From Static to Dynamic Reliability-Centered Maintenance (RCM): A Knowledge-Driven Framework for Specific Inspection-Maintenance Planning
Faire évoluer la RCM vers un processus dynamique et spécifique à chaque actif pour une planification plus intelligente des inspections et de la maintenance.
La Maintenance Centrée sur la Fiabilité (RCM) fournit une méthodologie systématique pour élaborer des programmes de maintenance qui permettent de trouver un équilibre entre la sécurité, la fiabilité, la disponibilité, les coûts et les exigences réglementaires. Dans la pratique, toutefois, les études RCM conventionnelles sont souvent exigeantes en main-d’œuvre, reposent fortement sur les connaissances des experts et sont réalisées sous la forme d’exercices d’ingénierie périodiques. Cela signifie que les stratégies de maintenance sont fréquemment élaborées pour des classes d’équipements plutôt que d’être adaptées aux caractéristiques et à l’état de chaque actif individuel.
Parallèlement, l’état, l’environnement opérationnel, la dégradation et le profil de risque de vos actifs continuent d’évoluer tout au long de leur durée de vie opérationnelle. Les inspections, la surveillance de l’état, les données opérationnelles et les activités de maintenance génèrent continuellement de nouvelles informations, mais ces connaissances ne sont pas toujours intégrées de manière systématique dans l’analyse RCM initiale. Par conséquent, les programmes de maintenance peuvent progressivement se retrouver déconnectés de l’état réel et du niveau de risque des actifs individuels.
Une approche dynamique de la RCM peut contribuer à combler cet écart. En combinant les connaissances en ingénierie avec des données spécifiques à chaque actif et en intégrant en continu les nouvelles informations issues des inspections, de la surveillance et des activités de maintenance, la RCM peut évoluer d’une étude statique, fondée sur des documents, vers un processus de raisonnement en ingénierie continuellement actualisé.
Lors de ce séminaire, vous découvrirez comment un cadre computationnel fondé sur les connaissances peut contribuer à la réalisation d’analyses AMDEC spécifiques à chaque actif, à la surveillance de l’état ainsi qu’à la planification des inspections et de la maintenance basée sur les risques, tout en garantissant la transparence des décisions d’ingénierie et la supervision par des experts. 
Contenu du webinaire
Limites de la RCM conventionnelle
- Pourquoi les études RCM réalisées périodiquement peuvent progressivement ne plus correspondre à l’évolution de l’état des actifs.
- Les défis liés aux analyses exigeantes en main-d’œuvre et à la dépendance à l’expertise des spécialistes.
Des stratégies par classe d’équipements à une maintenance spécifique à chaque actif
- Aller au-delà des programmes de maintenance génériques.
- Prendre en compte la configuration spécifique, les conditions d’exploitation, la dégradation et le profil de risque de chaque actif individuel.
Le concept de RCM dynamique
- Faire évoluer la RCM d’un exercice d’ingénierie périodique vers un processus continuellement actualisé.
- Mettre à jour les analyses d’ingénierie à mesure que de nouvelles informations sur les actifs deviennent disponibles.
Identification de la dégradation et des défaillances fondée sur les connaissances
- Identifier les mécanismes de dégradation, les mécanismes de défaillance et les modes de défaillance pertinents.
- Combiner les connaissances en ingénierie avec des informations spécifiques à chaque actif.
AMDEC spécifique à chaque équipement
- Élaboration automatisée d’analyses AMDEC spécifiques à chaque actif.
- Mise à jour de l’analyse en fonction de l’évolution des conditions d’exploitation, des résultats d’inspection et de l’état des actifs.
Intégration de multiples sources de données et de connaissances
- Données de surveillance de l’état et résultats d’inspection.
- Historique de maintenance et informations opérationnelles.
- Caractéristiques structurelles et techniques des équipements, systèmes de protection et connaissances en ingénierie.
Combinaison de différentes techniques d’intelligence artificielle et d’ingénierie
- Raisonnement fondé sur les connaissances.
- Apprentissage automatique (Machine Learning) et raisonnement flou (Fuzzy Reasoning).
- Grands modèles de langage (Large Language Models ou LLM).
- Modèles d’ingénierie spécialisés à différentes étapes du processus de travail.
Planification dynamique des inspections et de la maintenance fondée sur les risques
- Élaboration de plans d’inspection et de maintenance spécifiques à chaque actif.
- Mise à jour des plans lorsque de nouvelles informations sont disponibles.
- Intégration des plans obtenus dans le système informatisé de gestion de la maintenance (Computerised Maintenance Management System ou CMMS).
Transparence en ingénierie et supervision humaine
- Garantir la traçabilité des décisions d’ingénierie.
- Comprendre le rôle du jugement des experts dans la prise de décision en matière de maintenance assistée par l’IA.
- Utiliser l’IA pour compléter les connaissances en ingénierie plutôt que pour les remplacer.
Vous découvrirez comment la RCM peut évoluer d’une activité périodique fondée sur des documents vers un processus d’ingénierie continuellement actualisé, et comment les connaissances en ingénierie, les données relatives aux actifs, les résultats d’inspection, la surveillance de l’état et les techniques d’intelligence artificielle peuvent être combinés afin d’élaborer des plans d’inspection et de maintenance spécifiques à chaque actif.
Vous comprendrez également l’importance de la transparence, de la traçabilité et de la supervision par des experts lors de l’utilisation de l’IA dans la prise de décision en matière de maintenance.Participez à ce séminaire pour découvrir comment cette approche pourrait contribuer à la prochaine génération de systèmes intelligents de gestion des actifs.
Practical Information
- 10h45 Accueil sur la plateforme BEMAS Live Learning
- 11h00 Début de la présentation
- 12h00 Conclusion et séance de questions-réponses (Q&R)
About the speaker
Prof. Maneesh Singh – Conseiller technique, MIMER Services AS
Le professeur Maneesh Singh possède plus de 30 ans d’expérience dans l’industrie, la recherche et le milieu universitaire, notamment dans les domaines de l’intégrité des actifs, de la fiabilité, de l’inspection et de l’ingénierie de maintenance. Sa carrière couvre les secteurs du pétrole et du gaz, des procédés industriels, des matériaux et de l’ingénierie. Il a occupé des postes à responsabilités au sein d’organisations telles que DNV, Global Maritime, AGR EmiTeam, Elkem, Imerys Minerals et le Tata Research Development and Design Centre.
Chez DNV, il a contribué à l’élaboration de la norme DNV-RP-G101 relative à l’inspection basée sur les risques (Risk-Based Inspection, RBI), ainsi qu’au développement de méthodologies et de logiciels RBI destinés aux installations offshore.
Il est actuellement professeur en ingénierie des opérations et de la maintenance à la Western Norway University of Applied Sciences (HVL), ainsi que fondateur et directeur général de MIMER Services AS. Ses travaux portent principalement sur la maintenance centrée sur la fiabilité (Reliability-Centered Maintenance, RCM), l’inspection basée sur les risques (RBI), la surveillance de l’état, la maintenance prédictive, les risques et la fiabilité, ainsi que les systèmes d’aide à la décision fondés sur les connaissances.
Le professeur Singh est titulaire de deux doctorats, l’un en ingénierie offshore et l’autre en métallurgie des procédés. Cette double expertise lui confère un profil pluridisciplinaire couvrant l’intégrité structurelle, les mécanismes de dégradation, les matériaux, l’ingénierie de maintenance et la gestion des actifs industriels.
Restez informés
BEMAS Corporate Sponsors
