stratégie de maintenance préventive de type âge
Transcription
stratégie de maintenance préventive de type âge
3e Conférence Francophone de MOdélisation et SIMulation «Conception, Analyse et Gestion des Systèmes Industriels» MOSIM’01 – du 25 au 27 avril 2001 – Troyes (France) STRATÉGIE DE MAINTENANCE PRÉVENTIVE DE TYPE ÂGE : APPROCHE BASÉE SUR L'INTEGRATION DE LA SIMULATION ET DES PLANS D'EXPÉRIENCE Ali Gharbi, Yves Beauchamp et Sylvia Andriamaharosoa École de technologie supérieure, Université du Québec, 1100 rue Notre-Dame Ouest, Montréal, (Québec), Canada, H3C 1K3 RÉSUMÉ : La politique de maintenance traitée dans cet article est de type âge. Elle vise à minimiser les coûts moyens de remplacement d'un système sujet à des défaillances aléatoires. L’expression analytique du coût moyen de remplacement a déjà été développée pour cette stratégie dans la littérature. Les conditions d’existence et d’unicité d’un optimum ont aussi déjà été établies. Des simulations utilisant les distributions de probabilité des pannes Normale tronquée, Lognormale sont effectués. Elles permettent de vérifier et valider les résultats analytiques de coûts optimaux établis précédemment. Des plans d’expérience sont ensuite utilisés pour étudier le comportement du coût moyen de remplacement dans la zone autour du temps de remplacement optimal. Une zone optimale pour le temps de remplacement au lieu d'une valeur unique, permettrait de mieux planifier les activités d'entretien et ainsi de moins perturber la production. MOTS-CLÈS : Maintenance préventive, Simulation, Plans d'expérience, Optimisation. 1. INTRODUCTION La stratégie de maintenance de type âge consiste à faire un remplacement préventif seulement lorsque l’équipement a atteint l’âge T soit la période de remplacement préventif choisie. La durée de la période T est déterminée de façon à effectuer un remplacement préventif un peu avant le moment où on estime que l’équipement risque de tomber en panne. Toutefois, si une panne survient avant l'âge T, un remplacement correctif est effectué. Les instants de panne arrivent de façon aléatoire, qu'on représente par des distributions de probabilité (normale, lognormal, weibull, exponentielle, etc.). La stratégie optimale est définie par la détermination de l'âge optimal de remplacement préventif T* qui minimise le coût total moyen par unité de temps sur un horizon infini. Le modèle mathématique de cette stratégie a déjà été développé par Barlow et Proschan (1965), sous certaines hypothèses (l'équipement ne peut être qu'en deux état, en opération ou en panne, les pannes sont détectées instantanément, les temps des actions préventives et correctives sont négligeables, suite à une intervention l'équipement est remis à neuf, le coût de remplacement préventif est inférieur au coût correctif). Le modèle développé est difficile à résoudre analytiquement. Il est résolu à l'aide de méthodes numériques. Barlow et Proschan (1965) ont démontré que si le taux de panne du système est une fonction monotone croissante, alors il existe une stratégie optimale finie et unique définie par T*. Il est intéressant de noter que le coût total d'une telle stratégie est toujours inférieur à une stratégie de maintenance purement corrective. La politique de maintenance de type âge semble être préférable, d'un point de vue économique, à celle du type bloc qui consiste à remplacer les composants défaillants aux instants k.T (k=1,2,3…). En effet, la politique de type âge est basée sur l'utilisation effective de l'équipement. Elle permet donc d'éviter le remplacement d'un équipement neuf après une courte période de la date de son installation. Cependant, plusieurs auteurs s'accordent sur le fait que la politique de type âge est plus difficile à administrer que celle de type bloc, car elle nécessite à la fois une surveillance continue et un enregistrement de l'information sur l'utilisation de l'équipement Cléroux et Ait-kadi (1988). Différentes caractéristiques de la politique de type âge ont été analysées par Barlow et Hunter (1960), Barlow et Proschan (1962, 1965) et Nachlas (1987). L'équipement analysé peut avoir un cycle de travail variable de telle sorte que