WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Etude de méthodes d'analyse des historiques de maintenance dans un environnement de forage pétrolier offshore


par Philippe JUNG
CNAM - Ingénieur 2004
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Méthodes graphiques de base:

Diagrammes de Pareto:

Le diagramme de Pareto permet d'avoir une vision rapide de la contribution d'une catégorie d'éléments par rapport à d'autres. En maintenance, on pourrait par exemple l'utiliser pour visualiser l'importance relative des éléments suivants:

- Nombre de défaillances par équipement.

- Nombre de types de défaillances par équipement.

- Quantités cumulées d'indisponibilité par équipement.

- Quantités cumulées d'indisponibilité par type de défaillance.

Le "diagramme de distribution" contient les cumuls de chaque élément de la catégorie classés par ordre croissant.

Le "diagramme de répartition" ou cumulatif s'obtient de la même façon, mais en traçant la courbe de la somme des critères que l'on a choisi.

Ils s'obtiennent en appliquant la méthode suivante:

- Faire la somme des contributions de chaque élément de la liste (nombre de pannes, cumul des temps, cumul des coûts...)

- Classer les contributions par ordre croissant et leur donner un rang dans la liste.

- Calculer pour chaque élément le pourcentage de chaque ligne et le pourcentage cumulé.

Un exemple suivant permettra d'expliciter ce qui précède à partir du tableau suivant:

Ce tableau donne une répartition des défauts par type d'équipement. On a aussi calculé les pourcentages de chaque ainsi que les pourcentages cumulés. Le tableau est classé par ordre croissant du nombre de défauts.

Equipement

Classe

Défauts

%

% Cumulé

Pompes

1

40

57,1428571

57,1428571

Moteurs continus

2

15

21,4285714

78,5714286

Moteur Alternatifs

3

10

14,2857143

92,8571429

Compresseurs

4

5

7,14285714

100

On obtient le graphique suivant: (Fig.34)

100

40

90

80

70

60

50

30

20

10

0

Diagramme des défaillances

% Cumulé

Figure 34 Diagramme de distribution et de répartition.

Le graphique en barres est le diagramme de distribution, celui en courbe est celui de répartition. On a choisi de le tracer en % pour des raisons pratiques de représentation. Ce type de courbe de défaillance ne donne toutefois qu'une information à la fois et ne tient pas compte d'autres critères. Elle devrait être utilisée en parallèle avec d'autres représentations détaillant par exemple: Les heures d'indisponibilité cumulées, les coûts cumulés ou tout autre paramètre présentant un intérêt pour ce type d'équipement tel que la répartition par type de pannes ou causes de pannes.

PUMPS

100 90 80 70 60

50 40 30

20 10 0

FAILURE RATE PER EQUIPMENT

100

90

70

60

50

40

30

20

80

10

0

CNTRFGAL HIGHPRES LOW

CNTRFGAL

FAILURE RATE PER PUMPS CATEGORY

100 RES 90

40

20

80

70

60

50

30

10

0

% %cum

FAILURE CODES PUMP CTRFGAL

% %cum

CATEGORIE

SOUS-CATEGORIE

ANALYSE PARETO

DESCENDANTE

% %CUM 0

Méthode ABC:

La méthode ABC revient à construire le diagramme de répartition de Pareto et de le séparer en trois zones A, B et C. Les éléments de la zone A sont considérés comme les plus importants, ceux de la zone B d'une moindre façon et ceux de la zone C sont ceux qui peuvent faire l'objet d'une simple maintenance corrective vu leur importance. On le nomme souvent 20-80 car il permet de représenter les 20% des éléments qui représentent 80% du critère d'intérêt (P.ex: 20% des pièces représentent 80% du coût).

100 90 80 70 60 50 40 30 20 10

0

97%

73%

A

Diagramme des défaillances

B

C

% Cumulé

Figure 35 Diagramme de défaillance.

Sur le graphique précédent (Fig.35), la zone A se trouve entre 0 et 73%, le zone B entre 73% et 97%. Ces zones peuvent être définies autrement afin d'inclure plus ou moins de la proportion du paramètre concerné dans chaque zone. On peut aussi définir une quatrième zone au besoin.

Dans le graphique qui suit (Fig.36), on construit les graphiques sur les catégories d'équipements puis sur les sous catégories pour atteindre les "Failure codes".

Il est possible d'utiliser cette méthode pour effectuer une analyse descendante en partant des catégories, en descendant aux sous catégories pour atteindre le niveau des défauts d'un équipement.

Utilisation à partir des données de Maximo:

Dans notre version de Maximo, nous n'utilisons pas beaucoup de catégories. Les seules qui soient utilisables sont les suivantes:

- Les "Départements" du module "Work Order". La courbe de Pareto peut être obtenue en reprenant les chiffres du rapport MMR. Il serait aisé de reprendre les chiffres par département pour en sortir une courbe.

- Les "Classifications" et "Sub-classifications" du module EQUIPMENT. Sur un chantier significatif, seuls 30% des équipements (sur ~4800) sont classés par catégories (Table 15). Il faudra donc se méfier des informations non classées et voir si elles ne représentent pas la majorité des totaux.

Table: VALUELIST champ LISTNAME='EQCLASS' sur 4800 équipements

VALUE

VALDESC

Qté

 

VALUE

VALDESC

Qté

ACMOTORS

AC Motors

1148

ALTERNAT

Alternator

18

PUMPS

Pumps

532

DRILLEQT

Drilling Equipment

18

VALVES

Valves

430

Alternat

Alternators

9

TANK

Tank

306

MARMISC

Marine Miscellaneous

3

AIRRCVR

Air Receiver

276

ELEMISC

Electrical Miscellaneous

1

Valves

Valves, Fittings, Piping

215

HOISTEQT

Hoisting Equipment

1

Tank

Tanks,,Bulk System,Ballasts

153

MECMISC

Mechanic Miscellaneous

1

COMPRESS

Compressors

66

SAFETY

Safety

1

WINCHES

Winches

64

Safety

Safety

1

MOTORS

Motors

60

SUBSEAEQT

Sub Sea Equipment

1

Compress

Compressor: GD,Atlas...

