[et_pb_section fb_built=\u00a0\u00bb1″ admin_label=\u00a0\u00bbsection\u00a0\u00bb _builder_version=\u00a0\u00bb4.19.0″ background_color=\u00a0\u00bb#3a3a3a\u00a0\u00bb min_height=\u00a0\u00bb2950.1px\u00a0\u00bb collapsed=\u00a0\u00bboff\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb][et_pb_row _builder_version=\u00a0\u00bb4.19.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb][et_pb_column type=\u00a0\u00bb4_4″ _builder_version=\u00a0\u00bb4.19.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb][et_pb_text admin_label=\u00a0\u00bbH1″ _builder_version=\u00a0\u00bb4.21.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb header_text_color=\u00a0\u00bb#FFFFFF\u00a0\u00bb hover_enabled=\u00a0\u00bb0″ global_colors_info=\u00a0\u00bb{}\u00a0\u00bb sticky_enabled=\u00a0\u00bb0″]<\/p>\n
[\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row column_structure=\u00a0\u00bb1_2,1_2″ _builder_version=\u00a0\u00bb4.21.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb][et_pb_column type=\u00a0\u00bb1_2″ _builder_version=\u00a0\u00bb4.19.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb][et_pb_text admin_label=\u00a0\u00bbH2 + Introduction\u00a0\u00bb _builder_version=\u00a0\u00bb4.21.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb hover_enabled=\u00a0\u00bb0″ global_colors_info=\u00a0\u00bb{}\u00a0\u00bb sticky_enabled=\u00a0\u00bb0″]<\/p>\n
L’histoire de la cr\u00e9ation de la Point to Failure Curve PTF Curve remonte \u00e0 une \u00e9tude r\u00e9alis\u00e9e par Thomas Nowlan et Howard Heap, travaillant pour United Airlines.<\/span> [\/et_pb_text][\/et_pb_column][et_pb_column type=\u00a0\u00bb1_2″ _builder_version=\u00a0\u00bb4.19.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb][et_pb_image src=\u00a0\u00bbhttps:\/\/digital-predict-innovation.com\/wp-content\/uploads\/2024\/01\/Reliability-centered-maintenance.png\u00a0\u00bb alt=\u00a0\u00bbPhoto archive : Etude maintenance conditionnelle \u00a0\u00bb title_text=\u00a0\u00bbReliability centered maintenance\u00a0\u00bb admin_label=\u00a0\u00bbImage Historique \u00a0\u00bb _builder_version=\u00a0\u00bb4.21.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb width=\u00a0\u00bb57.4%\u00a0\u00bb max_width=\u00a0\u00bb58%\u00a0\u00bb custom_padding=\u00a0\u00bb||0px|||\u00a0\u00bb border_radii=\u00a0\u00bbon|20px|20px|20px|20px\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb][\/et_pb_image][\/et_pb_column][\/et_pb_row][et_pb_row admin_label=\u00a0\u00bbrow\u00a0\u00bb _builder_version=\u00a0\u00bb4.21.0″ background_size=\u00a0\u00bbinitial\u00a0\u00bb background_position=\u00a0\u00bbtop_left\u00a0\u00bb background_repeat=\u00a0\u00bbrepeat\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb][et_pb_column type=\u00a0\u00bb4_4″ _builder_version=\u00a0\u00bb4.16″ custom_padding=\u00a0\u00bb|||\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb custom_padding__hover=\u00a0\u00bb|||\u00a0\u00bb][et_pb_text admin_label=\u00a0\u00bbH3″ _builder_version=\u00a0\u00bb4.21.