PROJET TUTORE MASTER2, 2009-2010            « Université du Littoral Côte d’Opale de Dunkerque »MODELISATATION DE LA TPM P...
1.     INTRODUCTION .........................................................................................................
6.     IMPLEMENTATION DU MODELE TPM [1] .....................................................................................
7.3.1.1.          Apparition des défauts sur un équipement : ................................................................
1.       INTRODUCTION       Dans le cadre de notre formation en Master2 Risques Industriels et Maintenance(promotion 2009-...
2.        PRESENTATION DE L’ENTREPRISE        Dans ce chapitre, nous réaliserons une description générale de l’entreprise....
2.2.         LA LIGNE D’EMBOUTEILLAGE       Comme politique interne de lentreprise, linnovation et lamélioration des proce...
Tableau 1.1: Description de zones de la ligne deux d’embouteillage, Entreprise SPT                                  Source...
indicateurs), le formulaire de contrôle de l’emballage (toutes les vingt minutes, chaque jour)et le livre des Actes (où on...
un ouvrier est en charge de deux machines : la mise en boite et du créateur de boite ; et détientun formulaire du registre...
2.3.    DESCRIPTION DE LA POLITIQUE ACTUELLE DE             MAINTENANCE       Dans les points suivants, nous expliquerons ...
calendrier défini par le département de maintenance, et sont réalisées exclusivement par dupersonnel qualifié. Ci-dessous,...
de conceptualiser, de documenter, de simuler, danalyser et doptimiser les modèles dedynamique des systèmes. De plus, ce pr...
Figure 2.2: Exemple de diagramme de flux.             Source: Propre élaboration, développement avec Vensim PLE v5.0.     ...
contrôle, surveillance de létat, la répétabilité de maintenance et les ressources des ouvriers àla dynamique des systèmes ...
4.1.1.           Matrice Multicritère       Nous réalisons une matrice multicritère afin de sélectionner quantitativement ...
Tableau 3.2: Evaluation des ouvriers pour chaque critère                                     Source: Propre élaboration.  ...
: Qualification de l’alternative i, pour le critère j.A: Constante de la formule de l’entropie.B: Représente la somme de l...
Voici le calcul du poids quantitatif de la matrice multicritère.                       Tableau 3.5: Pondération quantitati...
Etape 5. Fixer le critère de notation pour chaque facteur. Nous choisissons une échellede valeurs pour noter les alternati...
Enfin, on présente léquipement le plus important du système qui se trouve effectivement êtrela machine de remplissage des ...
Graphique 3.1: Evolution des défaillances des machines de la ligne d’embouteillage.                                  Sourc...
4.2.    CALCUL DES TEMPS DE DEFAILLANCE DE             L’EQUIPEMENT       Après avoir sélectionné la machine la plus impor...
4.2.2.         Ajustement statistique des données       Comme on considère quil existe une censure dans les données, on es...
H0: Les données viennent d’une distribution spécifique                H1: Les données ne viennent pas d’une distribution s...
De plus, de part le graphique de probabilité d’une distribution Weibull pour les données de lamachine critique, on peut ob...
4.2.3.          Analyse de la survieL’analyse de survie englobe une série de techniques statistiques pour l’analyse des va...
Graphique 3.3: Fonction de Taux de défaillance de machine critique vs Temps (Jours).               Source: Propre élaborat...
Ces deux derniers graphiques sont utilisés pour modeler notre système dans VensimPLE, celles-ci seront donc de nouveau tra...
Nous avons décidé de suivre ces indicateurs en autres dans notre modélisation.          Analyse des données Maintenance   ...
ENVIRONNEMENT TPM                                                                                                         ...
5.2.        Quelques Définitions:TPM :        La TPM est une méthode de Recherche en permanence lamélioration de laperform...
Maintenance prévisionnelle : Maintenance conditionnelle exécutée en       suivant les prévisions extrapolées de lanalyse ...
On peut ajouter à ces indicateurs un indicateur de la sécurité qui est l’aptitude d’unsystème à éviter de faire apparaître...
« amélioration continue ». En fait, par extension, on veut signifier « analyser pour rendremeilleur ». Elle utilise les mé...
maintenance appliquées dans lentreprise. Ces politiques vont des réparations aux préventionset caractère autonome comme la...
Graphique 4.1: Design improvement through employee training en fonction du temps.              Source: Adaptation de [2], ...
Graphique 4.2: Appearing defects through equipment utilization en fonction du temps.              Source: Adaptation de [2...
Figure 4.2: Implémentation de la maintenance préventive (PM).              Source: Adaptation de [2], développement avec V...
Graphique 4.3: Fiabilité de la machine en fonction des défauts.              Source: Adaptation de [2], développement avec...
Graphique 4.4: Taux de défaillance en fonction de la fiabilité de la machine.              Source: Adaptation de [2], déve...
le nombre dheures par mois que lon consacre à la maintenance préventive. Cette variable aune influence directe sur le plan...
Suite à lexplication du modèle à implémenter, nous pouvons voir que la variable "CMplan" influe directement sur les variab...
Comme on peut lobserver, la variable “training employee” dépend de plusieursparamètres qui sont expliqués dans léquation s...
Comme on peut lobserver sur ce graphique, au fur et à mesure que la fiabilité dumatériel augmente, à savoir, léquipe nayan...
Figure 4.6: Quantité a produire et nombre de “MP“ par mois.                 Source: Adaptation de [2], développement avec ...
6.2.1.    RESULTATS MODELE DE MAINTENANCE DE                 YASDIAN (2009)       Tout dabord, nous procédons à une analys...
est essentiel pour améliorer la maintenance autonome et diminuer le taux de défaillance deléquipement (voir Figure 5.4), c...
Enfin, dans la figure 5.8, on peut observer quen implémentant la "TPM", la qualité duprocessus sest améliorée, atteignant ...
Dans le graphique 5.10, on quantifie les économies réalisées en considérant le «PM»,pour atteindre 23% des économies (sur ...
7.      IMPLEMENTATION DU MODELE TPM [AMELIORATION DU           MODELE DE YASDIAN]         Le modèle de Yasdian nous appor...
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production
Upcoming SlideShare
Loading in …5
×

Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production

17,392 views
17,266 views

Published on

Published in: Business, Technology

Modelisatation de la tpm par la dynamque des systemes au sein d’une entreprise de production

  1. 1. PROJET TUTORE MASTER2, 2009-2010 « Université du Littoral Côte d’Opale de Dunkerque »MODELISATATION DE LA TPM PAR LA DYNAMQUE DES SYSTEMES AU SEIN D’UNE ENTREPRISE DE PRODUCTION Master2 : RISQUES INDUSTRIELS ET MAINTENANCE (RIM) Rapport dE PROJET TUTORE Réalisé par : Professeur Tuteur : Ousmane Kane BA A. Nuñez DOMINGO Depriester Micheal Dieudonné NDAYIZAMBA
  2. 2. 1. INTRODUCTION .............................................................................................................................. 42. PRESENTATION DE L’ENTREPRISE ................................................................................................... 52.1. DESCRIPCION GLOBALE DE L’ENTREPIRSE .................................................................................. 52.2. LA LIGNE D’EMBOUTEILLAGE ..................................................................................................... 62.2.1. Zone 1: La Réception .............................................................................................................. 72.2.2. Zone 2: Le dépôt et Analyse ................................................................................................... 72.2.3. Zone 3: Séchage ...................................................................................................................... 82.2.4. Zone 4: Inspection .................................................................................................................. 82.2.5. Zone 5: Fermeture .................................................................................................................. 92.2.6. Salle des Poumons et Contrôle ............................................................................................... 92.3. DESCRIPTION DE LA POLITIQUE ACTUELLE DE MAINTENANCE................................................. 102.3.1. Programme de Gestion de Maintenance et Santé (PMS) ..................................................... 102.3.2. Taux de Rendement Synthétique (TRS) ................................................................................ 113. MODELISATION AVEC DYNAMIQUE DES SYSTEMES ..................................................................... 113.1. Dynamique des systèmes avec Vensim PLE .............................................................................. 113.2. Dynamique des systèmes dans la gestion de Maintenance...................................................... 134. METHODOLOGIE DE SOLUTION .................................................................................................... 134.1. ANALYSE DE CRITICITE .............................................................................................................. 144.1.1. Matrice Multicritère ............................................................................................................. 154.2. CALCUL DES TEMPS DE DEFAILLANCE DE L’EQUIPEMENT ........................................................ 224.2.1. Censure de données ............................................................................................................. 224.2.2. Ajustement statistique des données .................................................................................... 234.2.3. Analyse de la survie .............................................................................................................. 265. ENVIRONNEMENT DE LA TPM ...................................................................................................... 285.1. Analyse des données de l’entreprise La Vigne San Pedro Tarapacá (SPT) sur un mois: ........... 285.2. Quelques Définitions: ............................................................................................................... 31 1
