désagrément technique ; elles se traduisent directement par des pertes de production, des coûts d'approvisionnement d'urgence et, dans certains cas, des incidents liés à la sécurité et à l'environnement.
Les chiffres ci-dessous donnent une idée du contexte opérationnel dans lequel s'inscrivent les décisions fondées sur le MTTF.
Cette vision perdure aujourd'hui encore. Il suffit de se rendre au service de planification de la maintenance de n'importe quel grand opérateur industriel, qu'il s'agisse d'une raffinerie de pétrole, d'une société minière ou d'une usine chimique, pour constater que les indicateurs MTTF et MTBF sont toujours au cœur des discussions.
Ils apparaissent dans les études de maintenance axée sur la fiabilité, dans analyses des modes de défaillance et de leurs effets, dans la configuration SAP PM, ainsi que dans les plans de maintenance préventive de Maximo.
Comment calculer la durée moyenne de fonctionnement (MTTF) : exemples concrets
Fondamentalement, le MTTF correspond à la valeur attendue de la distribution des durées de défaillance d'un composant. Sa définition formelle est la suivante :
Dans la pratique, la plupart des équipes de maintenance n'utilisent pas directement cette intégrale. Elles recourent à la version simplifiée qui découle de l'hypothèse d'un taux de défaillance constant, à savoir la distribution exponentielle :
C'est cette hypothèse de taux constant qui rend le MTTF simple à calculer et à utiliser.
Exemple concret : les trois composants d'une pompe centrifuge
Prenons l'exemple d'une pompe centrifuge intégrée au circuit d'eau de refroidissement d'une raffinerie. Un ingénieur en fiabilité souhaite calculer le MTTF de trois composants clés et utiliser ces chiffres pour définir les intervalles de maintenance préventive et les niveaux de stock de sécurité. Voici comment ce calcul s'effectue concrètement :
| Composant | Défaillances constatées | Nombre total d'heures de fonctionnement | Taux de défaillance (λ) | MTTF | Intervalle recommandé entre les prises de PM |
|---|---|---|---|---|---|
| Garniture mécanique | 6 échecs | 12 000 heures | 0,0005 /h | 2 000 heures (environ 12 mois) | À remplacer après 1 600 heures |
| Roulement (radial) | 3 échecs | 18 000 heures | 0,000167 /h | 6 000 heures (environ 36 mois) | Inspection à 4 500 heures |
| Roue | 1 échec | 15 000 heures | 0,0000667 /h | 15 000 heures (environ 7 ans) | Vérifier lors d'une révision générale |
Le MTTF de 2 000 heures de la garniture mécanique impose au service des stocks de conserver en permanence au moins une garniture de rechange en stock. Le MTTF de 6 000 heures du roulement justifie une priorité de stockage moindre.
Avec un MTTF de 15 000 heures, la roue est une pièce commandée à la demande pour la plupart des exploitations. Ce MTTF remplit parfaitement la fonction pour laquelle il a été conçu, et ce avec brio.
Le calcul simple ci-dessus part du principe que les défaillances surviennent à un rythme constant tout au long de la durée de vie du composant. En réalité, la plupart des composants suivent une courbe dite « en baignoire » : des taux de défaillance plus élevés à l'état neuf (mortalité infantile due à des erreurs d'installation), une période intermédiaire stable, puis des taux de défaillance croissants à mesure que le composant vieillit et s'use.