33

HVAC

Heating/Ventilation/Air Cond

1

Table 16 VALUELIST classification.

- Par EQUIPEMENT ou sous branches de l'arbre. Toutefois, cela risque de poser un problème de représentation sauf si l'on tolère de larges listes.

- La notion de "Failure class" et "Problem code" n'existe pas encore même si les champs sont représentés dans les WO.

- Les "Sub-Work type" du module WO (champ WOJP4) nous offrent une classification des WO par type de travaux. Ces types ne représentent pas d'intérêt certain et nous n'en tiendrons pas compte. Sur l'exemple suivant, nous obtenons le décompte dans le tableau suivant (Table 16). Cela montre le peu d'intérêt de l'utilisation de cette catégorie.

Sub-Work types utilisés dans la table: WORKORDER, 37000 enregistrements.

Qté

WOJP4

Désignation

 

Qté

WOJP4

Désignation

0

 
 

104

NDT

Non destructive test

1

CAL

Calibration

107

INS

Insulation

7

CMS

Continuous Machinery Survey

128

OTHER

 

7

ANA

Analysis

220

MPI

Magnetic Particle Test

36

BOTH

????

768

DRN

Drainage

Table 17 Comptage des Sub-work type.

Construction du prototype:

Les paramètres d'entrée du prototype seront les dates de début et de fin du rapport.

Nous ne chercherons pas à effectuer une représentation graphique des résultats dans SQR à cause des limitations graphiques de l'outil. Nous représenterons les données sous forme d'une table que nous pourrons reprendre sous MS-Excel pour tracer les courbes de résultats. Les données seront extraites d'une base de donnée MS-Access dans laquelle nous avons importé les tables de Maximo lors de la construction du deuxième prototype du rapport MMR.

Le prototype effectuera les calculs suivants pour les "Work Order" CLOSE uniquement: - Coûts cumulés des CM par classification sur la période.

- Heures de maintenances cumulées CM par classification sur la période. - Quantités de CM associées à chaque classification sur la période.

Exemples de résultats obtenus par l'intermédiaire du prototype:

Les trois exemples de la figure ci-après (Fig.37) nous indiquent que la loi de Pareto est respectée pour nos échantillons. On s'aperçoit qu'une minorité d'équipement consomme la majorité des ressources en temps et en coût et qu'il y a adéquation entre les courbes de coût et de temps passé. Ce type de courbe pourrait être utilisé pour analyser les stocks associés à ces équipements de façon à en prévoir les achats et éventuellement en négocier les prix sur des quantités. On pourra aussi sortir un autre rapport permettant de déterminer quelles sont les pièces les plus coûteuses par département et revenir sur les WO pour en examiner les raisons qui font que l'on consomme ces éléments. Dans ce cas, nous ne pourrons pas utiliser de représentation graphique vu la quantité de pièces concernées.

Dans notre cas, on s'aperçoit que quatre équipements mobilisent plus de 80 des ressources: Les PUMPS, ACMOTOR, VALVES et TANK dans tous les domaines de recherche. Il s'agit d'une piste pour commencer une investigation, mais rien ne nous donne d'indication sur les causes. Seule une répartition des modes de pannes et types de pannes pour chaque classification nous permettrait de pourvoir approfondir l'analyse.

La répartition aurait pu être différente: Peu de ressources humaines, mais forts coûts liés dans ce cas aux prix de pièces détachées ou encore l'inverse.

Ce qui veut dire qu'un graphique seul ne peut résumer l'ensemble des informations. Plusieurs doivent être examinés de concert puis associés à une recherche en détail dans les "Work Order" pour pouvoir déterminer la source des problèmes ou des coûts.

Commentaire des utilisateurs:

Nous avons présenté ces graphiques aux personnes les plus concernées par ce type d'informations. En particulier, les TC et les MSUP. Ils nous ont fait part des limites du système dans la mesure ou les équipements ne sont pas tous classés dans des catégories. Dans l'immédiat, ils ne voient pas l'intérêt d'une telle représentation tant que la classification n'est pas généralisée et qu'il n'existe pas de notion de "Failure Code".

Conclusions des essais Pareto:

Conclusions:

- Ce type d'analyse représente bien d'une façon synthétique les éléments les

plus significatifs d'un lot suivant les critères de regroupement choisis.

- Toutefois, dans la mesure ou il n'existe pas dans la version actuelle de

Maximo de classification fine des équipement pour une analyse

descendante dans les détails, nous arrivons aux limites du système.

- Seule une comparaison de plusieurs graphiques suivant différents critères

permettrait de faire une analyse descendante complète des données pour

aboutir aux défauts de chaque équipement sélectionné.

- Les rapports sous SQR sont trop rigide pour ce type d'application. Il faudrait trouver un outil permett ant de faire ce type de rapport à la demande suivant les critères définis par l'utilisateurs.

- Le produit "Powerplay" de la société Cognos est une piste à explorer pour générer ce type de rapport. Il sera examiné succinctement plus loin.

100 90 80 70 60 50 40 30 20 10

0

% %cum

100

90

80

70

60

% %cum

50

40

30

20

10

0

CM counts/classification

CM hours/classification

100

90

80

70

60

% %cum

50

40

30

20

10

0

CM costs/classification

Figure 37 Diagrammes de Pareto, chantier "Pride Angola" toutes périodes.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy