Pourquoi la panne reste-t-elle à ce jour un aléa ?

Parce qu’aujourd’hui encore, l’incertitude demeure quant à la juste décision de maintenance et quant à la juste logistique de maintenance.

L’incertitude demeure aujourd’hui encore quant à la juste décision de maintenance, i.e. quant à la décision de maintenance réalisant le juste compromis entre sous-entretien et sur-entretien, au regard de ce qui est souhaité par tout exploitant : l’absence de panne jugée rédhibitoire en période de fonctionnement.

L’incertitude demeure aujourd’hui encore quant à la juste logistique de maintenance i.e. quant à la juste composition du stock en pièces de rechange à prévoir dès aujourd’hui, pour systématiquement disposer des pièces de rechange la veille de panne, pour chacune du reste des pannes non rédhibitoires qui surviendront par ex. sur les 24 prochains mois de période de fonctionnement.

En effet, il n’est toujours pas de solution de maintenance permettant d’évaluer, dès la période de maintenance en amont des 24 mois de fonctionnement, la juste décision de maintenance ainsi que le juste besoin logistique de maintenance.

La maintenance corrective n’apporte pas de réponse, puisque ce type de maintenance consiste à réparer la panne une fois la panne avérée (équipement indisponible).

La maintenance préventive n’apporte pas de réponse, puisque ce type de maintenance consiste à exécuter des tâches de maintenance périodiques, pour une série donnée d’équipements (i) indépendamment de l’usure du numéro de série (plus ou moins prononcée) et (ii) indépendamment de l’utilisation envisagée demain (plus ou moins intensive).

Les solutions usuelles de maintenance prédictive n’apportent pas non plus de réponse, puisque ces solutions attendent que se manifeste le premier symptôme de panne (la baisse de performance ou l’augmentation du niveau de dégradation) pour annoncer la panne et ce, avec un préavis réduit (moyenne constatée d’une dizaine de jours) : avec les solutions usuelles de maintenance prédictive, l’exploitant découvre les pannes en fonctionnement et avec un délai si réduit que, pour chaque panne annoncée, l’exploitant n’a pas d’autre issue que de subir la panne.

La digitalisation dans le cadre de l’industrie 4.0 avec la densification de l’IoT (augmentation de capteurs) donne l’opportunité d’un volume d’autant plus important de données à tracer et exploiter. Mais l’exploitation faite de ces nouvelles données n’a pas apporté non plus de réponse satisfaisante quant à la juste décision de maintenance et quant au juste besoin logistique de maintenance :

(i) multiplication des solutions usuelles de maintenance prédictive qui partagent toutes le biais décrit plus haut (attendre que se manifeste le premier symptôme de panne pour calculer une échéance de panne ; ce qui relève d’une approche plus réactive que proactive) ;

(ii) projets datascience trop silotés au regard des métiers fonctionnels, avec le datascientist manipulant les données trop indépendamment de ce qu’elles représentent fonctionnellement, manipulant des jeux de données insuffisamment ciblés et trop partiels.