le remplacement préventif soit impossible ou impraticable. Dans ce cas, la politique de maintenance devrait être aléatoire pour profiter du temps d'inactivité de l'équipement pour effectuer le remplacement (Flehinger (1962)). Idéalement, on devrait développer des modèles qui traitent simultanément de la gestion de la production et de la maintenance. - 797 - MOSIM’01 – du 25 au 27 avril 2001 – Troyes (France) âge. Ensuite, on prouvera à l'aide de cette approche que le temps optimal de remplacement préventif se trouve dans un intervalle dans lequel il n'y a pas de différence significative de coût. Le reste de l'article est organisé comme suit : la section 2 décrit brièvement le modèle de simulation et ses résultats ; la section 3 présente la méthodologie d'analyse expérimentale qui permet de trouver une zone optimale de temps de remplacement préventif ; la section 4 présente une conclusion où l'on discute des avantages des résultats obtenus. Cependant, il est difficile, voir même impossible d'obtenir une forme analytique de la fonction économique de tels modèles, surtout pour des systèmes de taille raisonnable. On pense que si on peut modifier la stratégie de type âge de telle sorte, qu'au lieu de trouver une valeur optimale unique (T*) à laquelle il faut effectuer une maintenance préventive, on puisse avoir un intervalle de temps dans lequel il serait économique d'effectuer le remplacement préventif alors on pourrait réduire considérablement un inconvénient majeur de la stratégie de type âge et, par conséquent, on se rapprocherait d'une meilleure intégration de la gestion de la production et de la maintenance. 2. MODÈLE DE SIMULATION Un modèle de simulation de la stratégie de maintenance a été développé à l'aide du langage Visual SLAM (Pritskert, et al. 1997). Le logigramme de la figure. 1 illustre la logique de ce modèle. Dans ce qui suit, on utilisera une intégration de modèle de simulation et de plan d'expérience pour d'abord valider le résultat obtenu par Barlow et Proschan (1965) concernant la stratégie de maintenance de type Stratégie de maintenance de type âge Génération d'un instant de panne t* oui non t* < T Temps écoulé = temps écoulé + t* Temps écoulé = temps écoulé + T Panne Remplacement préventif Coût cumulatif = coût cumulatif + coût de remplacement par du neuf Coût cumulatif = coût cumulatif + coût de remplacement préventif Coût moyen = coût cumulatif / Temps écoulé oui Temps écoulé < horizon non On connaît le coût moyen FIN Figure 1 : Logigramme de simulation de la stratégie de maintenance de type âge. - 798 - MOSIM’01 – du 25 au 27 avril 2001 – Troyes (France) ! Le modèle de simulation a été utilisé pour une stratégie de type âge sélectionnée dans Barlow et Proschan (1965). Le cas considéré correspond à une pièce (tube) faisant partie d’un circuit électronique de communication d’un avion. Les bris de ce tube sont distribués selon une loi normale tronquée et la pièce a une durée de vie moyenne µ= 9080 heures et un écarttype σ = 3027 heures. Les données de cet exemple sont : ! Le coût de remplacement préventif par du neuf est C2 = 100$ Barlow et Proschan (1965) estiment que, le coût de remplacement moyen par heure de la stratégie de maintenance type âge est approximativement de 0.039 $ / hr et l’âge optimal de remplacement préventif est de 4540 heures. Par simulation, dont les résultats sont présentés à la figure 2, on a obtenu 0.037$/ hr, comme résultat du coût de remplacement moyen et la valeur de l’âge optimal est aux alentours de 4300 heures. Le coût de remplacement à la panne par une pièce (tube) neuve est C1 = 1100 $ Coût de remplacement moyen 0.12 $ 0.10 $ Coût 0.08 $ 0.06 $ 0.04 $ 0.02 $ 0.00 $ 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 Temps de remplacement préventif Figure 2 : Comportement du coût en fonction de l’âge de remplacement (résultats de la simulation). 