La distribution de Weibull reflète cette réalité. Son paramètre de forme β indique dans quelle partie de la courbe se situe un composant :
La plupart des plateformes EAM partent du principe d'un taux de défaillance constant (β = 1, ligne verte en pointillés). Les actifs industriels réels en phase d'usure présentent un β > 1, ce qui signifie que le MTTF sous-estime systématiquement le risque à mesure que les équipements vieillissent. (Source : Magazine « Reliability »)
| Valeur β | Phase du cycle de vie | Ce que cela signifie pour l'exemple du joint de pompe |
|---|---|---|
| β < 1 | Mortalité infantile | Le joint présente une défaillance peu après son installation. Cause probable : montage incorrect, choix d'une qualité inadaptée. Un calcul standard du MTTF basé sur ces données sous-estimera la durée de vie normale en service. |
| β = 1 | Au hasard / Durée de vie utile | Les défaillances surviennent à un rythme constant et imprévisible. Le MTTF constitue ici un outil de planification valable. C'est la seule phase où l'hypothèse standard relative au MTTF est mathématiquement valable. |
| β > 1 | Usure | Le joint vieillit et le taux de défaillance augmente. Un intervalle de maintenance préventive fixé à 80% de MTTF, sur la base des données recueillies en début de vie, sera désormais trop long, et des défaillances surviendront avant le remplacement prévu. |
La plupart des plateformes EAM utilisent par défaut des distributions exponentielles (β = 1). Pour les actifs industriels vieillissants, il est courant que β soit supérieur à 1, ce qui rend le MTTF statique peu fiable.
A Étude de la NASA portant sur 30 roulements identiques soumis à des essais de rupture dans des conditions contrôlées, cité dans le magazine Reliability, a mis en évidence une variance si élevée que les calendriers de remplacement standard basés sur le MTTF sont devenus statistiquement indéfendables.
Le lien entre le MTTF et la planification des stocks est direct. La plupart des systèmes ERP calculent le stock de sécurité à l'aide d'une formule dérivée du taux de défaillance :
Pour le joint de pompe de notre exemple : si le MTTF est de 2 000 heures, que le niveau de service cible est de 95% (Z = 1,65) et que le délai de livraison du joint par son fournisseur présente un écart-type de 2 semaines, le calcul du stock de sécurité aboutira à une recommandation précise concernant le nombre d'unités à stocker.
Il est essentiel de noter que si la valeur de MTTF utilisée est erronée, parce qu’elle a été calculée à partir d’une population hétérogène ou dans des conditions d’exploitation différentes, toutes les décisions d’inventaire prises en aval seront erronées dans la même proportion.
Le rôle du MTTF dans la maintenance et la gestion des stocks MRO
Avant d'aborder ses limites, il convient de souligner clairement les points forts du MTTF, car dans le discours technologique, on a souvent tendance à écarter l'ancien au profit du nouveau. Ce serait une erreur dans le cas présent.
Les êtres humains ont du mal à évaluer correctement la probabilité de défaillance à long terme. Nous surestimons la fiabilité des équipements que nous venons de faire réviser et sous-estimons la détérioration des équipements qui fonctionnent sans problème apparent.
Le MTTF oblige les organisations à remplacer l'intuition par le calcul. Une pompe dont le MTTF est de 18 mois se moque bien de savoir si le technicien de maintenance estime qu'elle semble en bon état. Cette statistique n'est pas une opinion.
Les ingénieurs de maintenance, les équipes d'approvisionnement, les responsables d'exploitation et les directeurs financiers doivent tous aborder la question des risques liés aux actifs. Le MTTF leur fournit un vocabulaire commun.
Sa normalisation dans ISO 14224, MIL-HDBK-217, et grâce à la norme CEI 60812, un ingénieur en fiabilité qui change de secteur d'activité n'a pas besoin d'apprendre un nouveau cadre de travail.
Sans estimation de la durée de vie résiduelle prévue, la planification de la maintenance préventive risque d'être soit trop prudente, entraînant le remplacement de pièces dont la durée de vie résiduelle est encore importante, soit trop laxiste, conduisant à attendre que les composants tombent en panne.
Le MTTF sert de référence rationnelle. Un roulement radial dont le MTTF est de 6 000 heures doit être inspecté à 4 500 heures, ni à 3 000 (ce qui serait un gaspillage), ni à 8 000 (ce qui serait risqué).
Le joint de pompe qui tombe en panne toutes les 2 000 heures sur un parc de dix pompes génère une demande annuelle prévisible en joints. Cette estimation de la demande, aussi imparfaite soit-elle, constitue le fondement de la logique de réapprovisionnement du magasin.
Chaque évaluation de la criticité des pièces de rechange repose en fin de compte sur une version ou une autre de cette conversion du taux de défaillance en demande.
