14
La fiabilité à partir des DONNÉES Un cadre pour la technologie

La fiabilité à partir des DONNÉES

  • Upload
    rafael

  • View
    36

  • Download
    5

Embed Size (px)

DESCRIPTION

La fiabilité à partir des DONNÉES. Un cadre pour la technologie. Pourquoi recueillir  des données?. Une seule raison : Effectuer des analyses. - “Reliability Analysis ” Pourquoi analyser? Pour améliorer en continu le processus de maintenance. (CPI = Continuous Process Improvement) - PowerPoint PPT Presentation

Citation preview

Page 1: La fiabilité à partir des DONNÉES

La fiabilité à partir des DONNÉES

Un cadre pour la technologie

Page 2: La fiabilité à partir des DONNÉES

Pourquoi recueillir  des données? Une seule raison : Effectuer des analyses. -

“Reliability Analysis ” Pourquoi analyser?

Pour améliorer en continu le processus de maintenance. (CPI = Continuous Process Improvement)

Pourquoi CPI? C’est notre travail (celui de tout le monde, de la

gérance de maintenance en particulier). Pourquoi?

La survie économique du plus apte. Marcher de pair avec le changement. (Faut-il poser la question?)

Page 3: La fiabilité à partir des DONNÉES

La « fausse » promesse de la technologie CBM

Basée sur la logique : Plus (de données) est mieux, Plus vite est mieux, et Plus de vues (PDAs, etc.) est mieux. Tout cela est bon, mais il y une faute dans la logique.

Quelle est la faute logique? Il y a un approvisionnement infini de mauvaises données. La logique évite la question : “Quelles sont les bonnes

données? ”

Page 4: La fiabilité à partir des DONNÉES

Quelles sont les bonnes données? Les données sur l'âge (vie, durée de vie,

“évènement”): Les occurrences des modes de défaillance

(potentiels, fonctionnels), leurs ages de travail, et leurs types d’événement (PF, FF, S, …).

Les données de surveillance de la condition (CBM)

pertinentes aux modes de défaillance d'intérêt.

RCM - Connaissance des modes de défaillances.

Page 5: La fiabilité à partir des DONNÉES

L'accomplissement de la fiabilité à partir des données

1. Extraction/transformation de données

2. Les relations entre la gestion des BT et les enregistrements de RCM

3. La génération d'échantillons

4. Analyse de fiabilité

Quatre défis doivent être surmontés

Procédé unifiéOMDEC

•Systematique•Rapide•Orienté résultats

Accent typique

Page 6: La fiabilité à partir des DONNÉES

Défi 1 Extraction des données, transformation

Exemple: extraction FMEA

Exemple: Extraction: Bons de travail

Ellipse input

Données d'entrée de Maximo

Données d'entrée de Maximo

Modes de défaillances: RCM cost, RCMO, RCM toolkit, etc

Output for LRCM

Sorties pour LRCM

Extraction/Transformations de données

Extraction/Transformations de données

Page 7: La fiabilité à partir des DONNÉES

Défi 2 LRCM…le plus difficile des quatres – Le défi clé

Texte du bon de bon de travail selectionné

Texte de l’engregistrement de RCM sélectionné

Indicateurs du type d’évènement: PF (bleu), FF (rouge), S (jaune).

Insérer/Editer KRs (avec trace de verification)

“Slice and dice”

KPIs

1. Lier les BT et la base de connaissance RCM.2. Construire la base de connaissance…

Dynamiquement,Jour-à-jour à l’intérieru du processus des BT

Page 8: La fiabilité à partir des DONNÉES

Défi 3: Genération d’échantillonBase de connaissance RCM

Bons de travail

Table des évenements (l’échantillon)

Page 9: La fiabilité à partir des DONNÉES

Défi 3: Genération d’échantillon

BT. 1, FF RCMREF15

BT. 2, FF RCMREF16

BT. 3, FF RCMREF16

BT. 4, S RCMREF15

BT. 5, PF RCMREF15

CMMS Bons de travail Table d’évènements

EF15

B15

EF16

B16

EF16

B16

ES15

B15

EF15

B15

Échantillon

Right (Temporary) Suspensions:

Legend:

EF: endings by failureES: endings by suspension

Life cycles:

Left Suspensions:

Tem

ps

de

cale

nd

rier

/Challenge 3 cont’d:

Page 10: La fiabilité à partir des DONNÉES

Défi 4: Analyse de fiabilité

)(06944.01781.0

27092709

781.0)( tMaxWSDrope

tth

Model risque

+

RULE et Intervalle de confiance

Model de coût

Décision basée sur:

Coût, (disponibilité) et probabilité

Decision basée sur:Probabilité

RULEScatter

+

Predictive modelModel prédictif

Page 11: La fiabilité à partir des DONNÉES

PropositionSurmoner Défi 2

“living reliability”

“on-the-job”IterativeIntegrée

Page 12: La fiabilité à partir des DONNÉES

Le processus (On-the-job) LRCM Surmontage du défi (2) clé

1. Surveiller des liens BT - B de C2. Surveiller des mise à jours des

enregisterments de la B de C.3. Poser des questions4. Proposer des révisions5. Obtenir de la retroaction6. Obtenir le consensus.

Équipe

Page 13: La fiabilité à partir des DONNÉES

OMDECspécialistes en LRCM

+Ingénieurs, planificateurs, superviseurs, techniciens

LRCM conseils

Méthodes,analysesmodèles

Enregistrements de connaissance

Work ordersand KR links

“On-the-job” travail d’équipe

Leadership: Reconnaissance, Empowerment, Intéret visible

Gestionnaires deMaintenance

Rapports de progrèsKPIs

Page 14: La fiabilité à partir des DONNÉES

Participants BI-Cycle, OMDEC Murray Wiseman – LRCM, spécialiste CBM

Dr. Daming Lin – Statisticien de données de maintenance, expertise: fiabilité, traitement des signaux, logiciel de fiabilité, base de données, et ETL.

Oscar Hoyos – Ingénieur, LRCM-EXAKT entraineur, Yanacocha, Newmont Gold, 6σ, Komatsu.

Joan Dorrepaal – Spécialist BI, Pres. BI-Cycle