  3. 3. 6. IMPLEMENTATION DU MODELE TPM [1] ..................................................................................... 346.1. IMPLEMENTATION DU MODELE DE MANTENANCE ................................................................. 346.1.1. Phase 1: Création et Elimination des défauts de l’équipement ............................................ 346.1.2. Phase 2: Implémentation de la Maintenance Préventive (PM) ............................................ 376.1.3. Phase 3: Implémentation de la Maintenance Corrective (CM) ............................................. 416.1.4. Phase 4: Implémentation de la Maintenance Autonome (AM) ............................................ 426.1.5. Phase 5: Mesure de la Qualité et de la Production du Système ........................................... 436.1.6. Phase 6: Quantité à produire et nombre de “MP” par mois ................................................. 446.2. IMPLEMENTATION DU MODELE DE MANTENANCE ................................................................. 456.2.1. RESULTATS MODELE DE MAINTENANCE DE YASDIAN (2009) ............................................... 466.2.2. Analyse Descriptive .............................................................................................................. 466.2.3. Analyse Comparative en relation au Coûts ........................................................................... 487. IMPLEMENTATION DU MODELE TPM[2] ...................................................................................... 507.1. Explication de façon détaillée de la modélisation de chaque partie : ....................................... 527.1.1. Investissement en Maintenance préventive ......................................................................... 527.1.2. Investissement en maintenance corrective .......................................................................... 537.1.3. GMAO dans le service maintenance en plus de la gestion de la maintenance préventive etcorrective. ............................................................................................................................................ 537.1.4. Défauts mensuels éliminés par la maintenance préventive. ................................................ 547.1.5. Défauts mensuels éliminés par la maintenance corrective. ................................................. 547.1.6. Nombre de défauts de l’équipement ................................................................................... 557.1.7. Coût total de maintenance ................................................................................................... 557.2. Méthodes d’améliorations de la capacité de production. ........................................................ 567.2.1. Production en fonction de la disponibilité et de la qualité du process. ................................ 577.2.2. Coût de non production dû à une panne, à de petits arrêts de production et au changementde gamme de production. .................................................................................................................... 577.3. EXPLICATION DES RESULTATS PRINCIPAUX DU MODELE 2 TPM.............................................. 597.3.1. Partie Maintenance: ............................................................................................................. 59 2
  4. 4. 7.3.1.1. Apparition des défauts sur un équipement : .................................................................... 597.3.1.2. Elimination des défauts par la maintenance préventive (Chasse aux pannes): ................ 607.3.1.3. Coût total de maintenance : ............................................................................................. 617.3.2. Partie production : ................................................................................................................ 627.3.2.1. Amélioration du taux de production. ............................................................................... 627.3.2.2. Chasse aux pertes de coût de non production. ................................................................ 648. CONCLUSION ................................................................................................................................ 659. BIBLIOGRAPHIE............................................................................................................................. 6510. ANEXES ......................................................................................................................................... 65 3
  5. 5. 1. INTRODUCTION Dans le cadre de notre formation en Master2 Risques Industriels et Maintenance(promotion 2009-2010), nous avons travaillé sur un projet traitant la modélisation dynamiquede la TPM (Total Productive Maintenance) au sein d’une entreprise de production de vins : LaVigne San Pedro Tarapacá (SPT) grâce à la modélisation dynamique des systèmes L’objectif de ce projet est de trouver à partir d’une analyse de données de gestion de lamaintenance et de la production de cette entreprise, un modèle de simulation regroupantl’ensemble des axes et indicateurs stratégiques sur lesquels on peut s’appuyer pour améliorerle rendement des machines par une démarche proactive stipulée par la TPM. Nous avons utilisé comme outil de simulation le logiciel VENSIM, un logiciel utiliséau départ dans la simulation graphique des évolutions de données environnementales. Il a étéensuite développé pour être utilisé dans plusieurs domaines de modélisation comme lamodélisation de la gestion de stock, des épidémies, des risques industriels, … Ce logiciel permet donc de comprendre et de simuler le fonctionnement d’un systèmecomplexe pour résoudre par exemple des problèmes, corriger ou empêcher un comportementnon souhaité. Il permet d’évaluer les politiques envisagées et surtout de voir les évolutions decomportements des situations simulées. Ce logiciel est beaucoup moins connu en France. C’est ainsi que nous avons jugé utile de l’utiliser pour simuler notre modèle de TPM,et de voir aussi si on peut l’utiliser dans les services de maintenance et dans les techniquesd’analyse fonctionnelle des processus industriels. Au cours de ce rapport, nous allons vous présenter les démarches que nous avonseffectuées pour réaliser notre projet, les résultats et les problèmes auxquels nous avonsconfrontés. Nous commencerons par vous décrire la situation actuelle de l’entreprise La VigneSan Pedro Tarapacá (SPT). Puis nous vous présenterons le travail réalisé à savoir : lesmodèles de simulations effectuées, leurs explications et en dernier lieu, nous vous parleronsdes résultats obtenus par rapport à nos objectifs de départ. 4
  6. 6. 2. PRESENTATION DE L’ENTREPRISE Dans ce chapitre, nous réaliserons une description générale de l’entreprise. Nousterminerons par une description de la politique de maintenance que l’entreprise utiliseactuellement, politique dont nous cherchons les voies d’amélioration. 2.1. DESCRIPCION GLOBALE DE L’ENTREPIRSE La Vigne San Pedro Tarapacá (SPT) est dédiée à la production et la commercialisationde vin, se classant troisième et deuxième en termes de volume sur le marché intérieur et lesexportations de vins chiliens. Actuellement, cette entreprise dispose denviron 4.000 hectaresde vignobles au Chili et en Argentine, avec des ventes annuelles de plus de 230 milliers dedollars US. Au niveau international, elle est présente dans près de 80 marchés répartis sur cinqcontinents avec ses marques: Cap Horn, 1865, Castillo de Molina, 35°Sud et Gato, satisfaisantles différents besoins et préférences des clients du monde entier. La SPT a été en mesure decroître et de sadapter aux exigences de lindustrie vinicole mondiale, combinant technologieet tradition. Cette société a été fondée en 1865, lorsque les frères Bonifacio et José GregorioCorrea ont acquis les terrains qui avaient été cultivés par leurs ancêtres, et ont commencé àdévelopper les premiers vins de raisins locaux, qui ont ensuite été remplacées par des variétésnobles de la France méridionale et de lAllemagne. Cela a donné lieu à la réputation de lavallée du vin de la région de Curicó, au Chili. Le développement de plantations et de la hautequalité des vins produits donnèrent lieux à des exportations vers les États-Unis, Canada,Allemagne et le Japon en 1940. Plus tard, entre les années 60 et 80 lentreprise a lancé sur lemarché deux vins emblématique du vignoble: Gato est né en 1960, et le vin de réserve,Castillo de Molina, en 1980. Au début des années 90, le vignoble a connu des changementsimportants. En 1994, la compagnie « Cervecerías Unidas S.A. (CCU) » a acheté 48% desactions de la vigne San Pedro S.A., un capital qui na cessé daugmenter jusquà atteindre denos jours un pourcentage de 60.3%. À la fin de la décennie, SPT a mis en œuvre un grandprojet dinvestissements, axé sur la vinification, lembouteillage, la capacité de stockage et denouvelles plantations, toujours à la recherche de nouveaux et de meilleurs terrains, permettantdaugmenter son expansion productive, vinicole et commerciale. 5