Le MTTF n'est pas faux. Il est incomplet. Cette distinction revêt une importance capitale lorsqu'il s'agit de décider de la prochaine étape de développement.
Qui détient MTTF dans le secteur industriel ?
Contrairement à l'analyse FMEA, dont la responsabilité est clairement définie et répartie entre plusieurs services, la responsabilité de la méthode MTTF a tendance à être fragmentée au sein de l'organisation.
Comprendre où il est présent et où il ne l'est pas permet d'expliquer pourquoi ses limites sont souvent négligées.
Ingénierie de la fiabilité
Calcule le MTTF à partir des données d'historique des pannes enregistrées dans la GMAO, définit les intervalles de maintenance préventive, et est généralement la seule fonction à maîtriser les hypothèses statistiques qui sous-tendent ce chiffre. C'est souvent la seule à pouvoir déterminer si l'hypothèse β de Weibull est valable pour un équipement donné.
Planification de la maintenance et approvisionnement MRO
Utilise les estimations de la demande issues du MTTF pour définir les seuils de réapprovisionnement et les niveaux de stock de sécurité dans le système ERP. Remet rarement en question la qualité des données MTTF fournies et dispose d’une visibilité limitée sur la pertinence du taux de défaillance utilisé au regard des conditions d’exploitation actuelles.
Opérations / Gestion de l'usine
Entraîne les conséquences d'une estimation erronée du MTTF, sous la forme soit d'arrêts imprévus, soit de coûts de maintenance excessifs. Fournit le contexte de production (quel est le niveau de criticité de cet équipement aujourd'hui, à quel niveau fonctionne-t-il réellement ?) que les calculs du MTTF intègrent rarement.
Dans la plupart des entreprises industrielles, la personne chargée de calculer le MTTF (ingénierie de la fiabilité) et celle qui s’en sert pour prendre des décisions en matière de stocks (approvisionnement MRO) travaillent dans des systèmes distincts, avec des indicateurs de performance clés (KPI) séparés, et n’ont que peu d’interaction entre elles. L'estimation du taux de défaillance est transférée par-delà ce fossé une seule fois, lors de la mise en œuvre de l'EAM ou au cours d'une révision annuelle, puis utilisée jusqu'à ce qu'une panne suffisamment grave vienne nécessiter un nouveau calcul. C'est de cette séparation qu'émane une part importante tant des excédents de stock que du risque de rupture de stock.
Les limites structurelles du MTTF
Lors des échanges avec des clients qui s'appuient largement sur le MTTF comme principal indicateur de planification, les mêmes limites reviennent systématiquement. Il ne s'agit pas là de critiques théoriques, mais bien de défaillances opérationnelles qui apparaissent dans les rapports sur les pertes de production.
La validité statistique de la méthode MTTF repose sur une population de composants identiques fonctionnant dans des conditions identiques. Cette hypothèse est valable en laboratoire, dans un environnement contrôlé. Elle l'est rarement sur un site industriel.
Dans le cas de deux pompes centrifuges nominalement identiques installées dans la même installation, la pompe A fonctionne à 80% de sa capacité nominale avec de l'eau pure à 20 °C. La pompe B fonctionne à 110% de sa capacité nominale avec un fluide légèrement corrosif à 35 °C.
Leurs garnitures mécaniques portent la même référence fabricant. Leurs distributions réelles de défaillance présentent toutefois des différences significatives.
Un MTTF unique, calculé à partir de la population combinée des deux pompes, ne fournit aucune information fiable sur chacune d'entre elles en particulier.
Étude publiée dans le magazine *Reliability* souligne précisément ce point : à mesure que les organisations améliorent leurs pratiques en matière de fiabilité et commencent à analyser les données de défaillance au niveau spécifique de chaque actif plutôt qu’au niveau de la catégorie de composants, la variance autour des valeurs MTTF de la population augmente généralement au lieu de diminuer, car cela permet de mettre en évidence des modes de défaillance plus spécifiques à chaque actif, qui étaient auparavant masqués par la moyenne.
