Faire progresser l’analyse des défaillances de la maintenance d’usine SAP

Les plans de maintenance d’usine (MP) SAP sont essentiels pour réduire et minimiser l’impact des événements imprévus sur la sécurité, l’environnement et la rentabilité de l’entreprise. Mais créer et rester engagé dans l’exécution des plans de MP est souvent un défi accompagné de ressources limitées et de problèmes de qualité des données.

Dans cet article, nous discuterons de la manière dont les organisations peuvent améliorer la collecte et l’analyse des données pour prendre des décisions éclairées et améliorer les plans de maintenance préventive.

S’engager à augmenter la maintenance préventive

Lorsque l’équipement ne fonctionne pas correctement, il ne produit pas à pleine capacité. Un manque de production se traduit par une perte de revenus. Pire encore, une défaillance complète peut entraîner des coûts importants pour la réparation ou le remplacement de l’équipement, du personnel de production inactif, et même la perte de matières premières telles que la détérioration dans la fabrication des aliments et des boissons. La maintenance préventive contribue grandement à optimiser la productivité et à éviter les temps d’arrêt imprévus coûteux.

De nombreuses organisations ne déploient pas efficacement des stratégies de maintenance proactive telles que la maintenance préventive, prédictive et centrée sur la fiabilité. Comme l’indique le Marshall Institute, il existe une forte tendance à utiliser l’approche de « l’exploitation jusqu’à la défaillance » plutôt que de pratiquer la maintenance préventive. Et même dans les services de maintenance qui indiquent être engagés dans la maintenance préventive, beaucoup ne l’utilisent pas pleinement ou efficacement.

L’une des raisons pour lesquelles ces initiatives échouent souvent est que les plans de maintenance préventive (MP) ne sont pas basés sur les bonnes données. Les planificateurs de maintenance s’appuient sur un large éventail de sources de données lorsqu’ils rassemblent des tâches de MP. Par exemple, les manuels des fabricants d’équipements, l’historique des bons d’intervention et les conseils des experts en fiabilité. Étant donné que de nombreuses organisations de maintenance continuent à s’appuyer sur des processus papier et à saisir manuellement des données dans SAP, les tâches de MP sont souvent basées sur des données incomplètes et inexactes. Ainsi, l’intégrité des données joue un rôle crucial dans la création et la mise en œuvre des plans de MP.

Intégrité des données dans la maintenance d’usine SAP

Les responsables de la maintenance sont souvent surpris d’apprendre que même s’ils disposent d’un système puissant pour gérer les données de maintenance dans MP SAP, ils peuvent ne pas en tirer le meilleur parti. C’était le cas dans une usine pétrochimique basée en Afrique du Sud. La direction a commencé à remarquer que les travaux et réparations de MP n’étaient pas terminés lors de leur première tentative. Cela a contribué à une augmentation du retard dans le travail, à une augmentation des coûts et à une utilisation inefficace du temps du technicien de maintenance.

En se penchant sur le problème, la direction a identifié quelque chose qui était à la fois troublant et étonnant. Étant donné que les résultats du bon d’intervention avaient été saisis manuellement dans SAP, les détails sur ce qui s’était passé et la cause des défaillances étaient basés sur des notes manuscrites. Dans MP SAP, il s’agit de champs de texte ouverts pour capturer les données. En examinant les données, ils ont trouvé plus de 300 codes différents de motif de défaillance qui indiquait un seul problème : les pièces n’étaient pas disponibles pour terminer le bon d’intervention la première fois.

Les réponses ouvertes ont créé une base de données qui ne pouvait pas être facilement analysée par les parties prenantes pour examiner les défaillances, les causes profondes ou les tendances. Le manque de champs standards de saisie de données a eu un impact négatif sur l’intégrité des données. Et une mauvaise intégrité des données conduit à une planification de la maintenance incomplète et/ou inefficace.