  7. 7. 2.2. LA LIGNE D’EMBOUTEILLAGE Comme politique interne de lentreprise, linnovation et lamélioration des processusindustriels jouent un rôle important dans la réalisation des objectifs entrepreneuriaux du SPT.Pour cette raison, on mesure dans les chaînes dembouteillage de lentreprise les pointscritiques qui doivent être en constante amélioration. Nous avons décidé détudier létat actuelde la ligne dembouteillage n°2 de l’entreprise de Curicó, à partir du point de vue de lamaintenance et de la fiabilité industrielle, afin daméliorer sa situation, et de proposer denouveaux mécanismes ou systèmes de contrôle qui diminueraient les défaillances deséquipements et augmenteraient par conséquent la productivité. Ci-dessous, un schéma de laligne dembouteillage vous est donné (voir figure 1.1), suivi dune description de chaque zoneconcernée (voir tableau 1.1). Figure 1.1: Schéma : Ligne deux d’embouteillage, Entreprise SPT Source: Propre élaboration 6
  8. 8. Tableau 1.1: Description de zones de la ligne deux d’embouteillage, Entreprise SPT Source: Propre élaboration 2.2.1. Zone 1: La Réception Les produits (bouteilles et boîtes) sont transportés des caves à la section de réceptionqui reçoit les palettes de bouteilles, vérifiées et enregistrées. Ensuite, ces produits sontdéposés dans la machine dépalettiseuse, qui est responsable de la saisie des bouteilles à laligne dembouteillage. Les ouvriers disposent dune feuille de planification quotidienne avecles emballages afin de calculer approximativement le nombre de bouteilles nécessaires à lafabrication de chaque produit. 2.2.2. Zone 2: Le dépôt et Analyse On consacre à cette zone la plus grande attention puisque cest là où le vin est déposéen bouteille. Cela exige une série de mesures assurant la pérennité du vin dans ce secteur. Lesmachines sont exploitées par des ouvriers qui doivent effectuer une série de contrôles et deprocédures. Pour la vérification des machines, on compte trois formulaires: le formulaire dechangement de filtre, le formulaire de production (complété chaque fois qui commence leséquipes de jour ou de nuit), et le formulaire de vérification des rinceuses (effectué toutes lesdeux heures, chaque jour). En ce qui concerne les autres procédures, louvrier doit remplirdautres listes en plus de celles déjà mentionnées: le Registre des défaillances (pour gérer les 7
  9. 9. indicateurs), le formulaire de contrôle de l’emballage (toutes les vingt minutes, chaque jour)et le livre des Actes (où on détaille les importances des procédures de chaque tour, pour avoirune bonne communication entre eux).Dans ce secteur une série danalyses sont également nécessaires (des analyses qui seffectuentdans des plages horaires différentes). On mentionne les suivantes: Echantillons analysés quotidiennement:  2 bouteilles avant lentrée au système de rinçage.  1 bouteille après avoir quitté la rinceuse  1 bouteille de vin sans bouchon, avant d’avoir été remplie par le remplisseur.  Échantillon deau, après avoir traversé le filtre et avant de passer par le rinçage.  Une fois par semaine et selon le plan de nettoyage et stérilisation hebdomadaire, des analyses microbiologiques sont réalisées pour chaque machines. Chaque fois quun produit est fini, on conserve la dernière bouteille pour faire desmesures qui assureront le bon état de vin avant sa commercialisation. 2.2.3. Zone 3: Séchage Dans ce secteur, on réalise les changements de formats. Différents documents sonttenus à jour comme le registre des défaillances, le registre de détention OEE, et le formulaired’étiquetage. 2.2.4. Zone 4: Inspection Dans cette zone, les ouvriers sont responsables de linstallation de cloisons et delinspection visuelle des étiquettes, capsules, niveau du vin dans la bouteille. En ce quiconcerne le contrôle visuel, les ouvriers ont un formulaire dInspection détiquetage, où l’onenregistre chaque défaut des bouteilles et la durée d’embouteillage. De plus, dans cette zone, 8
  10. 10. un ouvrier est en charge de deux machines : la mise en boite et du créateur de boite ; et détientun formulaire du registre de défaillances et un programme détiquetage. 2.2.5. Zone 5: Fermeture Dans cette zone, on trouve trois ouvriers. Le premier est responsable de la pesée, de lafermeture, et de la codification des boîtes. En ce qui concerne la fermeture, cet ouvrier nestnécessaire que lors d’un changement de format des boites. Concernant la codification, il doitêtre particulièrement attentif, car cette procédure est différente selon le client.Les deux autres personnes sont en charge, de manière individuelle, des robots de palettisationet de la machine demballage. Le responsable du robot palettiseur est chargé de remplir unefeuille de comptage pour chaque palette terminée, où l’on détaille lorigine et la destination duproduit pour le stockage temporaire en entrepôt. 2.2.6. Salle des Poumons et Contrôle Le Salle des Poumons correspond à la zone où le vin provenant de lentrepôt estréceptionné avant de l’emballer. Dans cette zone, on réalise des procédures manuelles tellesque les changements de coudes et de la propreté, tout deux en relation avec lexpédition du vinvers les lignes de production. De plus, on mesure le volume de vin provenant des entrepôts.Cette mesure est effectuée manuellement avec une règle calibrée qui donne le volume de vindisponible dans un poumon. Cette valeur est ensuite livrée à la salle de contrôle qui va alorsprévoir le nombre de bouteilles nécessaires. La salle de contrôle coordonne tout depuislarrivée du vin à la salle des poumons à son prochain transfert vers les lignes dembouteillagerespectives, en plus de tout ce qui correspond au nettoyage et à la stérilisation. 9
  11. 11. 2.3. DESCRIPTION DE LA POLITIQUE ACTUELLE DE MAINTENANCE Dans les points suivants, nous expliquerons globalement le système actuel de lagestion de maintenance quutilise lentreprise. Figure 1.2: Système de gestion de la maintenance dentreprise SPT. Source: Entreprise VST 2.3.1. Programme de Gestion de Maintenance et Santé (PMS) Le PMS correspond au système de gestion de la maintenance que lentreprise utiliseactuellement, et est basé sur la TPM (total productive maintenance). Ce modèle favorise lesmesures réactives et proactives pour anticiper une défaillance dans les équipements, et baseles procédures danticipation sur des tâches de la lubrification, des inspections mécaniques etélectriques, et enfin du nettoyage exhaustif. Ces tâches sont réalisées périodiquement selon un 10
  12. 12. calendrier défini par le département de maintenance, et sont réalisées exclusivement par dupersonnel qualifié. Ci-dessous, on présente une figure qui résume le système de gestion PMS(voir Figure 1.2), où "OT" signifie le début du processus de maintenance. Comme le montre cette figure, lentreprise présente un système de maintenance clair,mais peut encore être amélioré avec l’introduction dautres mesures préventives et enparticulier la maintenance autonome pour nimporte quel ouvrier qui a une importance sur leprocessus de production. 2.3.2. Taux de Rendement Synthétique (TRS) Outre le PMS, lentreprise utilise dautres indicateurs ou méthodes qui lui permettentde prendre des mesures correctives. Parmi elles se trouve le TRS (taux de rendementsynthétique), qui permet de mesurer lefficience de la production des machines industrielles.Le principal avantage que leur apporte cet indicateur comparé à dautres, est quelle mesure,en un seul indicateur, tous les paramètres clés de la production industrielle: la disponibilité,lefficience et qualité. 3. MODELISATION AVEC DYNAMIQUE DES SYSTEMES En général, la dynamique du système est une méthodologie définie pour construire desmodèles de simulation pour les systèmes complexes, comme ceux étudiés par les sciencessociales, léconomie, lécologie ou lingénierie. La dynamique des systèmes applique desméthodes des systèmes dures. Pour lessentiel, les idées de réalimentation et de systèmedynamique, avec la théorie des modèles dans lespace des états et des procédures danalysenumérique. Par conséquent, une implantation dune dynamique des systèmes sur un modèle demaintenance de lentreprise serait un éventail plus exact et complet de traitement des données,ce qui nous permettrait de trouver les avantages et difficultés pour améliorer la situationactuelle de lentreprise. 3.1. Dynamique des systèmes avec Vensim PLE La modélisation dune dynamique des systèmes est réalisée avec le logiciel VensimPLE v5.0. Vensim est un outil graphique qui créé des modèles de simulation qui permettent 11
  13. 13. de conceptualiser, de documenter, de simuler, danalyser et doptimiser les modèles dedynamique des systèmes. De plus, ce programme offre un moyen simple et flexible de créerdes modèles de simulation, que ce soit avec des diagrammes de cause à effet ou desdiagrammes de flux. Les modèles peuvent être construites graphiquement ou dans un éditeurde texte. Les caractéristiques du programme comprennent des fonctions danalyse, desmatrices, des dynamiques de Monte Carlo, doptimisation, de traitement de données, etc. Engénéral, lélaboration dun diagramme de cause à effet dans lequel apparaissent les élémentsqui composent le modèle avec ses relations, est une condition préalable avant de définir lastructure du modèle. Toutefois, il nest pas recommandé de construire un diagramme exhaustifen tant que point de départ. Il est préférable de commencer par un simple diagramme quimontre clairement les relations entre les éléments que nous avons décidé de prendre encompte dans notre modèle. Une fois complet, le processus peut facilement en déduire unschéma plus complet si nous voulons lavoir pour la présentation du modèle. Dans undiagramme de cause à effet (voir figure 2.1), on indique par des flèches les relations entre lesvariables. Des boucles amplificatrices et atténuatrices sont représentées respectivement pardes signes "+" et "-". Ensuite, on peut analyser les boucles de réalimentation que lon produitpour analyser qualitativement le comportement. En revanche, dans un diagramme de fluxou de Forrester il faut préciser les relations quantitatives entre les variables, et nous allonsdonc devoir nous débarrasser de toutes celles dont nous ne pouvons connaître les relations.Cette information est ensuite utilisée par l’éditeur déquations pour créer le modèle desimulation. On peut analyser le modèle dans le processus de construction en tenant comptedes causes et de lutilisation des variables, et en étudiant également les cycles associés auxvariables. Tout en construisant un modèle de diagramme qui peut être simulé (voir figure 2.1),Vensim permet dexplorer le comportement du modèle. Figure 2.1: Exemple de diagramme de causalité. Source: Propre élaboration, développement avec Vensim PLE v5.0. Mano de obra + Trabajo a requerida - realizar Calidad del trabajo - + Mano de obra disponible Fatiga - + + Trabajo horas extras Terminado requeridas + + Productividad 12