C'est justement pour cela que mise en place d'un programme de criticité au niveau de chaque actif, plutôt qu’au niveau des classes de composants, donne des résultats nettement différents.
Étude de cas client
Une grande raffinerie de la côte du Golfe a constaté que son programme de maintenance préventive basé sur le MTTF entraînait à la fois une maintenance excessive de 40% de ses pompes (remplacement de composants dont la durée de vie restante était encore importante) et une maintenance insuffisante de 23% (composants manquants qui se détérioraient plus rapidement que la moyenne du parc). Le coût de la maintenance excessive était masqué par des frais de main-d'œuvre et de matériel superflus. Le coût de la maintenance insuffisante apparaissait dans le rapport sur les pertes de production. Aucun de ces deux coûts n'apparaissait dans le calcul du MTTF.
La durée de vie moyenne (MTTF) est calculée à partir de données historiques dans un ensemble spécifique de conditions d'exploitation. Dès que ces conditions changent, la valeur calculée commence à s'écarter de la réalité.
Plusieurs variables reviennent régulièrement dans la littérature consacrée à l'ingénierie de la fiabilité comme étant les plus déterminantes :
| Variable | Incidence concrète sur le taux de défaillance | Ce que fait le MTTF avec cela |
|---|---|---|
| Charge d'exploitation supérieure à la capacité nominale | Les composants s'usent plus rapidement ; les joints et les roulements sont particulièrement sensibles à la surpression et à la chaleur | Non modélisé. Le MTTF calculé à la charge nominale reste inchangé. |
| Température ambiante et température de processus | Le principe d'Arrhenius montre que la durée de vie des roulements et de l'isolation diminue de moitié à chaque augmentation d'environ 10 °C au-delà de la température nominale. | Non pris en compte dans le modèle. La température n'est pas une variable dans les calculs MTTF standard. |
| Modification de la composition du fluide de procédé | Un joint conçu pour des fluides à pH neutre se détériore nettement plus rapidement dans un environnement acide ou avec des fluides à haute viscosité. | Non modélisé. La durée moyenne avant défaillance (MTTF) calculée à partir des données de service neutre continue d'être utilisée. |
| Qualité de l'installation et de l'entretien | Les défaillances entraînant la mortalité infantile après une opération de maintenance sont fréquentes lorsque les joints ou les roulements sont remontés de manière incorrecte. | Ces défaillances précoces faussent à la baisse la valeur de la MTTF de la population sans en expliquer la raison. |
| Humidité et environnement corrosif | Dégradation accélérée de la surface des joints mécaniques et des contacts électriques dans les environnements côtiers ou humides des installations industrielles | Non pris en compte dans la modélisation, sauf si les données de défaillance spécifiques au site sont distinguées de celles de l'ensemble de la population. |
Le MTTF est calculé à partir des données historiques de défaillance. Il décrit ce qui s'est produit au passé au sein d'un ensemble de composants. Or, un responsable de la planification de la maintenance prend des décisions concernant l'avenir : quels composants vont tomber en panne, à quel moment, et quels composants doivent être en stock lorsque cela se produira.
Un roulement qui vibre actuellement à une fréquence deux fois supérieure à sa fréquence de base ne transmet pas cette information au calcul du MTTF.
Un transformateur dont la température est supérieure de cinq degrés à la normale en raison d'un problème d'installation survenu il y a six mois n'apparaît pas dans les statistiques globales. Au moment où ce nouvel incident est intégré à l'ensemble de données et où le MTTF est mis à jour, le mal est déjà fait.
Le MTTF vous indique quand un composant est susceptible de tomber en panne. Il ne vous donne aucune indication quant à la disponibilité de la pièce de rechange au moment où cela se produira.
Il s'agit là de la lacune la plus importante, et celle qui ne fait pratiquement l'objet d'aucune attention dans la littérature classique consacrée à l'ingénierie de la fiabilité.
