Le défi
par le capitaine Christopher Jermaine Bevelle (USAF)
Présenté lors de la Conférence sur la simulation d'hiver 2016
Dans le cadre de la gestion de flotte, les avions sont soumis à une inspection de phase afin de maximiser leur disponibilité. Un avion est cloué au sol après avoir atteint un seuil maximum d'heures de vol accumulées depuis sa dernière inspection de phase. Pour gérer ce processus, les planificateurs utilisent un indice distribué dans le temps pour suivre le cycle de phase de chaque avion et maintenir les avions respectivement en phase. Au fur et à mesure que les avions tombent en panne et que les lignes de maintenance sont encombrées, la disponibilité des avions diminue ; l'effet souhaité pour la mission est perdu, et l'utilisation constante d'avions de réserve entraîne des risques futurs pour la programmation. Dans cet exemple, les planificateurs sont constamment confrontés à la détermination de calendriers comportant plusieurs facteurs aléatoires et des risques. Le modèle présenté ici via Simio est une simulation de planification et d'ordonnancement basée sur le risque, qui permet d'identifier les risques et de prendre en compte le caractère aléatoire des cycles de phase. Le résultat de ce modèle offre aux planificateurs la possibilité d'entrer un calendrier réel dans le système, d'évaluer la santé de la flotte et de mener des analyses de simulation.
Introduction
Le cycle de maintenance par phase d'une flotte est déterminé de manière conceptuelle en divisant le seuil de restriction - le nombre maximal d'heures de vol autorisées depuis la dernière inspection de phase - par le nombre total d'aéronefs de la flotte. À titre d'exemple, une flotte de 20 avions et de 400 heures de restriction aura pour objectif idéal un intervalle de 20 heures entre les entretiens de phase par avion. Une distribution indexée sur le temps est couramment utilisée comme représentation graphique pour montrer l'objectif de temps entre les phases pour chaque avion. Ce concept, lorsqu'il est représenté graphiquement, sert de technique de compte à rebours à un planificateur pour déterminer quel avion doit idéalement être programmé pour la prochaine maintenance par phases et où se trouve un avion dans sa fenêtre de phase projetée. Le graphique superposera également un nuage de points des heures de vol réelles accumulées par avion. Pour les besoins du présent document, cette valeur sera appelée "delta de phase" (l'erreur par rapport à la cible de phase idéale pour chaque avion).
Les avions sont programmés pour des missions d'entraînement (rythme préétabli), la maintenance progressive (1 à 3 semaines selon les conditions de travail), la maintenance de routine/programmée (quelques heures, quelques jours ou quelques semaines), la maintenance en dépôt (plusieurs mois) et les activités non liées au vol (au jour le jour). Les opérations/déploiements, la maintenance non programmée due à des "ruptures brutales" sont des événements clés qui se produisent de manière aléatoire et peu fréquente. Les planificateurs peuvent choisir de "cannibaliser" un avion et de le dépouiller de ses pièces pour répondre aux besoins d'autres avions en panne, afin d'éviter des délais plus longs pour la commande de pièces dont les délais de livraison sont longs (2 à 4 semaines).
Les missions d'entraînement représentent la grande majorité des activités de vol. Une mission de vol peut durer de 1 à 3 heures, et les avions sont généralement programmés en groupes, et les groupes effectuent souvent des vols consécutifs. Par exemple, pour une journée, un planificateur programmera 10 avions pour effectuer une mission, se ravitailler en carburant, les mêmes 10 avions effectueront une autre mission, puis parmi ces avions, 2 resteront à la station d'attache, et les 8 restants continueront à effectuer une autre mission. Les avions n'effectueront pas plus de 5 missions consécutives. Plus un avion vole dans un court laps de temps avant d'être envoyé en maintenance, plus il est probable qu'une "rupture brutale" se produise. Sur les avions qui volent chaque semaine (en général 10-14), entre 5 et 10 missions sont effectuées par semaine. 2 pièces de rechange par semaine peuvent effectuer entre 5 et 8 missions combinées en moyenne. Cela ne signifie pas que 5 à 8 ruptures se produisent chaque semaine.
La solution
Description du modèle
Une simulation a été modélisée dans Simio afin de développer un outil visuel de planification pour les planificateurs de vol qui doivent pouvoir s'adapter à des exigences en constante évolution. Pour simuler ce cas, une "entité" est représentée comme un "ordre de mission" ou une "demande" selon le cas. Chaque avion est défini avec les caractéristiques d'un "travailleur", mais des propriétés spéciales ont été appliquées à chaque avion pour suivre les différentes affectations/états dans lesquels chaque avion entre et sort. Au début de la simulation, des statistiques fictives ont été attribuées à chaque avion et décrivent une distribution de flux de phases standard avec des erreurs mineures. Les missions d'entraînement, les opérations, la maintenance programmée/non programmée, la maintenance échelonnée, la maintenance au dépôt, la cannibalisation, les pièces de rechange et les événements non liés au vol sont représentés par des stations "serveur".