  14. 14. Figure 2.2: Exemple de diagramme de flux. Source: Propre élaboration, développement avec Vensim PLE v5.0. tasa de natalidad Poblacion nacimientos de conejos muertes esperanza de vida 3.2. Dynamique des systèmes dans la gestion de Maintenance Dans la littérature, il existe plusieurs ouvrages qui ont trait à la dynamique dessystèmes et à la gestion de la maintenance, montrant des résultats intéressants qui supposentque cet outil peut aider le preneur de décisions à améliorer le système de maintenance delentreprise Vigne San Pedro Tarapaca. Par exemple, on peut exposer le modèle [1], quiconsidère les relations entre la formation des employés, de pannes de machines, de la fiabilitédu système et de la qualité des processus. Le modèle est capable dexpliquer la dynamique desefforts damélioration et de formation des salariés. Les résultats obtenus ont montré lefficacitéet lutilité de TPM en réduisant les tâches de la maintenance corrective (CM), ainsi qu’enaméliorant la fiabilité des machines et la qualité des processus. Un autre modèle intéressant est le modèle [2], qui se focalise sur les changements quisouffre le département de maintenance et les ouvriers des machines à implémenter unprogramme TPM, utilisant la méthodologie de la dynamique des systèmes. La différence entrece modèle et le modèle [1] est quil mesure les influences de la TPM et de la maintenancepréventive sur lefficacité globale de léquipement (TRS). Le TRS est considéré commeprincipale mesure de la performance dun système de maintenance. La principale contributiondu [2], cest quil conclut que le modèle avec Vensim peut être utilisé comme un outil desimulation quand les entreprises commencent à implémenter la TPM. De plus, il indique quelimplémentation dun programme TPM présente des difficultés au début en ce qui concerne laperformance, mais avec le temps, on peut voir de nettes améliorations dans la production. Unautre modèle qui travaille avec Vensim est le [3], dans lequel on analyse leffet du système de 13
  15. 15. contrôle, surveillance de létat, la répétabilité de maintenance et les ressources des ouvriers àla dynamique des systèmes de maintenance. Un des résultats importants de cette recherche estque linstallation dun système de surveillance de létat change une certaine proportion desactions de la maintenance réactive à la maintenance proactive. Par conséquent, augmenter lacouverture de diagnostic permet de réduire les pannes, ce qui atténue encore pluslamplification causée par la répétabilité des réparations. Enfin, on peut voir le travail du [4],qui utilisait une approche de dynamique des systèmes pour modéliser un système génériquede maintenance, qui rassemble des données prises lors d’entrevues. Les résultats suggèrentque l’entreprise devrait réduire les niveaux de sa maintenance préventive et augmenter leniveau de sa maintenance prédictive pour mieux répondre à le benchmark, et pour réduire sescoûts de maintenance. Le modèle de simulation peut être un point de départ pour desentreprises spécifiques pour étudier le comportement optimal de la maintenance et peut êtrecombinée avec les données actuelles de l’entreprise pour continuer d’affiner le modèle. Deplus, [4] conclue que la maintenance conditionnelle (condition monitoring effort) pourraitaugmenter le temps de bon fonctionnement et diminuer le coût de maintenance plus vite qued’autres types de maintenance. Comme on peut le voir, limplémentation dune dynamique dusystème dans la gestion de la maintenance produit des résultats qui seraient bénéfiques pourtoute entreprise, bien quil semble que les résultats de cette recherche ne proviennent que dunconcept théorique. Par conséquent, limplémentation de cette méthodologie à un systèmeindustriel réel est souhaitable de part les conclusions qui pourraient en être obtenues. 4. METHODOLOGIE DE SOLUTION Dans ce chapitre, nous développons les étapes qui nous permettent dadapter lesdonnées et identifier la machine critique de lentreprise afin dimplémenter nos modèles dansVensim. 4.1. ANALYSE DE CRITICITE Comme la ligne de production possède des machines différentes, on réalise uneanalyse de la criticité pour identifier la machine la plus importante dans la production et aveclaquelle se fera donc la simulation. 14
  16. 16. 4.1.1. Matrice Multicritère Nous réalisons une matrice multicritère afin de sélectionner quantitativement leséquipements les plus pertinents dans le processus. Les étapes à suivre pour obtenir la matricede priorité sont détaillées ci-dessous (voir tableau 3.1).Etape 1. Faire la liste de tous les éléments sur lesquels on veut sélectionner ou donner lapriorité. Dans notre cas, les alternatives contre lesquelles la décision a été prise seront lesmachines qui composent la ligne dembouteillage.Etape 2. Identifier les critères de priorité ou de sélection. Les critères de priorité sontsélectionnés en considérant quels sont les aspects qui influent le plus sur le processus deproduction du vin. Par conséquent, les critères à considérer sont les suivants: Tableau 3.1: Critères de priorité ou de sélection Source: Propre élaboration. CRITERES DESCRIPTION C1 FREQUENCE DE DEFAILLANCE C2 IMPACT SUR LE FONCTIONNEMENT DES UNITES C3 REQUIEREMENT DES PIECES DE RECHANGES C4 TEMPS MOYEN DE REPARATION Etape 3. Pondérer les critères de sélection en fonction de leur importance relative.Cette pondération intègre à la fois les techniques qualitatives et quantitatives, et apporte undegré de précision plus élevé dans le calcul de limportance de ces équipements. Pondération qualitative (W,s): Cette forme de pondération est obtenue par l’évaluationque les ouvriers des machines font de chaque critère, selon un jugement fondé sur l’expertiseet leurs connaissances. 15
  17. 17. Tableau 3.2: Evaluation des ouvriers pour chaque critère Source: Propre élaboration. E1 E2 E3 E4 E5 C1 0,15 0,11 0,15 0,2 0,1 C2 0,25 0,56 0,5 0,3 0,4 C3 0,35 0,21 0,2 0,3 0,3 C4 0,25 0,12 0,15 0,2 0,2 Après lobtention de résultats, il est nécessaire de calculer la moyenne de cespondérations pour chaque critère. Comme ce sont des valeurs en pourcentage, on utilise lagéométrie, qui est définie comme , où sont les pondérations donnéespour chaque critère. Ici, les pondérations obtenues par chaque critère sont: Tableau 3.3: Pondération qualitative pour chaque critère. Source: Propre élaboration. C1 C2 C3 C4 0,14 0,38 0,26 0,22 Poids 14% 38,4% 26,5% 22% qualitative Pondération quantitative ou objective : Pour obtenir cette pondération, on utilisele calcul de lentropie de Shannon. Le grand avantage de ce calcul est lobjectivité quilprésente dans le contexte de décisions du groupe. Pour trouver lentropie de chaque critère, onutilise lexpression suivante: A BOù:Ej: Entropie du critère j. : Nombre d’alternatives (dans notre cas, le nombre de machines). 16
  18. 18. : Qualification de l’alternative i, pour le critère j.A: Constante de la formule de l’entropie.B: Représente la somme de la formule de l’entropie. Pour obtenir la pondération par lentropie, il est nécessaire de calculer la dispersion dechaque critère, qui est calculée de la manière suivant:Une fois la dispersion obtenue, le poids quantitatif de chaque critère est déterminé en fonctionde lexpression suivante :Où: : Poids quantitatif du critère j. : Dispersion du critère j.C: Nombre de critères. Tableau 3.4: Poids quantitatif en fonction de chaque machine. Source: Propre élaboration. ALTERNATIVE i Ri1 Ri2 Ri3 Ri4 Enjuagadora 10 5 10 5 Llenadora Botellas 25 30 20 40 Corchadora 10 5 10 5 Elevador de Corchos 5 10 5 5 Roscadora 10 10 15 5 Elevador de Tapas 5 5 5 5 Secador de Botellas 5 5 5 5 Capsuladora 5 5 5 5 Inspector de Etiquetas 5 5 5 5 Encajonadora 5 5 5 5 Selladora de Cajas 5 5 5 5 Paletizador 5 5 5 5 17
  19. 19. Voici le calcul du poids quantitatif de la matrice multicritère. Tableau 3.5: Pondération quantitative pour chaque critère. Source: Propre élaboration. Poids A B Ej Dj Wo quantitative C1 -0,89 96,4022 -85,8 86,798 0,24303 24% C2 -0,89 99,2621 -88,34 89,343 0,25015 25% C3 -0,89 95,1156 -84,65 85,653 0,23982 24% C4 -0,89 106,021 -94,36 95,358 0,267 27% Pondération définitive : Pour déterminer le poids définitif des critères, onapplique une méthode combinatoire qui comprend le poids quantitatif et qualitatif, et on lecalcule à partir de lexpression suivante.Pour chaque activité de maintenance, on obtient les pondérations définitives suivantes: Tableau 3.6: Pondération définitive pour chaque critère. Source: Propre élaboration. Pondérations Wo Ws Wo X Ws Wd définitives C1 0,24303 0,14 0,034 0,139 13,9% C2 0,25015 0,384 0,096 0,395 39,5% C3 0,23982 0,265 0,063 0,259 25,9% C4 0,267 0,22 0,05 0,207 20,7% Ces pondérations sont celles que lon utilise pour chaque activité de maintenance pourconstruire la matrice de pondération, et calculer son importance dans le processus.Etape 4. Construire la matrice de note. Dans cette étape, nous obtenons la matrice complèteavec les facteurs, les critères et la valeur de pondération de chaque critère. Lannexe 1présente la matrice où on a considéré trois alternatives pour chaque critère. Ce tableau a étécomplété par les ouvriers de la ligne. 18