3. MÉTHODOLOGIE D'ANALYSE EXPÉRIMENTALE DE LA STRATÉGIE DE MAINTENANCE DE TYPE ÂGE En général, l’approche analytique fournit, uniquement une valeur optimale sans donner une vue globale de la situation. L'observation de la courbe du coût en fonction du temps de remplacement préventif (T), montre qu'autour de l'optimum (T*) le coût semble varier très peu. Comme les résultats de la simulation fluctuent d'une répétition à l'autre, et que l'estimé du coût moyen qu'on cherche devrait se trouver dans un intervalle de confiance, nous nous sommes donc intéressés au comportement de la variable coût aux alentours de sa valeur optimale. Ainsi, on pourra déterminer si cette valeur de coût optimal fait partie d’un intervalle de temps pour lequel le coût est approximativement uniforme. La combinaison de la simulation et des plans d'expérience est une approche qui a été utilisée avec succès pour résoudre des problèmes complexes, très difficiles ou impossible à résoudre analytiquement. Gharbi et Kenne (2000) ont étendu le concept du hedging point à la commande des systèmes de production équipés de plusieurs machines en contrôlant leur taux de production et de maintenance préventive. Pour des distributions de panne et de réparation des machines quelconques, (i.e., processus non markovien), Kenne et Gharbi (2000) ont montré que la politique du hedging point s’applique toujours. Ils ont validé l’approche proposée en utilisant le modèle d’Akella et Kumar (1986). De plus, ils ont montré que l'optimum se trouve dans une zone où le coût ne change pas significativement. Nous avons donc utilisé la technique des plans d’expérience dans le but d’obtenir d’abord une vue d’ensemble du problème. Par la suite, la succession des différents plans d’expérience nous a conduit à discriminer les valeurs de temps pour lesquelles les différences de coût ne sont pas significatives. La méthodologie développée dans cet article est présentée sur la figure.3. - 799 - MOSIM’01 – du 25 au 27 avril 2001 – Troyes (France) T* , erreur Plan d'expérience Analyse de régression stratégie de type Age T* élément de [T1, T2] Approche analytique il existe T* Modèle de simulation T Figure.3 :Méthodologie à suivre pour obtenir la zone optimale de temps de remplacement préventif 3.1 Plan d'expérience Dans un premier temps, nous avons déterminé un intervalle de temps de remplacement préventif correspondant à un coût maximal d’environ deux fois le coût optimal obtenu lors de la simulation. Nous avons réalisé l’analyse expérimentale pour cet intervalle de temps qui varie entre 1000 et 15000 unités de temps (avec 2 répétitions). Le tableau 1 présente les résultats de l’analyse de variance (ANOVA) pour le coût de remplacement d’une alternative de temps de remplacement préventif (T). Source Entre groupes SS 2.96056·10-2 DL 16 MS 1.85035·10-2 Avec groupes 2.71301·10-5 17 1.59589·10-5 Total 2.96327·10-2 33 Tableau. 1 : F-Ratio 1159.45 p= 0.0000 ANOVA pour le coût moyen de remplacement préventif (T variant de 1000 à 15000) Les résultats des analyses de variance révèlent une différence significative entre les moyennes des coûts en fonction du temps de remplacement T (p = 0 < 0.05). Cela signifie que des valeurs différentes de T résultent en différentes mesures de performance (coût). De la table ANOVA on déduit aussi que R2 =99.91%, donc il y a très peu de bruit dans le modèle et presque toute la variabilité est causée par la variation de T (Montgomery, 1997). La figure 4 présente les moyennes des coûts de remplacement et les intervalles de confiance à 95% pour une alternative de temps de remplacement préventif (T). En examinant les profils des moyennes du coût avec un intervalle de confiance de 95% pour ces plans d’expérience, nous pouvons vérifier qu’il existe une différence significative entre les moyennes des coûts et que le coût minimum est situé dans un intervalle autour de 4000 unités de temps. Afin de déterminer où se situent les différences observées entre les coûts, nous avons appliqué un test de comparaison multiple (test de Newman- Keuls). Les résultats de ce test confirment que le coût moyen est statistiquement non différent pour des périodes de remplacement préventif qui se situent entre 3000 et 5000 unités de temps et que le coût minimum correspond à une valeur de temps de remplacement préventif remplacement préventif (T) proche de 4000 unités de temps. Pour confirmer d'avantage les résultats du test de comparaison multiple qui suggère l'existence