Au fur et à mesure que les avions sont saisis par les différents ordres/demandes d'affectation, les avions sont organisés de manière à constituer un problème d'affectation de base. Cette approche permet de collecter et de stocker facilement les informations dans des tableaux, des diagrammes de Gantt, des cartes de contrôle et des graphiques. Chaque station possède des critères de sélection détaillés pour l'avion qui sera choisi en fonction du delta de phase, des heures de vol ou d'une condition d'état choisie (c.-à-d. restreint, disponible, etc.). Un tableau des arrivées par date est créé pour introduire des données réelles dans le modèle.
La fiabilité du F-16 possède intrinsèquement une propriété "sans mémoire" : un avion peut effectuer 20 missions en 4 jours et être très sensible aux "ruptures brutales" (probabilité de défaillance>10%), mais le même avion peut effectuer 20 missions en 10 jours dans des conditions normales (probabilité de défaillance <3%). Pour modéliser ce concept de fiabilité, des chaînes de Markov ont été appliquées en attribuant à chaque avion un vecteur variable d'état qui suit en permanence le nombre de vols effectués chaque jour par l'avion, uniquement pour les sept derniers jours, en éliminant les anciennes données. La probabilité d'une rupture brutale est évaluée après chaque vol à l'aide de la somme de ce vecteur de fiabilité (VR) et dépend d'un pourcentage de "rupture brutale" dans des conditions normales (VR <20) ou lorsqu'un avion a accumulé un nombre seuil de vols chaque semaine (VR>=20).
Analyse
Dans le modèle, une table de données est créée pour 1) établir l'équivalent du travail en cours (WIP) et permettre au modèle de commencer à l'état stable avec les statistiques et les emplacements de chaque avion, 2) initialiser et mettre à jour les variables d'état en temps réel 3) fournir des informations pour alimenter les graphiques/rapports montrant le risque et les effets sur le cycle de phase dans le scénario donné.
Un diagramme de Gantt est intégré dans l'onglet des caractéristiques de planification du modèle et peut être visualisé en perspective de chaque avion ou de chaque "ordre de mission".
L'indice de distribution du temps (à gauche) est représenté en temps réel dans le modèle. Cela permet au planificateur d'évaluer la santé de la flotte et de visualiser facilement les résultats d'un scénario particulier. En outre, des seuils fictifs sont indiqués dans la carte de contrôle (à droite) pour afficher l'erreur de phase (heures actuelles par rapport à l'objectif de la phase).
L'analyse de l'impact sur l'entreprise
L'analyse
Dans le modèle original, les planificateurs séparent chaque semaine les avions disponibles pour les faire voler, ne pas les faire voler ou les utiliser comme pièces de rechange en cas de panne grave. En raison du nombre élevé d'interruptions susceptibles de se produire, l'analyse montre que les avions de réserve peuvent être utilisés aussi fréquemment que les avions normalement programmés dans certaines situations. Une analyse plus poussée permettra de déterminer la quantité optimale d'avions de réserve nécessaire dans les conditions actuelles pour permettre aux planificateurs d'équilibrer les vols. En utilisant une expression pondérée et normalisée pour sélectionner le meilleur avion, les planificateurs seront désormais en mesure de quantifier le risque.
L'algorithme utilisé dans ce modèle permet aux planificateurs de donner la priorité aux avions qui présentent un risque moindre ou acceptable (c'est-à-dire que le temps de repos approprié entre les vols est respecté). L'utilisation d'un tel algorithme devrait permettre d'augmenter la disponibilité des avions de 10 à 15 %. L'algorithme utilisé dans le modèle renvoie une "bonne" distribution pour la flotte selon les normes des directives de maintenance de l'armée de l'air.
En ce qui concerne les événements non liés au vol, les aéronefs peuvent être retirés du pool d'aéronefs disponibles pendant plusieurs jours. De ce fait, les avions utilisables ne sont pas prêts comme pièces de rechange et semblent diminuer le temps de repos autorisé entre les vols pour les avions en moyenne. Les critères de sélection des avions choisis pour les événements sans vol ne doivent pas être aléatoires, car c'est l'occasion d'équilibrer l'erreur de phase lorsque l'avion est en avance de phase ou de reposer l'avion lorsqu'il s'approche d'un risque inacceptable.
Enfin, il apparaît que la politique actuelle consistant à faire voler en permanence des avions qui n'ont pas été suffisamment reposés mettra constamment en péril la fiabilité des avions du système actuel. Afin de permettre aux avions de se reposer convenablement, la période de repos doit être étudiée et définie. La ligne de maintenance dicte actuellement la rapidité avec laquelle les avions sont disponibles. Une étude de l'efficacité de la maintenance et du stock disponible (c'est-à-dire réduire la nécessité de cannibaliser les avions pendant trop longtemps) est un moyen possible d'améliorer la disponibilité des avions.
Conclusion
Un modèle du processus de maintenance de la phase F-16 a été construit à l'aide des données fournies par la direction de l'analyse du QG USAFE-AFAFRICA. L'analyse est toujours en cours afin de déterminer la meilleure ligne de conduite à adopter en fonction de ce que la politique permettra. Actuellement, la logique de fiabilité, l'expérimentation avec des avions de rechange et des avions en repos doivent être étudiés plus en détail avant de fournir une recommandation finale. Le modèle actuel représente des conditions normales, mais utilise des données fictives pour les besoins de cette étude de cas académique.