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb text_text_color=\u00a0\u00bb#FFFFFF\u00a0\u00bb width=\u00a0\u00bb70%\u00a0\u00bb width_tablet=\u00a0\u00bb70%\u00a0\u00bb width_phone=\u00a0\u00bb70%\u00a0\u00bb width_last_edited=\u00a0\u00bbon|desktop\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb]<\/p>\n [\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row admin_label=\u00a0\u00bbrow\u00a0\u00bb _builder_version=\u00a0\u00bb4.21.0″ background_size=\u00a0\u00bbinitial\u00a0\u00bb background_position=\u00a0\u00bbtop_left\u00a0\u00bb background_repeat=\u00a0\u00bbrepeat\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb][et_pb_column type=\u00a0\u00bb4_4″ _builder_version=\u00a0\u00bb4.16″ custom_padding=\u00a0\u00bb|||\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb custom_padding__hover=\u00a0\u00bb|||\u00a0\u00bb][et_pb_text admin_label=\u00a0\u00bbContenu\u00a0\u00bb _builder_version=\u00a0\u00bb4.21.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb text_text_color=\u00a0\u00bb#FFFFFF\u00a0\u00bb width=\u00a0\u00bb70%\u00a0\u00bb width_tablet=\u00a0\u00bb70%\u00a0\u00bb width_phone=\u00a0\u00bb70%\u00a0\u00bb width_last_edited=\u00a0\u00bbon|desktop\u00a0\u00bb custom_padding=\u00a0\u00bb||0px|||\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb]<\/p>\n D\u00e9faillances li\u00e9es \u00e0 l’installation, rodage, d\u00e9marrage:\u00a0<\/strong><\/span><\/p>\n Ces\u00a0anomalies<\/span>, souvent\u00a0impr\u00e9vues surviennent <\/span>brusquement et sont g\u00e9n\u00e9ralement attribu\u00e9es \u00e0 des probl\u00e8mes li\u00e9s \u00e0 l’installation, aux r\u00e9glages ou aux op\u00e9rations. Pour anticiper ces d\u00e9faillances<\/span><\/strong>, une approche\u00a0proactive<\/span><\/strong>\u00a0est indispensable. Elle implique la planification d’arr\u00eats<\/span>\u00a0techniques, la documentation pr\u00e9cise des proc\u00e9dures, l’\u00e9tablissement d’un programme de\u00a0lubrification<\/span><\/strong>\u00a0ad\u00e9quat, l’utilisation d’outils de pointe tels que l’alignement<\/span> laser, et la formation continue du personnel. D\u00e9faillances al\u00e9atoires:\u00a0<\/strong><\/span><\/p>\n Ces dysfonctionnements, plus difficiles \u00e0 d\u00e9tecter, sont souvent d\u00e9clench\u00e9s par des modifications dans les processus ou les produits. Les op\u00e9rations de maintenance planifi\u00e9es ont souvent peu d’effet dans ces cas, ce qui n\u00e9cessite une approche bas\u00e9e sur l’analyse des causes racines (RCA) et une surveillance continue pour les identifier et les traiter efficacement.<\/p>\n D\u00e9faillances li\u00e9es \u00e0 l’usure:\u00a0<\/strong><\/span><\/p>\n Il s’agit des d\u00e9faillances les plus courantes et facilement rep\u00e9rables. Elles requi\u00e8rent une surveillance r\u00e9guli\u00e8re et une maintenance pr\u00e9ventive adapt\u00e9e. La mise en place d’un programme de maintenance conditionnelle devient imp\u00e9rative pour une d\u00e9tection pr\u00e9coce des signes de d\u00e9faillance, l’ajustement des routines de lubrification, et l’adaptation des interventions en fonction du degr\u00e9 d’usure observ\u00e9.