Le joint d'une pompe de raffinerie a un MTTF de 2 000 heures. L'ingénieur en fiabilité fixe un intervalle de maintenance préventive de 1 600 heures. L'équipe des achats définit un seuil de réapprovisionnement en fonction de ce taux de défaillance. Ce que le modèle ignore : le seul fournisseur agréé pour ce joint a un délai de livraison de 14 semaines en raison de contraintes de fabrication. Le stock est épuisé. Le joint tombe en panne à 1 700 heures. En raison du délai de livraison, la pompe fonctionne pendant 6 semaines avec un joint défectueux avant que le remplacement n'arrive. Le MTTF était correct. Le système a néanmoins connu une défaillance.
Lorsque les estimations de la demande issues du MTTF sont transmises aux équipes chargées des achats, celles-ci se retrouvent confrontées à un problème statistique que le MTTF n'a jamais été conçu pour résoudre.
Une pièce d'étanchéité essentielle d'une pompe, qui s'use tous les 14 mois, ne génère pas un signal de demande régulier. Elle produit une série de zéros entrecoupés de « 1 » occasionnels.
Une roue qui reste inutilisée pendant trois ans, puis qui est sollicitée à deux reprises en six semaines, ne constitue pas une anomalie dans la planification. Il s'agit d'un schéma tout à fait normal pour les pièces de rechange à faible volume et à haut niveau de criticité.
Les méthodes de prévision classiques, telles que les moyennes mobiles et le lissage exponentiel, appliquées à ces séries de données intermittentes, aboutissent systématiquement à des résultats erronés.
Ils surestiment les prévisions pour les articles connaissant des pics de demande occasionnels et sous-estiment celles pour les articles dont la consommation est rare mais concentrée sur certaines périodes.
La littérature scientifique sur ce sujet est bien établie : La méthode de Croston (1972), mise au point spécifiquement pour la demande intermittente, a montré que le lissage exponentiel standard n'était pas adapté d'un point de vue statistique à ces profils, et ses variantes ont été validées à partir des données d'inventaire de la RAF couvrant plus de 11 000 références de pièces de rechange.
Un équipement fonctionnant avec du matériel vieux de 20 ans n'est pas seulement exposé aux risques de défaillance pris en compte par le MTTF. Il est confronté à un risque croissant que le MTTF ne permet pas de prendre en compte : les pièces nécessaires à sa réparation ne sont peut-être plus fabriquées.
Le MTTF calculera correctement que la durée de vie moyenne d'un actionneur de vanne critique est de 36 mois, et ce jusqu'au jour où le fabricant d'équipement d'origine (OEM) arrête la production de ce composant.
À ce stade, le magasin pourrait disposer d'un stock suffisant pour trois mois, aucune alternative valable n'aurait été identifiée, et il faudrait compter un délai d'approvisionnement de 12 mois pour trouver un produit de substitution. Le risque de défaillance n'a pas changé. C'est le risque d'approvisionnement qui a rendu cet actif ingérable.
Dans les secteurs à forte intensité capitalistique, où la durée de vie des équipements dépasse couramment 30 à 40 ans, l'obsolescence n'est pas un cas isolé. Il s'agit d'un risque systématique et croissant que les indicateurs de fiabilité statiques sont structurellement incapables de refléter.
Une analyse MTTF standard ne fait pas la distinction entre la défaillance d'un joint $12, qui entraîne un retard de 30 minutes, et celle d'une vanne de régulation $4 000, qui met une unité de production à l'arrêt pendant six jours. Dans les deux cas, il s'agit de défaillances. Les deux contribuent à la statistique MTTF.
Mais les conséquences ne sont absolument pas comparables, et une stratégie de maintenance qui les traite comme équivalentes entraîne systématiquement une mauvaise répartition des ressources : elle consacre trop de moyens à la prévention des défaillances aux conséquences mineures et pas assez à celle des défaillances aux conséquences graves.
Le coût lié au recours à un taux de défaillance statique
Dans la gestion des stocks MRO, un MTTF inexact engendre le même problème à double tranchant que celui causé par des scores de criticité erronés dans l'analyse FMEA : un excès de stock et une rupture de stock simultanés, chacun ayant des conséquences coûteuses à leur manière.