d'une zone où le coût moyen ne change pas de façon significative, des simulations ont été conduites, pour valeurs de (T) qui varie entre 3000 et 5000 unités de temps, avec un incrément de 200 unités de temps avec trois répétitions chacune. Les résultats de l'analyse de variance pour le coût de remplacement d’une alternative de temps de remplacement préventif (T) sont représentés à la table 2. Ces résultats ne révèlent aucune différence significative entre les moyennes des coûts en fonction du temps de remplacement préventif (p = 0.1119 > 5%). Tous les temps de remplacement préventif T compris entre 3000 et 5000 entraînent des coûts statistiquement non différents. - 800 - MOSIM’01 – du 25 au 27 avril 2001 – Troyes (France) Moyennes et intervalles de confiance à 95% 0.135 0.115 Coût 0.095 0.075 0.055 15000 14000 13000 12000 11000 10000 9080 9000 8000 7000 6000 5000 4540 4000 3000 2000 1000 0.035 Temps de remplacement préventif Figure. 4 : Profil des moyennes des coûts de remplacement et intervalles de confiance à 95% des différents temps de remplacement préventif T. Source SS DL MS F-Ratio p= Entre groupes 3.46177·10-5 10 3.46177·10-5 1.84 0.1119 Avec groupes 4.13659·10-5 22 1.88027·10-5 -5 Total 7.59836·10 32 Tableau. 2 : ANOVA pour le coût moyen de remplacement préventif (T variant de 3000 à 5000) 3.2 Analyse de régression Les courbes des figures 2 et 4 suggèrent un modèle de régression quadratique du coût en fonction du temps de remplacement préventif, surtout dans la zone où T varie entre 2000 et 7000 unité de temps Les tableaux 3 et 4 présentent les résultats de l'analyse de régression et de l'analyse de la variance du coût en fonction du temps de Paramètre CONSTANT Tableau 3 : Tableau 4 : Estimé 8.72902·10-2 remplacement préventif (T variant entre 2000 et 7000). Cette dernière analyse montre que la variation du coût en fonction de T est bien représentée par le modèle de régression quadratique. En effet on déduit du tableau 4 que R2=94.52%. Ceci qui signifie que près de 95% de la variabilité totale est expliquée par le modèle quadratique (Montgomery 1997). Erreur- Standard 3.54236. 10-3 T-Statistique 24.6418 p= 0.0000 T -2.23298·10-5 1.67713. 10-6 -13.3143 0.0000 T2 2.5196·10-9 1.83596. 10-10 13.724 0.0000 Analyse de régression pour le coût en fonction du temps de remplacement préventif (T). Source Modèle SS 57.0393·10-5 DL 2 MS 28.5197·10-5 Résidus 3.3086·10-5 11 0.30078·10-5 F-Ratio 94.82 p= 0.0000 Total 60.348·10-5 13 Analyse de la Variance du modèle de coût en fonction du temps de remplacement préventif (T). La résolution numérique de l'équation (1) pour obtenir le coût minimum et ainsi trouver les valeurs optimales du paramètre T donne le résultat suivant: (Coût* = 0.0378 $/heure; T* = 4431 heures). Ce résultat est proche du résultat trouvé de façon analytique et numérique par Barlow et Proschan (1965) (Coût* = 0.039 $/heure T* = 4540 heures). Du tableau 3, on dégage un modèle de régression polynomiale du coût en fonction du temps de remplacement préventif T qui est représenté par l'équation (1). Coût = 0,0829 + 10-6·(- 22,33.T + 0.002519·T 2 ) (1) - 801 - MOSIM’01 – du 25 au 27 avril 2001 – Troyes (France) 3.3 Calcul de la zone remplacement préventif optimale T0.975, DL : est la statistique de Student à 97,5%, ou un niveau de confiance de 95%, et DL le degré de liberté de l’erreur expérimentale. MS erreur : est la variance de l’erreur expérimentale obtenue de la table ANOVA. de Pour valider les résultats obtenus précédemment (test de Newman-Keuls), nous avons calculé de façon plus précise l'intervalle de temps [T1,T2] dans lequel le coût moyen ne change pas significativement. Pour ce faire, nous avons établi une procédure schématisée dans la figure 5. Pour trouver l'intervalle [T1,T2], il suffit de résoudre l'équation du second degré (2) : Coût* + erreur de l'estimé = 0,0829 + 10-6·(- 22,33.T + 0.002519·T 2 ) Erreur de l'estimé : (T0.975 , DL )∗ À partir de l'information du tableau 4, l'erreur de l'estimé de l'exemple est donc: (T0.975,11 ) ⋅ 143079 ⋅ 10 −6 = 0.00237 La résolution de l'équation donne: T1 = 3460 et T2 = 5400 heures Les résultats de l’ANOVA (tableau 5) ne révèlent aucune différence significative entre les moyennes des coûts pour l’intervalle entre T1 et T2. (p=0.24 > 5 %). (2) MS erreur Coût de remplacement variation significative • Coût + Erreur de l’estimé • variation non significative • Coût* T1 T2 T* Temps de remplacement préventif Figure. 