Développer un plan de maintenance préventive SAP efficace

L’analyse des défaillances est un élément crucial d’une culture de maintenance préventive. Elle implique la collecte et l’analyse des données de défaillance pour identifier la cause première d’une panne. L’analyse de la défaillance est généralement effectuée après qu’une défaillance se soit déjà produite. Les ingénieurs en fiabilité et les responsables de la maintenance peuvent utiliser ce qu’ils apprennent pour améliorer la planification des tâches de MP, ainsi que pour modifier la conception de la machine ou la façon dont l’équipement est utilisé.

Mais l’analyse des défaillances n’est utile dans le processus de planification de la maintenance que si les parties prenantes ont accès à des données complètes et précises. Cela signifie rationaliser et standardiser la collecte des données de maintenance dans MP SAP grâce à l’utilisation de technologies d’automatisation. Par exemple, grâce à l’utilisation d’une solution Mobile EAM, les techniciens peuvent identifier les raisons de l’échec à l’aide des menus déroulants des codes de motif prédéfinis. Ces informations sont automatiquement synchronisées avec SAP pour donner aux planificateurs de maintenance les données fiables et complètes dont ils ont besoin pour créer des plans de MP.

Bien que le processus d’amélioration des plans de MP SAP puisse sembler imposant, vous pouvez commencer en suivant les étapes décrites ici :

1. Ressources de données d’audit

La première étape consiste à compiler vos ressources de données pour vous assurer que vous disposerez des données dont vous avez besoin pour effectuer une analyse significative. Ensuite, déterminez les actifs que vous souhaitez inclure dans vos plans de maintenance préventive. Pour les organisations qui n’ont pas établi de processus de maintenance préventive, vous pouvez simplement commencer avec quelques-uns de vos actifs les plus importants et augmenter votre capacité à partir de là.

Les ressources de données pertinentes comprendront des éléments tels que les manuels de réparation du fabricant, les bons d’intervention passés et les rapports de défaillance. Si votre service de maintenance s’appuie sur la gestion des bons d’intervention sur papier et MP SAP, il s’agira d’une tâche chronophage jusqu’à ce que vous structuriez mieux les saisies de données dans le système. Concentrez-vous sur l’extraction des données des bons d’intervention passés pour chaque actif afin de déterminer :

• Ce qui a échoué 
• Quand cela a échoué 
• Pourquoi cela a échoué 
• Quel type de réparation a été effectuée 
• Cela a-t-il échoué de nouveau ?

2. Conduire la RCA et/ou l’AMDE

Une planification de la maintenance efficace englobe deux perspectives : ce qui s’est passé et ce qui pourrait se passer. L’analyse des causes profondes (Root Cause Analysis, RCA), également appelée analyse des défaillances, examine ce qui s’est déjà passé. Lorsque vous faites l’expérience d’un événement correctif ou de panne, une RCA implique d’examiner pourquoi le problème s’est produit et d’analyser en profondeur jusqu’à ce que vous ayez identifié les causes sous-jacentes. Pour chaque cause, vous pouvez identifier une solution. Ces solutions peuvent devenir des tâches dans votre plan de MP.

Contrairement à la RCA, l’analyse des modes de défaillance et de leurs effets (AMDE) cherche à identifier ce qui pourrait se passer en identifiant tous les modes de défaillance potentiels (Failure modes, FM). Il existe plusieurs types d’analyse AMDE : conception, processus et fonctions. Nous allons nous concentrer sur les exemples fonctionnels. Le processus commence par une approche ascendante. Chaque composant d’un actif est examiné afin d’identifier tous les FM potentiels qui peuvent se produire et quelles seraient les conséquences de chaque défaillance. Étant donné que les techniciens sont les plus familiarisés avec les actifs, ils sont généralement la meilleure ressource pour identifier ces détails.