Un équipement dont le taux de défaillance réel est supérieur à ce qu'indique le MTTF, soit parce que les conditions d'exploitation ont changé, soit parce que le composant est en phase d'usure, soit parce que la moyenne sur l'ensemble de la population masque les contraintes spécifiques au site, tombera en panne avant la date de remplacement prévue.
Si la pièce n'est pas en stock et que le délai d'approvisionnement du fournisseur s'étend sur plusieurs semaines plutôt que sur quelques jours, cela entraîne un arrêt imprévu de la production.
Dans le secteur pétrolier et gazier, Enquête « La valeur de la fiabilité » 2025 d'ABB Une enquête menée auprès de 3 600 décideurs à l'échelle mondiale a révélé que 83% d'entre eux estimaient que les temps d'arrêt imprévus coûtaient au moins $10 000 par heure, ces coûts pouvant atteindre $500 000 par heure pour les principales unités de traitement.
Un équipement dont le taux de défaillance est inférieur à la moyenne du parc, parce qu’il fonctionne à faible charge, dans un environnement favorable ou grâce à un entretien de très bonne qualité, aura des pièces qui resteront en stock et mobiliseront du capital.
Chaque pièce de rechange en stock engendre un coût de détention annuel estimé entre 20 et 30% de sa valeur, qui couvre le coût d'investissement du stock, les frais généraux liés à la gestion de l'entrepôt et les dépenses liées à la logistique.
En pratique, cela se traduit par un service de maintenance qui se bat sans cesse sur deux fronts : d'un côté, il doit se démener pour se procurer des pièces essentielles à des prix exorbitants, tandis que de l'autre, il doit gérer un entrepôt surchargé de pièces qui ne seront jamais utilisées. Ces deux problèmes trouvent leur origine dans une même cause profonde : un taux de défaillance calculé à partir de données historiques, dans des conditions historiques, et qui n’est pas mis à jour à mesure que la réalité évolue.
Une étude menée par Verdantis auprès de près de 1 900 cadres supérieurs issus des secteurs minier, pétrolier et énergétique, des services publics et de l'industrie manufacturière a révélé que 51% a cité les problèmes de qualité des données dans les opérations de maintenance, de réparation et de révision (MRO) comme l'un des principaux défis, et le code 49% a signalé des incohérences dans les données de base des fournisseurs.
Il ne s'agit pas de lacunes technologiques. Ce sont des défaillances en matière de gestion des données qui rendent tout modèle, qu'il soit basé sur le MTTF ou non, peu fiable au moment de la prise de décision.
Au-delà du MTTF : comment la gestion moderne des actifs fait évoluer l'approche
Il n'est pas nécessaire de remplacer le MTTF. Il faut le considérer pour ce qu'il est : un point de départ, et non une fin en soi.
La question est de savoir quels éléments de contexte, quelles données et quelles capacités d'analyse supplémentaires peuvent y être ajoutés pour aboutir à des décisions plus précises, plus actuelles et plus complètes.
La gestion moderne des actifs d'entreprise tend à considérer la probabilité de défaillance comme une variable parmi d'autres, plutôt que comme la variable principale qui détermine toutes les décisions en aval.
Un modèle de criticité pertinent pour une pièce de rechange ne se contente pas de poser la question « À quelle fréquence ce composant tombe-t-il en panne en moyenne ? », mais s'interroge également sur les conséquences pour la production si une panne survient aujourd'hui. Quel est le délai de livraison actuel du fournisseur ? Existe-t-il un substitut homologué ? Le fabricant a-t-il signalé un risque de fin de vie pour ce composant ? Y a-t-il une usine jumelle qui dispose d'un stock ?
Questions relatives à la planification basée uniquement sur le MTTF
Questions relatives à la criticité multivariable
C'est là l'évolution concrète que des outils tels que le Module de criticité MRO 360 autour desquels s'articulent.
Plutôt que de remplacer la probabilité de défaillance calculée à partir du MTTF, ils l'intègrent comme l'un des paramètres d'un modèle plus large qui tient également compte de l'historique des délais de livraison des fournisseurs, de la visibilité des stocks entre les sites, du contexte de planification de la production, de la substituabilité des pièces et de leur statut d'obsolescence.
