Approche holistique de diagnostic de stratégies de maintenance basée sur l'analyse de données

La performance des stratégies de maintenance joue un rôle déterminant dans la fiabilité, la disponibilité et l’efficacité opérationnelle des équipements. Malgré la multiplication des données disponibles grâce aux systèmes ERP et à la numérisation des processus, ces données restent souvent sous-exploitées pour ajuster les stratégies de maintenance existantes. La majorité des travaux dans la littérature se concentrent sur la définition théorique d’une politique de maintenance optimale, sans proposer de méthodes concrètes pour évaluer et améliorer les pratiques déjà mises en place. Ce mémoire propose de combler cette lacune en développant une méthode de diagnostic holistique, fondée sur l’analyse de données historiques et adaptée à la complexité d’une flotte d’équipements hétérogènes aux comportements divers. La méthode proposée repose sur une démarche structurée en trois étapes complémentaires : (1) un diagnostic préliminaire visant à comprendre les pratiques de maintenance actuelles et à repérer des tendances et déséquilibres potentiels ; (2) une identification des composants critiques, basée sur plusieurs paramètres représentatifs de leurs besoins en maintenance ; et (3) une évaluation détaillée des plans d’entretien selon trois axes : la pertinence des intervalles d’entretien, la criticité des défaillances associées, et l’efficacité des processus d’exécution. Chaque axe est représenté par un ensemble d’indicateurs calculés à partir des données de maintenance. Cette méthode a été appliquée à un cas réel en collaboration avec une grande organisation de transport en commun, désireuse de réévaluer ses politiques d'entretien préventif. L’analyse a permis de dresser un diagnostic complet des stratégies de maintenance appliquées à la flotte de métros, et de détecter les plans d'entretien les plus critiques selon différents profils de sous-performance. La méthodologie développée a ainsi permis de cibler les composants les plus problématiques, d’identifier des cas suspects de sur- ou sous-maintenance, et de structurer les résultats dans un tableau de bord interactif conçu comme un outil d’aide à la décision permettant de soutenir les actions d'ajustement des politiques d’entretien. En permettant une exploitation rigoureuse de données déjà collectées, mais rarement valorisées, cette approche apporte un support concret pour l’aide à la décision et s’inscrit dans une logique d’amélioration continue de la maintenance. Elle est par ailleurs transférable à d’autres organisations industrielles confrontées à des problématiques similaires de gestion de flottes complexes et d’optimisation de la performance de leurs pratiques d’entretien.

Abstract

The performance of maintenance strategies plays a key role in ensuring the reliability, availability, and operational efficiency of equipment. Despite the growing availability of data enabled by ERP systems and the digitalization of processes, such data remains largely underutilized when it comes to evaluating and adjusting existing maintenance strategies. Most studies in the literature focus on the theoretical definition of an optimal maintenance policy, without providing practical methods to assess and improve those already in place. This thesis aims to bridge that gap by developing a holistic diagnostic method based on historical data analysis, tailored to the complexity of a heterogeneous fleet of equipment with diverse operational behaviors. The proposed approach is structured around three complementary steps: (1) a preliminary diagnostic to characterize current maintenance practices and identify potential trends and imbalances; (2) the identification of critical components based on multiple parameters reflecting their maintenance needs; and (3) a detailed evaluation of maintenance plans along three dimensions: the relevance of maintenance intervals, the criticality of associated failures, and the effectiveness of execution processes. Each dimension is assessed using a set of indicators derived from maintenance data. The method was applied to a real-world case study in collaboration with a major public transit operator seeking to reassess its preventive maintenance policies. The analysis enabled a comprehensive diagnosis of the maintenance strategies implemented across a metro fleet and identified the most critical plans based on various underperformance profiles. The developed methodology enabled the organization to identify the most problematic components, detect potential cases of over- or under-maintenance, and present the results in an interactive dashboard designed as a decision-support tool to guide the adjustment of maintenance policies. By enabling the rigorous use of data that is already collected but often underexploited, this approach provides a concrete foundation for decision-making. It supports a continuous improvement process in maintenance. Moreover, it is transferable to other industrial organizations facing similar challenges in managing complex fleets and optimizing the performance of their maintenance practices.