Rationalisation de vos investissements en fiabilité

Quel est le coût réel d'un échec ? Malheureusement, nous ne le savons qu'une fois la panne survenue - et la fiabilité consiste à éviter la panne. Alors, voici notre dilemme :combien vaut un non-événement ? Le monde de l'ingénierie de fiabilité de fabrication regorge de personnes hautement compétentes et bien formées qui sont habituées à définir leur monde en termes paramétriques et déterministes.

Pour se familiariser avec le processus de prédiction de l'avenir dans les conditions actuelles, puis de justification des changements pour créer un avenir nouveau et plus rentable, les professionnels de la fiabilité de fabrication doivent se familiariser avec le processus de définition de leur monde en termes probabilistes et non paramétriques.

Nous savons deux choses :chaque processus de fabrication échouera et l'échec aura un certain impact sur l'organisation. De même, il y a deux choses que nous ne savons pas :quand le processus échouera et la gravité de l'impact sur l'organisation.

D'après mon expérience, les professionnels de la fiabilité ont tendance à se tourner vers l'un des deux extrêmes lorsqu'ils définissent l'impact d'une défaillance. D'une part, l'ingénieur de fiabilité conservateur ne réclame que le coût évité pour les pièces, en supposant que le coût de la main-d'œuvre est irrécupérable ; il n'y a pas de coût d'arrêt car nous ne pouvons pas supposer que la capacité de production de l'usine sera épuisée ; et nous ne pouvons assumer aucun coût basé sur les risques, tels que les blessures corporelles, l'impact sur l'environnement, etc. À l'autre extrême, les ingénieurs de fiabilité trop zélés prétendent que s'ils n'avaient pas détecté la défaillance potentielle du roulement et planifié sa réparation, la pompe aurait a échoué, créant une perte totale de production à guichets fermés et a conduit à un incendie qui a fait exploser l'usine, tuant tout le monde, créé une importante zone de déchets environnementaux et causé l'arrêt de la rotation de la terre sur son axe ! Je plaisante, mais le fait est que la vérité se situe quelque part entre les deux.

Figure 1. Le véritable coût d'une défaillance ne peut être estimé de manière déterministe qu'après coup. À des fins de planification, une approche probabiliste doit être utilisée.

Fondamentalement, la fiabilité s'apparente à la gestion des risques. Les gestionnaires de risques voient le monde d'une manière probabiliste et non paramétrique, car c'est la seule façon raisonnable d'essayer de prédire l'avenir. Empruntant un chapitre de la gestion des risques 101 et plusieurs normes associées relatives au sujet, j'ai créé un modèle pour vous illustrer comment estimer le coût d'une défaillance fonctionnelle d'un processus de fabrication. Ce modèle est illustré à la figure 1. Voici des instructions étape par étape pour créer et utiliser des modèles de coût de défaillance ajustés en fonction du risque.

Figure 2. Estimation du coût annuel des pannes après le déploiement des améliorations de la surveillance, de la planification et de la fiabilité

1) Créez des estimations de coûts basées sur la gravité des pannes : Comme l'illustre la figure 1, chaque défaillance fonctionnelle a des coûts associés. Ceux-ci peuvent inclure les pièces, la main-d'œuvre, les temps d'arrêt, les coûts basés sur les risques, etc. La clé est de créer des modèles de coûts basés sur la gravité des pannes. Un événement de gravité élevée peut entraîner des coûts d'arrêt et/ou des coûts collatéraux importants, tandis que des événements modérés et mineurs ont un impact moindre sur l'organisation. Dans mon exemple de modèle, une défaillance de gravité élevée coûte 15 000 $ par événement, une défaillance de gravité modérée coûte 4 500 $ et une défaillance de faible gravité coûte 2 200 $. Cela ne veut pas dire que chaque événement jugé à impact modéré coûtera exactement 4 500 $ (rappelez-vous, nous avons nos limites de réflexion non paramétriques); il s'agit d'une moyenne pondérée au sein de cette catégorie de gravité de défaillance.

J'ai opté pour trois classifications de gravité, ce qui est mon approche typique dans le travail avec les clients. Vous pouvez créer autant de catégories que vous le souhaitez. Cependant, il y a un rendement marginal décroissant d'utilité pour chaque catégorie supplémentaire. Aussi, je suggère que vous résistiez à la tentation d'actualiser les coûts de main-d'œuvre sur la base de la logique qu'ils sont irrécupérables. La vérité est que le travail est un coût variable. Si les processus de fabrication deviennent plus automatisés et fiables, nous avons simplement besoin de moins de personnes pour les faire fonctionner et les entretenir, point final.