  20. 20. Etape 5. Fixer le critère de notation pour chaque facteur. Nous choisissons une échellede valeurs pour noter les alternatives pour chacun des critères. Léchelle de notation sétend de1 à 3. La note 1 signifie une gravité légère, donc on lui attribue une valeur de 1 si le décideura marqué dune croix lalternative de critère qui représente une gravité mineure. La note 2correspond à une gravité moyenne; et la note 3 correspond donc à une gravité importante.Dans le tableau en annexe 2, on présente les facteurs avec leurs notes respectives. Etape 6. Évaluer les facteurs et obtenir lordre de priorité. On analyse dabord lestableaux remplis par les ouvriers pour assigner les notes respectives. Ensuite, on obtient lanote finale, avec laquelle on identifie léquipement le plus important au système. Ce tableau,avec les résultats définitifs, on peut voir dans le tableau 3.7. Tableau 3.7: Valorisation finale de chaque machine en fonction de chaque critère Source: Propre élaboration. 19
  21. 21. Enfin, on présente léquipement le plus important du système qui se trouve effectivement êtrela machine de remplissage des bouteilles. Ci-dessous, on présente un diagramme où ondétaille la machine de remplissage des bouteilles ainsi que les autres machines importantes dusystème. Figure 3.1: Description de léquipement le plus important du système. Source: Propre élaboration.Ce résultat peut être complété par la graphique des défaillances annuelles que présente cettemachine, de loin supérieur aux autres (voir graphique 3.1). 20
  22. 22. Graphique 3.1: Evolution des défaillances des machines de la ligne d’embouteillage. Source: Propre élaboration. Après avoir réalisé une étude qualitative et quantitative sur les machines de la ligned’embouteillage, on en arrive à la conclusion que la machine de remplissage des bouteilles estla plus critique du système et nous allons donc réaliser notre étude sur cette dernière. 21
  23. 23. 4.2. CALCUL DES TEMPS DE DEFAILLANCE DE L’EQUIPEMENT Après avoir sélectionné la machine la plus importante pour le système de productionde vin, nous sommes confrontés au problème de la détermination de la fonction de défaillancede celle-ci. Pour résoudre ce problème, on effectue une analyse de fiabilité en utilisant leprogramme MINITAB 15. La première étape est dobtenir des informations sur lesdéfaillances de léquipement, qui sont expliquées dans le système de contrôle des défaillancesque lentreprise utilise actuellement. Dans lannexe 3 se trouve un tableau sommaire quicontient les temps de défaillance de la machine étudiée. Les temps de défaillance de lamachine sont calculés à partir du jour 0 jusquà ce que le défaut se produise. 4.2.1. Censure de données La censure se produit souvent lorsque les données de temps de vie sont desobservations incomplètes. Dans ce cas, pour la machine critique, nous avons des informationsincomplètes sur ses défaillances. Ceci est du au fait que le temps de fin d’étude était une dateoù n’étaient toujours pas terminés les ordres de travail sur le système de contrôle del’entreprise. Par conséquent, il est probable quil se produise encore des défaillancesdéquipement critique. Cest pourquoi il est important de considérer la censure des données,car il y a des informations partielles sur le comportement des défaillances de la machine. Le type de censure que l’on observe est une par la droite, vu que l’on connaitseulement avec exactitude les temps de défaillances qui eurent lieu avant le temps Tc (Tempsde fin d’étude), et vu qu’après le temps Tc, on sait seulement qu’il va se reproduire unedéfaillance sans connaitre le moment exact où elle se produira. Comme nous l’avonsmentionné auparavant, le temps de fin d’étude est déjà défini, donc elle fait fasse à unecensure de type I. Nous allons donc considérer comme base d’étude, que les données obtenuespar la machine critique sont des données censurées par la droite et du type I. 22
  24. 24. 4.2.2. Ajustement statistique des données Comme on considère quil existe une censure dans les données, on est confronté à unproblème qui doit être résolu par des techniques destimation plus sophistiquées. Pour cetteraison, nous avons besoin dun programme de statistiques qui permettra dobtenir desinformations sur le comportement de ces données. Le programme utilisé dans cette étude est Minitab 15. Cest avec ce programme quonréalise lanalyse de fiabilité. Nous obtenons un meilleur ajustement des données à un modèleparamétrique, on obtient la fonction de survie et de risque, pour obtenir finalement lecomportement graphique de ces fonctions, avec lequel on peut prendre des décisions.Lajustement des données à un modèle paramétrique est réalisé en incorporant le concept de lacensure par la droite, donc lentrée dinformation dans le programme Minitab 15 est réalisé telque présenté en annexe 4. Les deux colonnes sont nécessaires pour pouvoir entrer les données dans leprogramme. Dans la colonne censure, on enregistre les valeurs un ou zéro pour désigner letemps où la défaillance se produit vraiment, ou pour indiquer le moment où la réalisation delétude se termine. Dans les deux cas, les temps où se sont produites les défaillances sontobservés avec exactitude, représentés par la valeur 1, et le temps de la fin de létude estreprésenté par la valeur 0. Avec cette information, on peut obtenir le meilleur modèleparamétrique quon adapte aux données. Pour ce faire, on entre les données dans leprogramme statistique, en utilisant la section Analyse de la Survie avec Censure par le Droit.Grâce à la statistique dAnderson-Darling et sa valeur-p, on prend la décision selon laquelle lemodèle, lexponentielle, celui de Weibull ou de Log normal, est celui qui ajuste le mieux lesdonnées. Le test dAnderson-Darling (Stephens, 1974) est utilisé pour vérifier si un échantillondes données provient dune population avec une distribution spécifique. Cette statistiquedonne une mesure des éloignements qui se trouvent dans les observations de la droite quireprésente la fonction de distribution. Au mieux il sera ajusté, au moins elle sera de lastatistique. Le test dhypothèse est défini comme: 23
  25. 25. H0: Les données viennent d’une distribution spécifique H1: Les données ne viennent pas d’une distribution spécifique La décision d’accepter ou refuser l’hypothèse nulle concerne la Valeur-p. Si la Valeur-p > 0,05, on ne refuse pas l’hypothèse nulle, et si la Valeur-p < 0,05, on la refuse.Les données obtenues pour les défaillances de la machine critique sont analysées par ungraphique de Probabilité où on identifie la distribution qui ajuste le mieux les données.On réalise la preuve de l’ajustement par des Modèles Exponentiels, Weibull, normal et Lognormal, qui sont parmi les plus utilisés dans la fiabilité. Voici ce que l’on obtient du programme Minitab 15: Graphique 3.1: Analyse Anderson Darling sur machine critique. Source: Propre élaboration, développement avec MINITAB 15. De part ce graphique, on peut voir que la distribution Weibull est celle qui ajuste lemieux les données vu qu’elle possède une plus faible statistique Anderson-Darling. Il estimportant de mentionner que pour réaliser l’ajustement de la distribution, on réalise laMéthode d’Estimation de maximum de vraisemblance. 24
  26. 26. De plus, de part le graphique de probabilité d’une distribution Weibull pour les données de lamachine critique, on peut obtenir la Valeur-p. Graphique 3.2: Probabilité de défaillances machine critique avec distribution Weibull. Source: Propre élaboration, développement avec MINITAB 15Comme on peut observer, la Valeur-p qu’on obtient est supérieure à 0,250. Par conséquent,comme cette valeur est supérieure à 5%, on peut affirmer que l’hypothèse nulle n’est pasrefusée. Ceci prouve les données distribuées par Weibull. La valeur des paramètres de Formeet d’Echelle de la distribution de Weibull obtenue est:Forme = 2,536Echelle = 234,5Maintenant que l’on connait la distribution des données, on peut réaliser l’analyse de surviedans laquelle on détermine la fiabilité et le taux de défaillance de l’équipement Critique. 25
  27. 27. 4.2.3. Analyse de la survieL’analyse de survie englobe une série de techniques statistiques pour l’analyse des variablesaléatoires positives, comme par exemple, les temps jusque défaillance de l’équipement.Cette analyse, du à la complexité du traitement des données censurées, se réalise avec leprogramme Minitab 15, dans lequel on obtient les graphiques suivants :  Graphique du Taux de Défaillances v/s temps.  Graphique de la Fonction de Fiabilité v/s temps.A suivre, on cherche à connaitre le comportement du taux de défaillance de la machine deremplissage. L’objectif est de voir s’il possède un taux de défaillance croissant, décroissant ouconstant. Pour ce faire, on entre dans le programme Minitab 15 les données censurées quicorrespondent aux deux équipements, et on réalise une analyse de distribution paramétriquedes données, maintenant que l’on sait que les défaillances sont distribuées selon unestatistique de Weibull.On obtient de cette analyse le graphique de taux de défaillance suivant. On peut observer unecroissance des défaillances. Ceci peut être du au fait que cette machine se trouve à la fin de savie utile et donc présente une grande quantité de défaillance du à la détérioration et à l’usure. 26