<\/p>\n <\/p>\n [\/et_pb_text][et_pb_text admin_label=\u00a0\u00bbContenu\u00a0\u00bb _builder_version=\u00a0\u00bb4.21.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb text_text_color=\u00a0\u00bb#FFFFFF\u00a0\u00bb width=\u00a0\u00bb70%\u00a0\u00bb width_tablet=\u00a0\u00bb70%\u00a0\u00bb width_phone=\u00a0\u00bb70%\u00a0\u00bb width_last_edited=\u00a0\u00bbon|desktop\u00a0\u00bb custom_padding=\u00a0\u00bb||0px|||\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb]<\/p>\n La segmentation des types de d\u00e9faillances<\/strong> permet d’\u00e9tablir une corr\u00e9lation entre les modes de d\u00e9faillance<\/strong> et les strat\u00e9gies de maintenance<\/strong> les plus appropri\u00e9es, simplifiant ainsi la mise en \u0153uvre d’approches proactives<\/strong>, pr\u00e9ventives\/pr\u00e9dictives<\/strong> et correctives<\/strong>, en fonction de l’\u00e9tat de l’\u00e9quipement. L’int\u00e9gration de la courbe PTF dans la gestion de la maintenance<\/strong> offre une m\u00e9thode structur\u00e9e pour maximiser la fiabilit\u00e9 des \u00e9quipements.<\/strong><\/p>\n La maintenance conditionnelle<\/strong> peut \u00eatre harmonieusement incorpor\u00e9e dans le cadre de gestion de maintenance<\/strong> bas\u00e9 sur la courbe PTF. Fond\u00e9e sur la surveillance r\u00e9guli\u00e8re des \u00e9quipements en vue de d\u00e9tecter les signes de d\u00e9faillance potentielle, elle permet d’anticiper et de planifier les interventions de maintenance de mani\u00e8re plus cibl\u00e9e.<\/p>\n <\/p>\n [\/et_pb_text][et_pb_image src=\u00a0\u00bbhttps:\/\/digital-predict-innovation.com\/wp-content\/uploads\/2024\/01\/PTF-curve-2.png\u00a0\u00bb alt=\u00a0\u00bbCourbe PTF \u00a0\u00bb title_text=\u00a0\u00bbPTF curve \u00a0\u00bb admin_label=\u00a0\u00bbImage PTF curve\u00a0\u00bb _builder_version=\u00a0\u00bb4.21.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb width=\u00a0\u00bb40.1%\u00a0\u00bb max_width=\u00a0\u00bb41%\u00a0\u00bb custom_padding=\u00a0\u00bb||0px|||\u00a0\u00bb border_radii=\u00a0\u00bbon|20px|20px|20px|20px\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb][\/et_pb_image][et_pb_text admin_label=\u00a0\u00bbContenu\u00a0\u00bb _builder_version=\u00a0\u00bb4.21.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb text_text_color=\u00a0\u00bb#FFFFFF\u00a0\u00bb width=\u00a0\u00bb70%\u00a0\u00bb width_tablet=\u00a0\u00bb70%\u00a0\u00bb width_phone=\u00a0\u00bb70%\u00a0\u00bb width_last_edited=\u00a0\u00bbon|desktop\u00a0\u00bb custom_padding=\u00a0\u00bb||0px|||\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb]<\/p>\n <\/p>\n <\/p>\n [\/et_pb_text][et_pb_text admin_label=\u00a0\u00bbConclu\u00a0\u00bb _builder_version=\u00a0\u00bb4.21.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb text_text_color=\u00a0\u00bb#FFFFFF\u00a0\u00bb width=\u00a0\u00bb70%\u00a0\u00bb width_tablet=\u00a0\u00bb70%\u00a0\u00bb width_phone=\u00a0\u00bb70%\u00a0\u00bb width_last_edited=\u00a0\u00bbon|desktop\u00a0\u00bb custom_padding=\u00a0\u00bb||0px|||\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb]<\/p>\n L’adaptation des interventions, bas\u00e9e sur les donn\u00e9es de la maintenance conditionnelle connect\u00e9e,<\/strong> concr\u00e9tise une approche proactive et \u00e9clair\u00e9e. Cette approche r\u00e9duit les co\u00fbts en \u00e9vitant des interventions inutiles, planifiant les activit\u00e9s de maintenance en fonction des r\u00e9els besoins, et am\u00e9liore la fiabilit\u00e9 op\u00e9rationnelle.