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.