Conception et évaluation d'un outil d'aide à la décision pour la maintenance préventive et prédictive d'équipements miniers mobiles souterrains

L’extraction minière a occupé une place primordiale dans l’histoire de l’humanité et a grandement évolué au fil des années. Les avancées technologiques ont permis la conception d’équipements de plus en plus complexes devant opérer dans des conditions exceptionnellement ardues. Ces conditions engendrent un taux de bris particulièrement élevé par rapport aux autres industries et accentuent ainsi l’importance de la maintenance d’équipements miniers. Dans l’industrie, la maintenance préventive (PM), soit une maintenance systémique où l’équipement est entretenu à des intervalles réguliers, est le type de maintenance le plus communément implémenté. L’arrivée de technologies sans-fil dans les mines souterraines a motivé les chercheurs et les industriels à entamer la transition vers la maintenance prédictive (PdM), soit une maintenance conditionnelle qui dépend de l’état de l’équipement. Cependant, les outils de gestion de la maintenance (GMAOs) disponibles à ce jour n’offrent pas de support pour la PdM et sont souvent compliqués et frustrants à utiliser. Dans ce mémoire par articles, j’ai conçu, développé et évalué un GMAO axé sur la prise de décision pour la PM et PdM d’équipements miniers mobiles. Pour ce faire, j’ai suivi la méthodologie de conception centrée sur l’utilisateur. Ces travaux ont fait l’objet de deux articles publiés ou soumis pour publication dans des journaux revus par les pairs. Le but du premier article était d’établir le contexte d’utilisation et les besoins des utilisateurs. Des entrevues avec 15 experts en maintenance provenant de 7 mines canadiennes ont permis de cartographier le processus réel de maintenance actuellement implémenté dans les mines souterraines. Cette cartographie applique les divers concepts déjà connus en littérature au domaine minier et indique aussi des aspects rarement mentionnés tels que la sous-catégorisation des bons de travail et le rôle exact du planificateur de maintenance. De plus, les résultats concernant les indicateurs de performance utilisés en planification de maintenance respectent les travaux existants et montrent un changement minimal par rapport aux études effectuées il y a 20 ans. Finalement, l’identification des irritants face à l’utilisabilité des GMAOs jumelés à la compilation d’une liste de requis pour ce type de systèmes constituent la base des travaux qui suivent. Le deuxième article avait comme objectif de concevoir le GMAO, nommé VulcanH, sous forme de prototype fonctionnel et d’évaluer son utilisabilité auprès des experts en maintenance. Les résultats de tests utilisateur auprès de 9 responsables de maintenance travaillant parmi 5 mines canadiennes ont validé l’utilisabilité de VulcanH pour la planification de la PM (UEQ+ = 2,00 ± 0,43) et de la PdM (UEQ+ = 2.28 ± 0,61). La confiance des experts en l’automatisation engendrée par la PdM était élevée (RIS = 4,83 ± 1,07 sur 7) mais le besoin d’explications détaillées permettant l’évaluation des suggestions avec justesse était manifesté souvent par les participants. En somme, ces travaux suggèrent qu’une intégration harmonieuse des pratiques de PdM dans le processus actuel de PM est possible et que l’ouverture des experts face aux changements amenés par des telles pratiques est considérable. Quant à l’utilisabilité des GMAOs, les résultats démontrent l’efficacité de la conception centrée sur l’utilisateur. Cette méthode permet d’optimiser l’expérience utilisateur et de faciliter la prise de décision en maintenance. De plus, notre étude est la première instance où RIS a été utilisée pour évaluer la confiance d’experts en maintenance d’équipements miniers et témoigne de l’efficacité de cette méthode dans le contexte donné. Finalement, nos résultats montrent que l’ajout de l’intelligence artificielle aux outils de PdM doit inclure des algorithmes pouvant fournir des explications pertinentes et utilisables par l’expert. Dans le futur, VulcanH devrait intégrer plusieurs outils d’analyse de données pour l’optimisation des PMs et des PdMs dans le but de fournir un outil centralisé d’aide à la décision.

Abstract

The mining industry has played a significant role in the history of mankind and underwent multiple evolutions throughout the years. Technological advancements allowed for the construction of equipment of ever-growing complexity capable of operating in strenuous conditions that result in failure rates much higher in other industries. Thus, equipment maintenance is a crucial aspect of a mining venture. In the mining industry, most equipment undergoes maintenance on a systematic basis depending on predetermined maintenance interval. This approach is known as preventive maintenance (PM) and is the most implemented type of maintenance in the field. Recent wireless technologies have facilitated the active monitoring of equipment and encouraged researchers and practitioners to transition towards a more novel approach, that of predictive maintenance (PdM). Contrary to PM, PdM maintenance intervals are dependent on equipment status which, in theory, allows for a more accurate maintenance execution window. Despite the introduction of new maintenance technologies, available maintenance management systems (CMMSs) are not equipped to handle PdM practices and provide a complex and frustrating user experience. In this article-based thesis, I designed, developed, and tested a CMMS capable of providing decision support for PM and PdM of mobile mining equipment. To achieve this goal, I implemented the human-centred design methodology. My research efforts culminated in the creation of two articles published in (or submitted to) peer-reviewed journals. The first article’s main objective was to understand and establish the context of use and to gather user requirements. Interviews with 15 maintenance experts from 5 mining sites allowed me to document the maintenance process that is currently implemented in Canadian underground mines. This documentation is based on existing concepts in maintenance literature and applies them to underground mining sites. Furthermore, it expands knowledge on the subject by presenting activities that are rarely mentioned in literature, such as work order sub-prioritization and the effective role of a maintenance planner. Also, results on key performance indicators (KPIs) and their usage respect observations from past studies and prove that the KPIs used in maintenance planning have generally remained the same for over 20 years. Finally, common CMMSs’ usability pitfalls were established and were used to compile a list of user requirements for CMMSs. These requirements constitute the basis of the research that follows. The focus of the second article was to design and develop a functional prototype of a CMMS, named VulcanH, and to evaluate its usability among maintenance experts. Results from user tests conducted among 9 participants from 5 mining sites validated the prototype’s usability for both PM (UEQ+ = 2.00 ± 0.43) and PdM (UEQ+ = 2.28 ± 0.61) planning and scheduling. Moreover, experts’ trust in the PdM-enabled automation was elevated (RIS = 4.83 ± 1.07, out of 7) but most participants voiced their need for detailed explanations. In fact, these were necessary for experts to successfully evaluate the system’s suggestions. Overall, this thesis suggests that a harmonious integration of PdM practices into the current PM workflow is possible and that maintenance experts are ready for this introduction into the maintenance workflow. Additionally, results on CMMS usability prove that a human-centred design methodology improves user experience and decision making for maintenance experts. Concerning trust, our study is the first to have applied RIS to maintenance experts and CMMSs. Our work validates the scale’s usefulness and efficiency in the given context. Lastly, our results show that the addition of artificial intelligence to PdM should consider algorithms capable of providing useful and actionable explanations that may aid in the expert’s decision making. Future research should integrate novel decision analysis tools for PM and PdM optimization into VulcanH to implement a centralised decision-making system.