  28. 28. Graphique 3.3: Fonction de Taux de défaillance de machine critique vs Temps (Jours). Source: Propre élaboration, développement avec MINITAB 15.Avec cette même information, on peut obtenir la fonction de fiabilité de la machine, ce qui estmontré dans le graphique suivant Graphique 3.4: Fonction de Fiabilité de machine critique vs Temps (Jours). Source: Propre élaboration, développement avec MINITAB 15. 27
  29. 29. Ces deux derniers graphiques sont utilisés pour modeler notre système dans VensimPLE, celles-ci seront donc de nouveau traitées dans le chapitre suivant. 5. ENVIRONNEMENT DE LA TPM 5.1. Analyse des données de l’entreprise La Vigne San Pedro Tarapacá (SPT) sur un mois: Analyse des défaillances Analyse des changements de sérieQuantité de défaillances 2 cu Type de séries quantité Temp Temps de s s changemen t de série Temps total de 1,18 hr Changement 21 5,22 14,91 production des OPE 61 Moyenne des temps 19,4 hr Changement de 23 14,47 37,75 entre défaillances 8 format 62 Changement 9 11,68 77,87 des vins 63 Changement 0 18,00 des S.E 64 Moyenne des temps de 35,4 Totales 53,00 49,37 130,53 réparation mi Temps de 0,73 hr n changement entre sérieDisponibilité Technique 97,1 % Temps 35,5 min Aₒ %A partir des données reçues de l’entreprise du Chili, nous les avons analysées afin de biendéterminer :La nature de ces dernières, de trouver celles qui relèvent d’une part de la maintenance etd’autre part de la production dans le but de les intégrer dans notre modèle de simulationdynamique TPM. L’idée est de voir comment on peut augmenter la disponibilité deséquipements en agissant sur l’ensemble de paramètres environnementaux qui lui sontconnexes. En effet ces données vont être introduites dans le modèle scindé en deux grandesparties. Dans ces deux grandes parties, ces données seront constituées de l’ensemble despoints indispensables pour le bon déroulement de la production et de la bonne pratique de lamaintenance. 28
  30. 30. Nous avons décidé de suivre ces indicateurs en autres dans notre modélisation. Analyse des données Maintenance Analyse des données Production Suivi de la disponibilité des équipements Suivi de la disponibilité des équipements Suivi de la valeur ajoutée apportée par les systèmes Suivi du temps de Suivi du temps changement Suivi de la MTTR de diagnostique non production de gammes Suivi de la MTBF Suivi de la valeur ajoutée Suivi du coût de apportée par les outils Suivi du Taux de maintenance préventive d’amélioration continue rendement Suivi du coût de maintenance corrective Suivi du coût de non production Suivi Du temps des petits Suivi du coût de formation des arrêts techniciens de maintenance Après cette analyse approfondie de ces données, nous avons ensuite créél’environnement de la TPM sur lequel va s’appuyer nos modèles de simulation. Cetenvironnement définit les limites physiques, les moyens et les méthodologies d’un modèle dedéploiement et de surveillance de la TPM. Nous définirons par la suite chaque pointstratégique mentionné dans cet environnement. 29
  31. 31. ENVIRONNEMENT TPM TPM Maintenance Production Maintenance Curative Techniques d’amélioration Maintenance continue: 5S, SMED, Kaizen,Maintenance Autonome Lean Manufacturing 6 Sigma Préventive GMAO Dépannage Indicateurs de productivité, deChasse aux pannes Chasse aux pertes de temps de changement de coût de production gamme, des temps de petits Indicateurs de fiabilité, de arrêts de production… disponibilité, de taux de pannes, de temps moyen de réparation… Amélioration de la performance Techniciens de Opérateurs Machines de Humaine maintenance production
  32. 32. 5.2. Quelques Définitions:TPM : La TPM est une méthode de Recherche en permanence lamélioration de laperformance globale de lentreprise par la maîtrise de 5 principes :-performance en production,- conception des produits et des équipements,- qualité des produits,- performance des services fonctionnels,- conditions de travailPour éliminer les causes de pertes des systèmes de productionMaintenance : Maintenance : La maintenance est l’ensemble des actions permettant de maintenir oude rétablir un bien dans un état spécifié, ou dans n état où il est en mesure d’assurer un servicedéterminé. On distingue deux types de maintenance définies par la norme européenne (Extraitnorme NF EN 13306 X 60-319): Maintenance corrective : Maintenance effectuée après défaillance Maintenance préventive : Maintenance exécutée à des intervalles prédéterminés ouselon des critères prescrits et destinée à réduire la probabilité de défaillance ou la dégradationdu fonctionnement dun bien. Elle permet de ne pas subir une défaillance. On distingue :  Maintenance préventive systématique : Maintenance préventive exécutée à des intervalles de temps préétablis ou selon un nombre défini dunités dusage mais sans contrôle préalable de létat du bien. Maintenance préventive conditionnelle : Maintenance préventive basée sur une surveillance du fonctionnement du bien et/ou des paramètres significatifs de ce fonctionnement intégrant les actions qui en découlent. 31
  33. 33. Maintenance prévisionnelle : Maintenance conditionnelle exécutée en suivant les prévisions extrapolées de lanalyse et de lévaluation de paramètres significatifs de la dégradation du bien. A ces deux types de maintenance, on peut ajouter le dépannage qui regroupel’ensemble des actions destinées à maintenir provisoirement un bien dans un état defonctionnement. GMAO : La GMAO : Gestion de la maintenance assistée par l’ordinateur. C’est unoutil incontournable dans le monde actuel pour gérer l’ensemble des activités du servicemaintenance, pour gérer les stocks des pièces détachées, gérer leurs approvisionnement parune bonne gestion des fournisseurs, pour réduire des coûts et délais d’approvisionnement,pour éviter des stocks inutiles et pour fournir des indicateurs de performance du servicemaintenance. La GMAO constitue également une base de données indispensable pour mettreen place la maintenance basée sur la fiabilité (exemple : pour effectuer une analyse desdéfaillances de leurs effets et de leurs criticités (AMDEC) ou pour envisager des actions demaintenance préventive pour ne pas subir une défaillance très pénalisante déjà enregistrée). Les indicateurs de maintenance :Taux de pannes : 1/MTBF (Temps moyens entre deux défaillances).Temps moyens de réparations : Sommes des temps de réparations des défaillances/Nombre dedéfaillances.Fiabilité : Aptitude d’un dispositif à accomplir une fonction requise dans des conditionsd’utilisation données pendant une période donnée.Maintenabilité : Aptitude d’un système à être maintenue ou rétabli, en un temps donné, dansun état de fonctionnement bien défini lorsque la maintenance est accomplie dans desconditions d’utilisation données avec des moyens et procédures prescrits.Disponibilité : Aptitude d’un système à accomplir une fonction requise dans des conditionsd’utilisation données à un instant donné. 32
  34. 34. On peut ajouter à ces indicateurs un indicateur de la sécurité qui est l’aptitude d’unsystème à éviter de faire apparaître des événements critiques ou catastrophiques.Production : Maintenance Autonome : Réalisation dune partie de la maintenance par le personnel dexploitation pour réduirevoir supprimer les temps d’arrêts, et améliorer lefficience des experts de maintenance.Lopérateur protège lui-même sa propre machine :  Inspection quotidienne  Graissage  Changement et réparations des pièces  Découverte précoce des anomalies  Vérification de la précision  Prévention des détériorations Techniques d’amélioration continue : la TPM utilise des techniques d’améliorationcontinue dans le cadre d’amélioration du taux de rendement synthétique à savoir : 5S : La méthode des 5 « S » est une technique de management japonaisevisant à lamélioration continue des tâches effectuées dans les entreprises. Elaborée dans lecadre du Système de Production Toyota , elle tire son appellation de la première lettre dechacune de cinq opérations constituant autant de mots dordre ou principes simples :Ordonner (ou plus littéralement ôter linutile), Ranger, Dépoussiérer et Découvrir desanomalies, Rendre évident, Etre rigoureux. SMED : La méthode SMED est utilisée dans le cadre de changements degammes de fabrication. Elle a pour objectif de réduire ces temps de changement. En effet, siles temps de changement de série deviennent nuls, on peut alors envisager une fabrication àlunité sans augmenter les coûts. En réalité, on essaie de les minimiser le plus possible enanticipant des actions qui peuvent être réalisées pendant le fonctionnement des équipements eten évitant des gestes inutiles ou inappropriés. Kaizen : Le mot kaizen (改善?) est la fusion des deux mots japonais kai et zenqui signifient respectivement « changement » et « bon ». La traduction française courante est 33
  35. 35. « amélioration continue ». En fait, par extension, on veut signifier « analyser pour rendremeilleur ». Elle utilise les méthodes (5S, SMED, …) pour sa mise en pratique. Learn manifacturing 6 sigma : La méthode Six Sigma se base sur une démarche fondée à la fois sur la voix duclient (enquêtes, etc.) et sur des données mesurables (par indicateurs) et fiables. Cetteméthode est utilisée dans des démarches de réduction de la variabilité dans les processus deproduction (ou autre) et au niveau des produits et vise ainsi à améliorer la qualité globale duproduit et des services. Ces méthodes sont là pour nous aider à assurer une performance continue au sein duservice de production pour accroître la performance productique. Elles sont applicableségalement dans d’autres services pour optimiser leurs façons de travailler. 6. IMPLEMENTATION DU MODELE TPM YAZDIAN (2009) Dans ce chapitre, nous allons implémenter un modèle TPM de gestion de lamaintenance qui s’adapte à la réalité de lentreprise. Les résultats seront présentés à la fin dela présentation du modèle. Ce modèle est présenté dans l’annexe 5. 6.1. IMPLEMENTATION DU MODELE DE MANTENANCE Ce modèle, tel que mentionné dans le cadre théorique, permet dobserver linfluence dela TPM sur les systèmes industriels. Nous allons présenter les phases dimplémentationdétaillées avec lutilisation des diagrammes de cause à effet de Vensim PLE. 6.1.1. Phase 1: Création et Elimination des défauts de l’équipement Dans cette phase, nous définissons le nombre de défauts qui se produisent dans laligne dembouteillage. Pour ce faire, nous suivons le modèle présenté par [2], qui suggère queles défauts d’une machine dépendent du temps dutilisation de celle-ci, et des politiques de 34
