INSTITUT SUPERIEUR DES ETUDES TECHNOLOGIQUES DE MAHDIA NOM : PRENOM(S) : YAMEOGO STEVE KEVIN JUNIOR Bamba mariam GROUPE : MI5.1 ANALYSE HISTORIQUE Nom prof : Mr. HADDAR 2020-2021 INSTITUT SUPERIEUR DES ETUDES TECHNOLOGIQUES DE MAHDIA ANALYSE HISTORIQUE Introduction Une analyse historique ce n’est pas une analyse personnelle. Ce n’est pas une analyse politique. Ce n’est donc pas un jugement sur l’événement. On pourrait dire que l’analyse historique c’est une analyse professionnelle sur un événement historique, une problématique historique, etc… Finalement, l’idée d’analyse renvoie à une réflexion sur un événement et pas à une description de l’événement. La meilleure façon de s’assurer de faire une analyse historique et pas un travail descriptif est poser une question (une problématique) dans l’introduction et d’y répondre dans votre travail. La façon la plus efficace de répondre à votre question est de bâtir un plan avec des titres axés sur la démonstration de votre analyse. Votre travail sera une démonstration et pas un résumé de l’événement ou du sujet. Vous sélectionnerez les meilleurs arguments trouvés dans vos lectures. Dans ce TP notre analyse historique est l’analyse de Pareto sur la synoptique de fonctionnement d’une ligne de fabrication de barquettes en polystyrène expansé. Le principe de Pareto, aussi appelé loi de Pareto, principe des 80-20 ou encore loi des 80-20, est un phénomène empirique constaté dans certains domaines : environ 80 % des effets sont le produit de 20 % des causes. Il a été appliqué à des domaines comme le contrôle qualité. Le principe de Pareto doit son nom à l'économiste italien Vilfredo Pareto, qui à la fin du XIXe siècle analyse les données fiscales de l'Angleterre, la Russie, la France, la Suisse, l'Italie et la Prusse. Vilfredo Pareto, né le 15 juillet 1848 à Paris et mort le 19 août 1923 à Céligny (Suisse), est un sociologue et économiste italien. 2020-2021 INSTITUT SUPERIEUR DES ETUDES TECHNOLOGIQUES DE MAHDIA But du TP Le but est de pouvoir utiliser l’analyse Pareto pour pouvoir faire une analyse des défaillances des machines. Le diagramme de PARETO permet de visualiser l’importance relative des différentes sousensembles ou catégories d’un ensemble précédemment analysé et chiffré sous la forme d’un classement et d’une hiérarchisation. Objectifs du TP Ce TP nous a permis de se familiariser avec le logiciel Excel et avec ces différentes fonctionnalités permettant le calcul (somme, pourcentage, pourcentage cumulé) ; Il nous a permis également d’obtenir la trace du diagramme de Pareto ; Ce TP nous a permis d’observer et d’analyser les défaillances des sous-ensembles qui mettent en cause la maintenabilité la disponibilité et fiabilité ; 2020-2021 INSTITUT SUPERIEUR DES ETUDES TECHNOLOGIQUES DE MAHDIA Analyse Pareto 1) Tableau récapitulatif Equipements Panne(N) BROY EMP MISAC DECOUP EXTRU VUL FIL FORM 3 11 21 1 1 2 1 2 Durée de la Moyenne de panne(NT) temps d'arrêt (T) 30 10 293 26,64 476 22,67 15 15 60 60 20 10 2 2 181 90,5 2) Tableau de répartition en fonction des pannes Equipements Panne(N) MISAC EMP BROY VUL FORM DECOUP EXTRU FIL Total 21,000 11,000 3,000 2,000 2,000 1,000 1,000 1,000 42,000 Pourcentage Frequence(N%) Effectif cumulé(Ncum) cumule(Ncum%) 50,000 21,000 50,000 26,190 32,000 76,190 7,143 35,000 83,333 4,762 37,000 88,095 4,762 39,000 92,857 2,381 40,000 95,238 2,381 41,000 97,619 2,381 42,000 100,000 Trace du diagramme de Pareto pannes 100,000 90,000 80,000 70,000 60,000 50,000 40,000 30,000 20,000 10,000 0,000 MISAC EMP BROY Frequence(N%) VUL FORM DECOUP Pourcentage cumule(Ncum%) 2020-2021 EXTRU FIL INSTITUT SUPERIEUR DES ETUDES TECHNOLOGIQUES DE MAHDIA Interprétation A partir du diagramme de Pareto nous pouvons dire que 80% des défaillances sont génère par les 3 sous-ensembles (MISAC, EMP, BROY) qui constituent 20% de l’ensembles des machines. Ce sont trois sous-ensembles qui mettent en cause la fiabilité de la ligne de fabrication des barquettes. Ainsi il serait nécessaire de prioriser les actions de maintenance préventive sur ces trois machines afin assurer la fiabilité. Conclusion Grace au diagramme de Pareto nous avons pu identifier les sous-ensembles : MISAC, EMP, BROY qui mettent en cause la fiabilité de la ligne de production. 