<\/strong><\/p>\n En d\u00e9finitive, cette synergie avanc\u00e9e entre la courbe PTF, la maintenance conditionnelle connect\u00e9e,<\/strong> et les strat\u00e9gies de maintenance pro-actives offre une m\u00e9thodologie structur\u00e9e pour maximiser la fiabilit\u00e9 des \u00e9quipements industriels.<\/em><\/strong><\/p>\n Elle propulse l’industrie vers une \u00e8re o\u00f9 la pr\u00e9vention des d\u00e9faillances devient une r\u00e9alit\u00e9 tangible, contribuant ainsi \u00e0 une exploitation plus efficace, \u00e9conomique et durable des actifs industriels.<\/em><\/p>\n <\/p>\n [\/et_pb_text][et_pb_text admin_label=\u00a0\u00bbRedirection – suggestion de contenu\u00a0\u00bb _builder_version=\u00a0\u00bb4.21.0″ _module_preset=\u00a0\u00bbdefault\u00a0\u00bb text_text_color=\u00a0\u00bb#FFFFFF\u00a0\u00bb width=\u00a0\u00bb70%\u00a0\u00bb width_tablet=\u00a0\u00bb70%\u00a0\u00bb width_phone=\u00a0\u00bb70%\u00a0\u00bb width_last_edited=\u00a0\u00bbon|desktop\u00a0\u00bb custom_padding=\u00a0\u00bb||0px|||\u00a0\u00bb link_option_url=\u00a0\u00bbhttps:\/\/digital-predict-innovation.com\/maintenance-preventive-vs-predictive\/\u00a0\u00bb global_colors_info=\u00a0\u00bb{}\u00a0\u00bb]<\/p>\n Vous avez aim\u00e9 cet article ? Vous aimerez \u00e9galement :<\/p>\n Connected Predictive Maintenance vs Preventive Maintenance<\/a><\/p><\/blockquote>\n
Cette \u00e9tude a \u00e9t\u00e9 faite dans le but de d\u00e9velopper des m\u00e9thodes de\u00a0maintenance<\/span><\/strong>\u00a0plus efficaces pour les avions militaires. Ils ont constat\u00e9 que les approches de\u00a0maintenance<\/span><\/strong> existantes \u00e9taient co\u00fbteuses<\/span>\u00a0et ne garantissaient pas toujours la\u00a0fiabilit\u00e9<\/strong> des \u00e9quipements<\/span>. Ainsi, ils ont cherch\u00e9 \u00e0 \u00e9laborer une m\u00e9thode plus rationnelle pour\u00a0g\u00e9rer la maintenance<\/strong><\/span>\u00a0des \u00e9quipements<\/strong> complexes.<\/span>
La PTF Curve a \u00e9merg\u00e9 de cette recherche comme un outil fondamental. Elle a \u00e9t\u00e9 con\u00e7ue pour repr\u00e9senter graphiquement la\u00a0probabilit\u00e9 de d\u00e9faillance<\/strong><\/span>\u00a0d’un \u00e9quipement<\/strong> ou d’un syst\u00e8me au fil du temps. Cette courbe en forme de baignoire a \u00e9t\u00e9 d\u00e9velopp\u00e9e pour cat\u00e9goriser les modes de\u00a0d\u00e9faillance<\/span><\/strong>\u00a0en trois types distincts.<\/span><\/p>\n\n
Les 3 types de d\u00e9faillances d\u00e9taill\u00e9es :\u00a0<\/span><\/h3>\n
<\/p>\n\n
Ces m\u00e9thodes permettent de collecter des donn\u00e9es pr\u00e9cises sur l’\u00e9tat actuel des \u00e9quipements<\/strong>, contribuant ainsi \u00e0 d\u00e9terminer leur position sur la courbe PTF.<\/li>\n