  36. 36. maintenance appliquées dans lentreprise. Ces politiques vont des réparations aux préventionset caractère autonome comme la participation des ouvriers. Dans le diagramme de cause àeffet (voir figure 4.1), on montre ce qui fut expliqué ci-dessus lorsque les défauts sontéliminés par une maintenance préventive (PM) et corrective (CM) et sont produites parlutilisation de la machine et linfluence du comportement de la main-dœuvre. Figure 4.1: Création et élimination des defaults de l’équipement. Source: Adaptation de [2], développement avec Vensim PLE v5.0. appearing defects design improvement through equipment through employee training utilization fractional defect fractional defect + + elimination elimination through PM defect creacion rate + + defect elimination - through repair defect elimination + - through PM equipment defects Pour la création de défauts dans la machine, [2] propose deux paramètres, dont l’un estle « Design improvement through employee training», qui montre linfluence ducomportement des ouvriers sur lélimination des défauts de la machine: les suggestions,linspection visuelle et le bon traitement de la machine réduisent les défauts de celle-ci. Il est ànoter que tous ces facteurs sont acquis par louvrier grâce à un entraînement ou une formation.Bien que cette relation soit théorique, elle sera simulée afin dobserver linfluence quellepourrait avoir sur le système actuel de maintenance de la compagnie. Dans le graphiquesuivant (voir graphique 4.1), nous allons détailler la relation exprimée par [2] où linputcorrespond à la durée de la formation, et l’output, aux défauts. 35
  37. 37. Graphique 4.1: Design improvement through employee training en fonction du temps. Source: Adaptation de [2], développement avec Vensim PLE v5.0. On peut observer quà mesure que les heures de formation des ouvriers augmentent(maintenance autonome), les défaillances diminuent, étant donnée que les ouvriers deviennentplus efficaces aux moments de faire fonctionner les machines et éviter les défaillances. Le second paramètre proposé [2] correspond aux «appearing defects throughequipment utilization» qui est directement liée au niveau de la production de lentreprise: plusles produits sont nécessaires pour satisfaire la demande, plus grande sera lutilisation de lamachine et donc lapparition des défaillances. Contrairement au paramètre précédent, qui a un caractère théorique, cette valeur peutêtre calculée avec les données que possède lentreprise. À cette fin, on sélectionne un mois auhasard dans lannée, où on observe le comportent suivant entre le nombre dheures dutilisationde la machine (Input) et lapparition des défauts (Output) (voir graphique 4.2). Comme lecomportement est similaire et la variation de défaillance est minime dans les autres mois delétude, on considèrera ce graphique pour nimporte quelle période détude. 36
  38. 38. Graphique 4.2: Appearing defects through equipment utilization en fonction du temps. Source: Adaptation de [2], développement avec Vensim PLE v5.0. Comme on peut l’observer sur ce graphique, au plus la machine est utilisée, au plus lesdéfauts augmentent. Pour éliminer les défauts de la machine, on prend en compte linfluence quaurait sur lesystème lapparition dune maintenance préventive, qui agirait comme support de maintenancecorrective existante dans lentreprise. Ces deux concepts seront expliqués ci-dessous. 6.1.2. Phase 2: Implémentation de la Maintenance Préventive (PM) La maintenance préventive que lon réalise dans la machine de remplissage dépendrade divers facteurs qui seront expliquées ci-dessous et sont représentées dans la figure ci-dessous (voir figure 4.2). 37
  39. 39. Figure 4.2: Implémentation de la maintenance préventive (PM). Source: Adaptation de [2], développement avec Vensim PLE v5.0. equipment defects defect elimination ER function through PM + + + equipment reliability FR function hour per PM + PM plan + failure rate + + mechanics necesary for each failure mechanic PM effort mechanics + + available for PM planned preventive + + maintenance mechanics usage factor per hour total number of mechanics Considérons dabord que la fiabilité de la machine dépende de la quantité de défautsquelle détient, ce qui est expliqué dans la relation entre les variables “equipment defects” et“equipment reliability”. [2] On propose que cette relation dépende dune fonction théorique“ER function”, qui décrit la relation entre la fiabilité du système et la quantité de défautsquelle détient. Pour notre modèle, cette fonction correspond au graphique 3.4 expliqué auchapitre 3, où on a obtenu la relation de fiabilité de la machine critique en fonction du tempsqui passe. Selon ce qui précède, et afin dadapter le graphique 3.4 à notre modèle, onconsidère les défaillances de léquipement au lieu du temps, cest à dire que pour un tempsdonné, on calcule les défaillances rencontrées par le système. Tout ceci est représenté dans le graphique suivant (voir graphique 4.3) qui montre lafiabilité de la machine (Output), qui a été calculée au chapitre 3, et on y change le temps pardéfauts (Input). Il convient de mentionner que les défaillances pour un temps donné sontcalculées avec les données que possède lentreprise. 38
  40. 40. Graphique 4.3: Fiabilité de la machine en fonction des défauts. Source: Adaptation de [2], développement avec Vensim PLE v5.0. Connaissant la fiabilité de la machine, [2] propose que cette dernière influe sur le tauxde défaillance selon une fonction théorique qui relie la fiabilité au taux de défaillance. Ce quiprécède nest autre quune modification du taux de défaillance calculé au chapitre trois, cest-à-dire, que nous devons modifier notre fonction de défaillance, celle qui dépend du temps, àcelle qui dépend de la fiabilité des équipements. Ci-dessous, on montre comment une faiblefiabilité de léquipement provoque un grand nombre de défaillances (voir graphique 4.4).Dans le cas contraire (quand la fiabilité de léquipement est de un), on le traduit comme tauxde défaillance nul. 39
  41. 41. Graphique 4.4: Taux de défaillance en fonction de la fiabilité de la machine. Source: Adaptation de [2], développement avec Vensim PLE v5.0. Après lobtention du taux de défaillance de léquipement vient l’étape de la sélectiondu personnel qui sera en charge de réaliser la maintenance corrective ou préventive. Dansnotre cas, nous utiliserons comme critère de choix la relation suivante: Mechanics available for PM = IF THEN ELSE (total number of mechanics <= mechanics necessary for each failure x failure rate, 0, total number of mechanics-mechanics necessary for each failure x failure rate); [mechanic/Month] Cette expression nous dit que le nombre douvriers disponibles pour réaliser lamaintenance préventive dépend du nombre de mécaniciens qui peuvent réparer les défautsconstatés dans la machine, cest-à-dire, que si la défaillance de la machine requière tout lepersonnel disponible, la maintenance préventive ne peut être réalisée. Dans le cas contraire,les ouvriers qui ne seraient pas tenus deffectuer la MC sont employés à anticiper tout défautpar la MP. Tous ces paramètres sont bien connus, donc il n’y a pas besoin dutiliser des valeursthéoriques.Une fois que lon connait le nombre douvriers qui ne peuvent réaliser une maintenancepréventive vient létape didentifier le nombre dheures par mois que les mécaniciens peuventdédiés à cette tâche. Ceci est représenté dans la variable “mechanic PM effort” qui représente 40
  42. 42. le nombre dheures par mois que lon consacre à la maintenance préventive. Cette variable aune influence directe sur le plan de maintenance préventive qui vise à réduire les défaillancesde la machine. 6.1.3. Phase 3: Implémentation de la Maintenance Corrective (CM) Selon [5], pour implémenter une maintenance de type corrective, on doit seulementconnaître le MTTR (mean time to repair) étant donné que lon connait déjà le taux dedéfaillance. Selon ce qui précède, le nombre dheures par mois qui sont dédicacées à la CMest donné par lexpression suivante, qui est détaillé dans le diagramme de cause à effet ci-dessous (voir figure 4.3). Comme le montre la relation précédente, lauteur [2] considère que toutes lesdéfaillances sont réglées immédiatement et il nexiste aucun manque de pièces de rechange.La supposition précédente sera également traitée dans notre modèle, mais elle resteraproposée comme amélioration possible de ce travail. Figure 4.3: Implémentation de la maintenance corrective (CM). Source: Adaptation de [2], développement avec Vensim PLE v5.0. defect creacion rate + equipment utilization + for production necessary time for defect elimination production through repair - + + CM plan total time for + + prodution failure rate mean time to repair 41