Le modèle MTTF reste inchangé. Ce qui change, ce sont les données qui lui sont fournies et la fréquence à laquelle toutes ces données sont actualisées.
| Dimension | Planification basée sur la MTTF | Criticité multivariable |
|---|---|---|
| Fréquence des mises à jour | Définie lors de la mise en œuvre de l'EAM ; mise à jour peu fréquente | En continu, réévaluée à mesure que les conditions d'exploitation évoluent |
| Champ d'application | Moyenne de la population pour une classe de composants | Spécifique à chaque actif, tenant compte du contexte opérationnel propre à chacun |
| Variables | Uniquement le temps avant défaillance | Probabilité de défaillance, délai de livraison du fournisseur, criticité, substituabilité, statut d'obsolescence |
| Prévision de la demande | Lissage exponentiel standard ; statistiquement inadapté à une demande de maintenance, de réparation et de révision (MRO) intermittente | Méthodes spécialement conçues pour la demande intermittente (méthode de Croston et ses variantes), validées à partir de données sur les pièces de rechange |
| Risque lié aux fournisseurs | N'apparaît pas dans le modèle | Intégré : historique des délais de livraison et fiabilité des livraisons par combinaison « pièce-fournisseur » |
| Obsolescence | Aucun mécanisme ; les événements liés à la fin de vie d'un produit restent invisibles jusqu'à ce qu'ils entraînent une rupture de stock | Suivi : suivi de l'état du cycle de vie du fabricant ; identification proactive des produits de substitution |
| Résultat | Intervalle entre deux entretiens de maintenance, en heures ou en mois | File d'attente des tâches classées par niveau de risque, avec indication de l'impact financier et de l'état de la chaîne d'approvisionnement |
Méthodologies connexes
Le MTTF est rarement utilisé de manière isolée par les organisations disposant de programmes de fiabilité bien établis. Il s'inscrit dans un écosystème plus large de cadres analytiques, chacun abordant le problème de la défaillance des actifs sous un angle différent.
| Cadre | Approche | Lien avec le MTTF |
|---|---|---|
| FMEA / FMECA | Identification systématique des modes de défaillance, de leurs effets et des scores de priorité des risques pour l'ensemble des composants | Le MTTF est pris en compte dans le score « Fréquence d'occurrence » (O) de l'analyse FMEA. L'analyse FMEA fournit le contexte des modes de défaillance qui rend le MTTF plus facile à interpréter. |
| Maintenance axée sur la fiabilité (RCM) | Approche globale visant à déterminer les tâches de maintenance nécessaires, sur la base d'une analyse des défaillances fonctionnelles | La méthode RCM utilise le MTTF comme l'un des critères pour définir les intervalles entre les tâches. Elle examine également si la maintenance basée sur le temps (fondée sur le MTTF) constitue réellement la stratégie appropriée pour un mode de défaillance donné. |
| Analyse par arbre de défaillance (FTA) | Méthode déductive descendante qui part d'une défaillance connue et en identifie les causes profondes | Alors que le MTTF pose la question « À quelle fréquence cette défaillance survient-elle ? », le FTA demande « Pourquoi cette défaillance spécifique s'est-elle produite ? ». Ces deux approches sont complémentaires : le MTTF quantifie la fréquence, tandis que le FTA en explique la cause. |
| Inspection fondée sur les risques (RBI) | Hiérarchise les activités d'inspection en fonction de la gravité et de la probabilité d'une défaillance de l'équipement | La méthode RBI prend en compte à la fois la probabilité de défaillance (liée au MTTF) et les conséquences d'une défaillance. Elle s'applique principalement aux équipements statiques : récipients sous pression, tuyauteries, réservoirs. |
| Fiabilité, disponibilité et maintenabilité (RAM) | Analyse quantitative modélisant la fréquence des pannes des équipements, la rapidité de leur remise en service et leur disponibilité pour la production | Le MTTF alimente directement l'analyse RAM. L'analyse RAM permet de traduire les taux de défaillance au niveau des composants en prévisions de disponibilité au niveau du système. |