Analyse des modes de défaillance et de leurs effets – Exemple de système de pompe

Faire de l’AMDE le cœur d’un plan de maintenance des équipements

3. Hiérarchiser les risques

En utilisant ces informations, les services de maintenance peuvent ensuite définir des critères pour évaluer le niveau de risque de chaque défaillance identifiée et lui attribuer un numéro de priorité du risque (NPR). Le NPR est une mesure utilisée pour hiérarchiser les tâches de maintenance en fonction de la probabilité d’occurrence, de la capacité à détecter le problème et de la gravité de l’impact. Par exemple, évaluer la gravité (GRA) de la défaillance :

Source: Analyse des modes de défaillance et de leurs effets dans des conditions d’incertitude : Une analyse documentaire et un didacticiel

Suivez la même approche pour identifier une échelle de probabilité de survenue (OCC) et de probabilité de détection (DET) et multipliez les trois facteurs de risque pour déterminer un nombre NPR. Ensuite, en travaillant avec les ingénieurs et les techniciens, identifiez les actions recommandées, la fréquence requise et prévoyez le résultat final en utilisant la même échelle NPR.

Analyse des modes de défaillance et de leurs effets – Exemple de système de pompe Suite

Faire de l’AMDE le cœur d’un plan de maintenance des équipements

Ce type d’analyse peut commencer à un niveau élevé, en examinant les principaux composants d’un actif critique, puis au fil du temps elle peut aller plus loin dans les sous-composants et les matériaux.

Le résultat permet aux ingénieurs de maintenance et aux responsables de hiérarchiser les tâches de MP et de prendre des décisions éclairées pour améliorer l’engagement de l’organisation à exécuter les plans de MP. Recommencez l’analyse chaque année pour évaluer l’impact et affiner davantage vos plans pour une optimisation plus poussée de vos ressources.

En conclusion

La maintenance préventive aide les organisations à éviter les temps d’arrêt imprévus et à améliorer l’allocation des ressources. Alors que de nombreuses organisations indiquent qu’elles sont engagées dans des plans de maintenance préventive, les initiatives sont souvent entravées par le manque de données de qualité et la capacité à les analyser.

Commencez par structurer la capture des données pour l’analyse, puis vous pourrez examiner des méthodes éprouvées par l’industrie comme la RCA et/ou l’AMDE pour hiérarchiser et cibler vos plans de MP. Comprendre la priorité NPR d’une tâche planifiée améliore l’engagement de l’organisation à veiller à ce qu’elle soit exécutée à temps. De plus, en fonction des données, vous pouvez optimiser la fréquence d’une tâche, en réduisant éventuellement le nombre de plans de MP requis par an, en utilisant plus efficacement vos ressources et en respectant mieux votre calendrier.

En vous engageant à mieux capturer et structurer les données, analyser les défaillances et élaborer de meilleurs plans de maintenance d’usine SAP, vous pouvez obtenir des résultats à long terme avec un TRG plus élevé des actifs et minimiser l’impact des événements imprévus sur la sécurité, l’environnement et la rentabilité de l’entreprise.

Comment Sigga peut vous aider

Sigga est un partenaire SAP certifié avec plus de deux décennies d’expérience dans la fourniture de solutions de maintenance industrielle de pointe. Notre solution mobile EAM rationalise la collecte de données. Les bons d’intervention sont envoyés aux techniciens sur leurs appareils mobiles. Les techniciens capturent et structurent automatiquement les données nécessaires à l’analyse grâce à leur utilisation quotidienne de l’application pour compléter leurs bons d’intervention. Les données sont automatiquement synchronisées avec la maintenance d’usine SAP. Cette solution résout les lacunes de données et permet aux équipes de maintenance de créer, mettre en œuvre et surveiller des plans de maintenance préventive.

De plus, notre solution de planification et d’ordonnancement automatise les routines pour améliorer le déploiement des programmes de maintenance préventive avec une visibilité complète de la hiérarchisation des tâches. Avec ces deux solutions, nos clients ont constaté une amélioration des résultats de productivité allant de 15 % à plus de 50 %.

Solutions Sigga

En savoir plus sur les solutions Sigga et comment nous pouvons vous aider à améliorer votre programme de maintenance préventive.