5 indicateurs indispensables à suivre dans le calcul de votre coût de maintenance

Publié par Beelse le 21 février 2020

Dans un contexte industriel concurrentiel fort, il est aujourd’hui nécessaire de produire plus et mieux, tout en se différentiant des concurrents et en dépensant moins de temps et de ressources. Par conséquent, on vise une production plus flexible, plus fluide, ou chaque opération doit apporter de la valeur.

La maintenance est indéniablement un levier majeur dans cette équation.  Longtemps vue comme un centre de coût, elle est désormais reconnue comme une pierre angulaire de la compétitivité industrielle.

Au-delà du simple coût direct de maintenance qui est trop souvent le seul évalué et géré, il faut tenir compte des coûts générés par l'indisponibilité du matériel : coût de perte de production, pénalités de retard, coût de sous-traitance éventuelle, amortissements non couverts, main d'œuvre inoccupée...

Il convient ainsi de définir les indicateurs précis qui permettront de suivre les performances des processus en fonction de votre secteur d’activité. C’est à travers la comparaison de ces indicateurs, calculés avec des valeurs de référence, et l’analyse de tableaux de bord, que les actions à mener pour optimiser les résultats globaux pourront être identifiées.

Pour en savoir plus sur les solutions innovantes de l'industrie 4.0, téléchargez notre guide
Télécharger le guide

Dans un service maintenance, les indicateurs sont hautement importants pour un suivi précis et une performance optimale. Encore une fois, plus l’outil de production est maintenu en bon état de fonctionnement, plus les dépenses sont réduites.

Le MTBF par exemple est indispensable dans le pilotage du coût de maintenance, il s’agit d’un indice de fiabilité d’un produit ou d’un système réparable.

MTBF est l’abréviation pour Temps Moyen de Bon Fonctionnement (Mean Time Between Failures en anglais). Il mesure le taux de défaillances aléatoires à l'exclusion des pannes systématiques dues par exemple aux erreurs de conception ou défauts de fabrication (produits en début de vie) et à l'exclusion de l'usure due à l'usage (fin de vie d’un produit).

Le MTBF s’exprime habituellement en nombre d’heures. Plus le MTBF est élevé, plus le produit ou le système est fiable.

La valeur du MTBF ne peut être définie que pour un usage et un environnement donnés. Par exemple, le MTBF d’un produit donné pour fonctionner entre -20°C et +70°C sera différent selon que le produit est utilisé en intérieur à 20°C ou en extérieur à 70°C .

 On mesure donc ici une durée de fonctionnement.

                                                  MTBF =  (T2 - T1)
 
où T2 correspond à l'heure de la 2ème défaillance et T1 l'heure de la précédente.

 

Cet indicateur est indissociable du MTTR qui va permettre d’analyser la maintenabilité d’un équipement.

Le MTTR (Mean Time To Repair) correspond au temps moyen passé » par un technicien jusqu'à la réparation ou le dépannage. Son analyse permet de voir l’évolution du service maintenance et des compétences au fil du temps. S’il s’avère trop long, il peut mettre en évidence la nécessité de trouver des solutions pour rendre les opérations de maintenance plus simples et plus rapides.


MTTR = Temps de Panne / Nombre de Pannes

 

Un autre point important dans le choix des bons indicateurs est de pouvoir répondre à la fois aux attentes des acteurs de terrain et au management (responsable maintenance, direction…). Les indicateurs analysés sont donc une réponse concrète aux objectifs définis par la direction et vous permettent de rendre des comptes auprès des différents services.

Il faut donc repérer les indicateurs vraiment utiles au quotidien. Le choix doit se faire en fonction de leur qualité et de leur pertinence.

Le taux de panne est ainsi un bon exemple de mise en avant de la productivité qui peut servir aux différents services intéressés par la performance de la maintenance.

Le taux de panne est le pourcentage du nombre d'heure de panne sur le temps brut de fonctionnement machine (Temps d'ouverture - arrêts programmés). Pour être plus pertinent ce taux de panne peut-être pondéré en fonction des équipements afin que l'impact d'une panne sur une machine goulot soit plus important que sur une machine annexe de production.


                Taux de panne = Nb heure de panne / Temps brut de fonctionnement

 

Attention toutefois, les indicateurs ne sont que les données de sortie d'un système d'information et de mesure concrétisé par un tableau de bord.

Il est nécessaire de les mettre en perspective avec des choix stratégiques d’entreprise pour optimiser la maintenabilité du système.

Ainsi le délai d’obtention des pièces peut être au cœur d’échanges sur le stock stratégique par exemple.  Dès lors, certaines pièces se doivent d’être en stock car le coût d’arrêt de la chaine de production serait trop élevé.

En effet, le coût de temps d’arrêt (True Downtime Cost) est un indicateur clé. Dans l’industrie automobile par exemple, une minute de temps d’arrêt peut coûter entre 25 000 € et 60 000 €. Par conséquent, même un faible pourcentage de diminution des temps d’arrêt peut sauver des millions de d’euros à l’entreprise.

En calculant votre coût de temps d’arrêt et en identifiant des améliorations associées, vous pouvez démontrer des gains de temps et d’argent, ainsi que des réductions des gaspillages.

Ainsi, en fonction de la criticité et du délai d’approvisionnement toléré, vous pouvez prendre la décision de dématérialiser l’approvisionnement de certaines pièces du stock avec des solutions de cloud manufacturing par exemple.

Dans une démarche d’Industrie 4.0, la maintenance doit ainsi se digitaliser pour devenir Maintenance 4.0. Grâce aux équipements connectés et aux technologies d’analyse intelligente des immenses volumes de données qu’ils émettent, la gestion d’interventions de maintenance devient une activité de plus en plus réactive et précise.  

Pour aller plus loin sur le sujet, nous vous proposons un tour d’horizon des nouvelles solutions technologiques au cœur de l’industrie 4.0. Découvrez ainsi comment votre organisation peut explorer ces technologies et entrer dans le Big Data progressivement.

Télécharger le guide

Articles récents