5 : Méthode pour délimiter la zone des variations non significatives du coût. Source Entre groupes SS 2.93155·10-6 2 DL MS 1.46·10-6 Avec groupes 1.8485·10-6 3 6.161·10-7 F-Ratio 2.38 p= 0.2405 Total 4.78·10-6 5 Tableau 5 : ANOVA pour le coût de remplacement d’une alternative de temps de remplacement préventif entre T1 = 3460 et T2 = 5400 heures. 3. CONCLUSION/DISCUSSION. Dans cet article, nous avons présentée une approche basée sur l'intégration de la simulation et des plans d'expérience qui a permis une contribution à la politique classique de maintenance préventive de type âge. En effet, au lieu de trouver une valeur optimale unique (T*) à laquelle il faut effectuer une maintenance préventive comme le fait l'approche classique, on détermine un intervalle de temps dans lequel il serait économique d'effectuer le remplacement préventif. Cette modification de la politique classique de maintenance préventive de type âge devrait nous - 802 - MOSIM’01 – du 25 au 27 avril 2001 – Troyes (France) Montgomery D.C. (1997) "Design and Analysis of Experiments", 4th edition, Wiley, NY. Nachlas, J.A.(1987) "Availlability Distribution Based Preventive Maintenance Strategies", IASTED Conference on Reliability and Quality Control, Paris, pp.29-32. Pritsker A. A., O’Reilly J. J. and LaVal D. K. (1997) "Simulation With Visual SLAM and AweSim", JohnWilley& Sons.# rapprocher d'une meilleure intégration de la gestion de la production et de la maintenance. En effet, la connaissance d'une zone optimale de maintenance préventive, donne de la flexibilité pour planifier le remplacement lors du temps d'inactivité de l'équipement. Intuitivement, cette politique modifiée devrait être meilleure que la politique classique si l'on considère que le coût de remplacement préventif dépend de l'état de l'équipement (actif : C3 ou inactif: C2, avec C3>C2). Il est important de mentionner que l'intervalle de temps [T1,T2] dépend de la distribution de probabilité des pannes. En effet, la procédure présentée à la figure 5 a été appliquée dans le cas où la distribution de probabilité des pannes est une loi lognormale dont la moyenne et l'écart-type sont les mêmes que ceux de la loi normale tronquée présentée en détail dans les sections précédentes le résultat obtenue est [T1,T2] = [3762.2 , 4663.1]. Il est à noter que contrairement à l'approche analytique, notre procédure peut s'appliquer assez facilement à n'importe quelle distribution de probabilité des pannes pour autant que le taux de panne du système soit une fonction monotone croissante. RÉFÉRENCES Akella R. et Kumar P. R., (1986) "Optimal Control of Production Rate in a Failure Prone Manufacturing System" IEEE Transactions on Automatic Control, Vol. AC-31, No. 2, pp. 116-126. Barlow, R.E. et Hunter (1960) "Optimal preventive maintenance policies", Operation research, 8 90100. Barlow, R.E. et Proschan (1965) "Mathematical Theory of Reliability", John Wieley & Sons Inc. , New York. Barlow, R.E. et Proschan (1962) " Planned Replacement", Studies in Applied Probanility & Management Science, Arrow, Karlin and Svarf Edition, Stanford University Press, CA. Cléroux, R. et Ait-Kadi, D. (1988) " A Summary of Periodic Replacement Policies with Minimal Repair", Incestigacion Operativa, Vol. 1 No.1 pp.43-54. Gharbi, A. et Kenne J.P. , (2000) "Production and Preventive Maintenance Rates Control for a Manufacturing system: An Experimental Design Approach", International Journal of Production Economics, Vol 65, No. 3, pp.275-287 . Flehinger, B.J. (1962) " A General Model for the Reliability Analysis of Systems under Various Preventive Maintenance Policies", Annals of Math. Stat., Vol. 33, No.1, pp.137-156. KENNE J.P., et GHARBI, A. (2000) “Production Planning Problem in Manufacturing Systems with General Failure and Repair Times Distributions”. Production Planning & Control Journal Vol. 11 No. 6, pp. 581-587, septembre. - 803 -