Abstract
CIM 2023 : Résumé de la présentation d’Alexandre Augustin
L’ensemble des activités de maintenance et de réparations représentent des coûts significatifs dans l’industrie minière. Une gestion optimale de ces activités entraînent entre autres un grand nombre de bénéfices comme une diminution des arrêts non-planifiés, une baisse de la consommation énergétique des équipements et une hausse de la durée de vie des équipements. La présentation suivante traitera du développement d’un modèle permettant l’ordonnancement optimal des activités de maintenance et de réparations. Cet ordonnancement respecte les contraintes usuelles des planificateurs de la maintenance : assurer pour chaque type d’équipement un nombre minimum d’équipement actifs (non immobilisés), affecter les bonnes ressources (mécaniciens et équipement) selon la spécificité de chaque bon de travail, ajuster la durée d’une tâche en fonction de l’assignation des ressources humaines, et accélérer autant que possible les travaux en arriéré (Backlog). Le modèle a pour objectif d’ordonnancer de façon robuste et de compiler rapidement le plus grand nombre d’activités prêtes à être effectuées en fonction de leurs indices de priorité (établis a priori) tout en minimisant la durée globale des travaux. Le modèle est validé sur des données réelles tirées d’applications minières.
CIM 2023 : Abstract of Alexandre Augustin’s presentation
All maintenance and repair activities represent significant costs in the mining industry. Optimal management of these activities leads, among other things, to a large number of benefits such as a reduction in unplanned shutdowns, a reduction in the energy consumption of equipment and an increase in the life of equipment. The following presentation will deal with the development of a model allowing the optimal scheduling of maintenance and repair activities. This scheduling respects the usual constraints of maintenance planners: ensure for each type of equipment a minimum number of active equipment (not immobilized), assign the right resources (mechanics and equipment) according to the specificity of each work order, adjust the duration of a task according to the assignment of human resources, and speed up backlog work as much as possible. The objective of the model is to schedule in a robust way and quickly compile the greatest number of activities ready to be carried out according to their priority indices (previously established) while minimizing the overall duration of the work. The model has been validated on real data from mining applications.