2) Créer des facteurs de pondération de probabilité : Dans mon exemple, j'ai supposé que 10 % de mes événements d'échec sont de gravité élevée, 20 % sont de gravité modérée et 70 % sont de gravité faible. Multipliez le coût total de défaillance pour chaque catégorie de gravité par son estimation de probabilité associée et additionnez les produits pour produire le coût total moyen pondéré pour un événement de défaillance. Dans mon exemple, les événements de gravité élevée contribuent 1 500 $ à la moyenne pondérée, tandis que les événements de gravité modérée et faible contribuent respectivement 900 $ et 1 540 $, pour un total de 3 940 $ par événement. Cela suggère-t-il que notre prochain échec coûtera précisément 3 940 $ ? Bien sûr que non. Encore une fois, nous pensons de manière probabiliste et non paramétrique.

3) Estimez le nombre d'événements par an : Dans le monde financier, l'analyse coûts-avantages est basée sur les coûts et avantages annualisés. Nous devons donc estimer le nombre d'événements de défaillance de ce type auxquels nous pouvons nous attendre en un an. Dans mon exemple, nous nous attendons à deux événements par an. Ainsi, notre coût de défaillance annuel moyen estimé pour ce mode de défaillance fonctionnel est de 7 880 $. Toutes les mesures d'atténuation que vous prenez affecteront la distribution de la gravité et/ou réduiront le nombre d'événements de défaillance par an (augmentant le temps moyen entre les défaillances [MTBF] ou le temps moyen avant défaillance [MTTF]).

4) Modification de la distribution de vraisemblance : Dans l'ensemble, les outils de planification ont tendance à modifier la distribution de vraisemblance. Par exemple, la surveillance de protection, les inspections et la surveillance prédictive nous aident à détecter les problèmes à leurs débuts, avant qu'ils n'aient la chance de dégénérer à des niveaux graves ou catastrophiques. De même, des processus efficaces de planification, d'ordonnancement et de gestion du travail garantissent que les problèmes détectés sont traités. Ces mesures n'affectent pas le taux d'échec de base, mais ont tendance à affecter la distribution de probabilité, diminuant la probabilité qu'un événement soit de gravité élevée tout en augmentant la probabilité qu'il soit un événement de faible gravité.

Dans notre exemple, si nous améliorons notre capacité à détecter et à gérer les défaillances, nous estimons que la probabilité d'un événement de gravité élevée passe de 10 % à 2 %, la probabilité d'un événement de gravité modérée diminue de 20 % à 5 pour cent, tandis que la probabilité d'un événement de faible gravité augmente de 70 pour cent à 93 pour cent. La redistribution des probabilités de gravité réduit le coût moyen pondéré estimé par événement de 3 940 $ à 2 796 $ (Figure 2).

5) Modification du taux d'échec : Les mesures proactives, d'autre part, influencent la fiabilité du processus de fabrication, diminuant le taux d'échec. Le contrôle et la surveillance proactifs de l'état pour améliorer la lubrification, le contrôle de la contamination, l'équilibrage et l'alignement, ainsi que des actions d'exploitation et de maintenance de précision guidées par des procédures d'exploitation standard (SOP) documentées et des procédures de maintenance standard (SMP) réduisent le taux de défaillance. Dans notre exemple, nous estimons que nous pouvons réduire de deux pannes par an à une. En supposant que nous réduisions le coût par événement en améliorant notre capacité à détecter et à gérer les problèmes, combinée à nos initiatives d'amélioration de la fiabilité, nous prévoyons de réduire notre coût de défaillance annualisé de 7 880 $ à 2 796 $ (figures 1 et 2).

Ainsi, dans notre exemple, l'amélioration de notre capacité à détecter et à gérer les défaillances produit un bénéfice net de 1 144 $ par an pour les modes de défaillance fonctionnels spécifiés. Combiné à nos initiatives d'amélioration de la fiabilité, le gain net est de 5 084 $. Tant que les investissements de fiabilité requis pour effectuer les changements produisent un taux de rendement approprié pour l'organisation, les initiatives devraient être lancées.

Dans cette chronique, nous avons adopté des modèles de gestion des risques pour nous aider à quantifier le coût d'un mode de défaillance fonctionnel. Dans les prochains numéros, nous plongerons dans le domaine de la prise de décision dans l'incertitude pour discuter des modèles permettant de faire des estimations lorsqu'il y a peu de données empiriques disponibles, puis nous les rassemblerons pour vous montrer comment effectuer une analyse coûts-avantages et présenter votre proposition projets d'amélioration de la fiabilité sous une forme qui améliorera considérablement votre taux d'approbation.