3) Tableau de répartition en fonction de la durée de pannes Durée de la Effectif Pourcentage Equipements panne(NT) Fréquence(N%) cumulé(Ncum) cumule(Ncum%) MISAC 476,000 44,197 476,000 44,197 EMP 293,000 27,205 769,000 71,402 FORM 181,000 16,806 950,000 88,208 EXTRU 60,000 5,571 1010,000 93,779 BROY 30,000 2,786 1040,000 96,565 VUL 20,000 1,857 1060,000 98,422 DECOUP 15,000 1,393 1075,000 99,814 FIL 2,000 0,186 1077,000 100,000 Total 1077,000 100,000 2020-2021 INSTITUT SUPERIEUR DES ETUDES TECHNOLOGIQUES DE MAHDIA Trace du diagramme durée de pannes 120,000 100,000 80,000 60,000 40,000 20,000 0,000 MISAC EMP FORM Frequence(N%) EXTRU BROY VUL DECOUP FIL Pourcentage cumule(Ncum%) Interprétations Grace au diagramme de Pareto ci-dessus nous constatons que les sous-ensembles : MISAC, EMP, FORM constitue 20% des sous-ensembles qui entrainent 80% de longues durées de pannes. Comme ces machines ont une longue durée de panne nous pouvons dire que ces machines sont moins maintenables et que ce sont elles qui mettent en cause la maintenabilité de la ligne de fabrication. Pour améliorer la maintenabilité il est important d’appliquer une maintenance préventive afin d’éviter de longue durée de panne. Conclure Grace au diagramme de Pareto nous avons pu identifier les sous-ensembles : MISAC, EMP, BROY qui mettent en cause la maintenabilité de la ligne de production. 2020-2021 INSTITUT SUPERIEUR DES ETUDES TECHNOLOGIQUES DE MAHDIA 4) Tableau de répartition en fonction de la moyenne de temps d’arrêt Equipements FIL BROY EMP FORM EXTRU MISAC VUL DECOUP Total Moyenne de temps Pourcentage d'arret (T) Frequence(N%) Effectif cumulé(Ncum) cumule(Ncum%) 90,500 38,216 90,500 38,216 60,000 25,337 150,500 63,553 26,640 11,250 177,140 74,803 22,670 9,573 199,810 84,376 15,000 6,334 214,810 90,710 10,000 4,223 224,810 94,933 10,000 4,223 234,810 99,155 2,000 0,845 236,810 100,000 236,810 100,000 Trace du diagramme la moyenne de temps d’arret 120,000 100,000 80,000 60,000 40,000 20,000 0,000 FIL BROY EMP Frequence(N%) FORM EXTRU MISAC VUL DECOUP Pourcentage cumule(Ncum%) Interprétations D’après l’analyse ci-dessus nous retenons que les sous-ensembles qui sont : FIL, EMP, BROY, FORM représentent 20% des sous-ensembles produisant 80% de la moyenne de temps d’arrêt de la ligne de fabrication. Sachant que ces machines ont de grosses moyennes de temps d’arrêt nous pouvons alors affirmer que ce sont ces machines qui créent un problème de disponibilité (fiabilité + maintenabilité) dans la ligne de fabrication. Pour assurer la disponibilité de la ligne de production il est préférable d’appliquer une maintenance préventive à ces différents sous-ensembles. Conclusion Grace au diagramme de Pareto nous avons pu identifier les sous-ensembles : FIL, EMP, BROY, FORM qui mettent en cause la disponibilité de la ligne de production. 2020-2021 INSTITUT SUPERIEUR DES ETUDES TECHNOLOGIQUES DE MAHDIA CONCLUSION GENERALE Au terme de notre analyse, nous pouvons affirmer que l’analyse Pareto est un moyen efficace d’identification des éléments interférant dans la fiabilité, maintenabilité et disponibilité de la ligne de fabrication. Grace à ce diagramme nous avons pu identifier les machines : EMP, BROY étant à l’origine du disfonctionnement de la ligne de fabrication de barquettes Nous proposons alors de maximiser les actions de maintenance préventive sur ces deux machines. 2020-2021 INSTITUT SUPERIEUR DES ETUDES TECHNOLOGIQUES DE MAHDIA MERCI POUR LA LECTURE 2020-2021