  43. 43. Suite à lexplication du modèle à implémenter, nous pouvons voir que la variable "CMplan" influe directement sur les variables “defect elimination through repair” (ce quicorrespond à la quantité de défauts qui sont éliminés par lintermédiaire de la réparation) et“equipment utilization for production”. Cette dernière variable est influencée négativement(comme le montre le diagramme de cause à effet), car lorsque la machine est en réparation, onne peut pas lutiliser pour la production. CM plan = failure rate x mean time to repair [hour/Month] 6.1.4. Phase 4: Implémentation de la Maintenance Autonome (AM) Dans cette phase, nous introduisons le concept de "AM" pour étudier son effet sur laréduction des défauts de la machine. Ce concept implique la formation des ouvriersconcernant la manipulation de la machine, leurs soins, lidentification et lanticipation desdéfaillances, etc. Tout cela fait partie de la variable “training employee”. Nous allonsmaintenant présenter le diagramme de cause à effet sur cette phase (voir figure 4.4). Figure 4.4: Implémentation de la maintenance autonome (AM). Source: Adaptation de [2], développement avec Vensim PLE v5.0. time of training for AM normal available defect creacion + time of workers rate - training employee + necessary time for production 42
  44. 44. Comme on peut lobserver, la variable “training employee” dépend de plusieursparamètres qui sont expliqués dans léquation suivante: Training employee = IF THEN ELSE (necessary time for production - normal available time of workers > time of training for AM, 0, normal available time of workers - necessary time for production + time of training for AM); [hour/Month] Cette fonction indique que le nombre dheures par mois qui peut être utilisé poureffectuer l’«AM» dépend des heures nécessaires que les ouvriers doivent occupées dans laproduction, cest-à-dire, que lon réalise seulement "AM" lorsque les ouvriers ne travaillentpas dans leurs tâches productives. Ce qui est important dans la variable “training employee”,cest quelle a un impact négatif sur le taux de création des défauts car au fur et à mesure queles ouvriers sont formés, les défauts produits dans la machine diminuent. 6.1.5. Phase 5: Mesure de la Qualité et de la Production du Système Dans cette phase, nous mesurons la qualité des produits fournis par la machinedembouteillage. Pour ceci, nous utilisons la relation théorique décrit par [1], qui mesure ladépendance entre la fiabilité de léquipement et la qualité des produits fournis (voir graphique4.5). Cette relation permettra de mesurer la quantité de produits qui puissent effectivementêtre commercialisés. Graphique 4.5: Qualité des produits en fonction de la fiabilité de la machine. Source: Adaptation de [2], développement avec Vensim PLE v5.0. 43
  45. 45. Comme on peut lobserver sur ce graphique, au fur et à mesure que la fiabilité dumatériel augmente, à savoir, léquipe nayant pas beaucoup de défauts, la qualité des produitsfournis augmente aussi, pour atteindre un maximum de 99%. Tout ceci peut être observé dans le diagramme de flux suivant (voir figure 4.5), quimontre également que la fiabilité de léquipement influence directement le taux de productionde la ligne dembouteillage. Figure 4.5: Mesure de la qualité et production du système. Source: Adaptation de [2], développement avec Vensim PLE v5.0. PQ function fractional yield rate + + + process quality equipment reliability + scrap rate produccion rate + + + fractional produccion produccion rate capacity 6.1.6. Phase 6: Quantité à produire et nombre de “MP” par mois Dans cette phase, nous relions le domaine de la maintenance à celui de la productionafin destimer le nombre dheures par mois que la machine sera utilisée pour fournir unecertaine quantité de produits, et ainsi satisfaire le client. Voici le diagramme de cause à effetmentionnés précédemment (voir figure 4.6). 44
  46. 46. Figure 4.6: Quantité a produire et nombre de “MP“ par mois. Source: Adaptation de [2], développement avec Vensim PLE v5.0. fractional sale rate scrap rate + sale rate production rate + + + - output pressure gross output - - net output + + - necessary time for - + production + yield rate planned preventive + maintenance + desired output - max PM min PM Dans le diagramme, on peut observer qu’au fur et à mesure quaugmente la variable“production rate”, le montant nécessaire que lon doit produire (“output pressure”) diminue.Une autre variable importante dans ce diagramme se trouve être la “planned preventivemaintenance”, qui est le nombre de maintenance préventive réalisée par mois (PM/Month). Lavaleur numérique est définie par léquation suivante: Planned preventive maintenance = max PM – min PM x (output pressure/desired output); [PM/Month] 6.2. RESULTATS DU MODELE DE MANTENANCE Dans ce point on présente les résultats des deux modèles implémentés danslentreprise. Il suggère également des améliorations possibles au système actuel demaintenance. 45
  47. 47. 6.2.1. RESULTATS MODELE DE MAINTENANCE DE YASDIAN (2009) Tout dabord, nous procédons à une analyse descriptive, qui détaille lévolution desparamètres les plus importants, pour ensuite présenter une analyse comparative basée sur lescoûts qui sont inclus en dans un programme de «TPM». 6.2.2. Analyse Descriptive En examinant la figure 5.1, nous pouvons voir que mettant en œuvre un programme de«TPM», les défauts de la machine de remplissage diminuent progressivement dune valeurinitiale de 40 défauts par mois à environ 5 défauts, atteignant un état équilibré après 50 mois. Graphiques 5.1 et 5.2: Equipment defects et Equipment reliability en fonction du temps. Source: Propre élaboration, développement avec Vensim PLE v5.0. Dautre part, la figure 5.2 montre que la fiabilité de léquipement augmenteprogressivement dune valeur de 0,8 au mois 0 à environ 0,98 au mois 50. Ces améliorationssont dues essentiellement à laugmentation des heures de formation réalisées par les ouvriers;et à laugmentation de leffort donné dans limplémentation dune "PM" (voir graphique).Selon la figure 5.3, nous pouvons voir quen raison de lapplication des " TPM", les heures deformation des ouvriers sont passées de 4 heures par mois à environ 18 heures par mois, ce qui 46
  48. 48. est essentiel pour améliorer la maintenance autonome et diminuer le taux de défaillance deléquipement (voir Figure 5.4), ce qui diminue de 2 pannes par mois à environ 0,3 quand létatstationnaire est atteint. Graphiques 5.3 et 5.4: Training employee et Failure rate en fonction du temps. Source: Propre élaboration, développement avec Vensim PLE v5.0. Un autre résultat intéressant qui peut être déduit de la simulation sur la ligne deproduction de lentreprise est le fait que, au fur et à mesure quaugmente le nombre dheurespar mois de travaux de prévention (voir le graphique 5.5), il y a une diminution de l’utilisationde CM de 4 heures par mois à environ 0,3 heures par mois dans les plans de maintenancecorrective (voir graphique 5.6). Graphiques 5.5 et 5.6: PM plan et CM plan en fonction du temps. Source: Propre élaboration, développement avec Vensim PLE v5.0. 47
  49. 49. Enfin, dans la figure 5.8, on peut observer quen implémentant la "TPM", la qualité duprocessus sest améliorée, atteignant une qualité de 98%. La même chose est observable quantau rendement net de la production, car le nombre de produits négociés augmente de 650produits à 970 produits (voir graphique 5.7). Graphiques 5.7 et 5.8: Process quality et Net output en fonction du temps. Source: Propre élaboration, développement avec Vensim PLE v5.0. 6.2.3. Analyse Comparative en relation au CoûtsDans la figure 5.9, on compare la situation à envisager des mesures préventives dans lapolitique de maintenance à celle où on ne les envisage pas. Sur ce graphique, on peut observerque les coûts sont plus importants lorsque lon ne travaille pas avec un "PM". Graphiques 5.9 et 5.10: Coûts en fonction du temps. Source: Propre élaboration, développement avec Vensim PLE v5.0. 48
  50. 50. Dans le graphique 5.10, on quantifie les économies réalisées en considérant le «PM»,pour atteindre 23% des économies (sur grand terme) du total des coûts de maintenance. Àcourt terme (1 à 20 mois), les économies varient de 3 à 10% des coûts totaux. Quant à linclusion de la «AM», on peut constater dans le graphique 5.11 que les coûtstotaux sont également plus élevés sil nexiste pas de politique de formation des ouvriers,même si ces économies ne sont pas si importantes par rapport à limplémentation de la "PM"dans le système. Dans le graphique 5.12, on détaille les économies réalisées en considérant le«AM», notant que, dans le premier mois, les coûts sont plus élevés que le système actuel,mais quau fur et à mesure que le temps passe, on fait des économies pour atteindre unmaximum de 9% du total. Graphiques 5.11 et 5.12: Coûts en fonction du temps en fonction du temps. Source: Propre élaboration, développement avec Vensim PLE v5.0. 49
  51. 51. 7. IMPLEMENTATION DU MODELE TPM [AMELIORATION DU MODELE DE YASDIAN] Le modèle de Yasdian nous apporte un point de vue général sur la manièred’implémenter un modèle TPM, et les résultats économiques que l’on obtient à court et longterme. Mais le modèle de Yasdian ne nous donne pas les outils de maintenance que l’on doitimplémentés ou améliorés afin que l’entreprise obtienne une performance plus poussée. Parconséquent, dans ce deuxième modèle, nous allons améliorer le modèle de Yasdian enconsidérant les outils de maintenance que l’on utilise pour adapter un modèle de TPM d ansune entreprise de production. L’ojectif de notre parcours est donc la fiabilsation des équipements et l’outil que l’onmettra en avant afin d’assurer cette fiabilisation est la TPM. En effet, dans le cadre de laTPM, nous pouvons faire de la fiabilisation de notre outil de production grâce à lamaintenance autonome et aussi à la maintenance basée sur la fiabilité. Elle s’applique à tousles services et plus particulièrement aux services de maintenance et de production pourchasser les causes de pannes et les causes de pertes de production afin d’améliorer lerendement synthétique. 50

×