|
De knelpunten van
Predictief Onderhoud
version française
‘Predictief en preventief onderhoud leiden tot een hogere beschikbaarheid van de
bedrijfsmiddelen’. Deze stelling wordt gekoesterd door leveranciers van
conditiebewakingssystemen, maar in de praktijk is slechts 40,5% van de
maintenance-verantwoordelijken hiervan overtuigd. Wat zijn de voornaamste
knelpunten?
Dat slechts 40,5% van de maintenanceverantwoordelijken (zie kader ‘Does your
preventive maintenance increase plant production/operations capacity?’) er van
overtuigd is dat preventief onderhoud tot een hoge beschikbaarheid van de
bedrijfsmiddelen leidt, mag verontrustend genoemd worden. Mogelijk laat zich dit
verklaren door het ‘hands-on’ onderhoud dat nog schering en inslag is, het lage
bewustzijn voor onderhoud bij het algemene management, de moeilijke
aantoonbaarheid van de financieel gunstige effecten van preventief/predictief
onderhoud en, zeker niet onbelangrijk, de menselijke weerstand van
onderhoudsmensen tegen al wat nieuw is. Deze factoren zullen sterker spelen
naargelang het strategische stadium waarin een bedrijf zich bevindt: hands-on of
louter curatief onderhoud, gepland preventief onderhoud, pro-actief en
predictief onderhoud of strategisch onderhoudsbeheer.
Voor een bedrijf dat enkel reageert op pannes, zal de invoering van predictief
onderhoud – ook conditioneel en toestandsafhankelijk onderhoud genoemd –
drastische besparingen opleveren. Op voorwaarde uiteraard dat er historische
gegevens als vergelijkingsmateriaal beschikbaar zijn, wat meestal niet het geval
is.
Toch mag de last niet volledig op de schouder van de tradioneel ingestelde
gebruiker gelegd worden. In een tijd waar productieonderbrekingen door pannes
hoe langer hoe minder getolereerd worden, eist de investeerder van een
predictief onderhoudssysteem dat het garanties biedt. De huidige systemen voor
conditie- of machinebewaking bieden die, door zowel technische als
organisatorische factoren, in onvoldoende mate. Technische onvolkomenheden en
gebrek aan standaardiseringsafspraken maken dat de moderne hard- en
softwaresystemen voor conditiebewaking deze garanties in onvoldoende mate
bieden. We zetten voor u de voornaamste knelpunten op een rijtje. Onder
‘conditiebewaking’ verstaan we hier trillingsmetingen en –analyse, infrarood
thermografie, olieanalyse en tribologie, ultrasone metingen en
motorstroomanalyse.
Knelpunt1 >>>
Het PF-interval beter definiëren
De meeste bedrijven die een belangrijke kapitaalinvestering in
fabrieksuitrusting hebben gedaan, gebruiken één of andere vorm van predictief
onderhoud om ten minste een zeker percentage van pannes te voorspellen. Maar het
is ook waarschijnlijk dat de regelmaat waarmee de uitrusting wordt
geïnspecteerd, ver van optimaal is. De principes van Reliability Centered
Maintenance (RCM) leren dat de optimale frequentie afhangt van het PF-interval,
de tijd tussen het ogenblik dat een defect detecteerbaar is en het eigenlijke
optreden van een defect. Bijv. het ogenblik dat de globale lagerfrequentie een
alarmniveau bereikt en het vastlopen van een lager. De theorie zegt dan dat de
lagering met een lagere frequentie (en dus vaker) dan het PF-interval moet
geïnspecteerd worden. Tot zover de theorie. In de praktijk zijn deze
PF-intervallen helaas heel variabel. Zo zal bijv. bij de trillingsanalyse van
een lager het PF-interval afhankelijk zijn van factoren zoals het type van
gedetecteerd defect, het type van lager, hoe zwaar de werkingscondities zijn,
het soort smering, de omgevingstemperatuur, enz… Gewoonlijk wordt het
PF-interval conservatief ingeschat, met een te hoge frequentie. Maar zelfs dan
zijn er geen garanties. Er zijn talloze voorbeelden van lagerdefecten die niet
werden gedetecteerd met zeer hoge, conservatieve inspectiefrequenties.
Tot op heden is geen enkele organisatie er in geslaagd voldoende preciese
PF-intervallen te definiëren. Dit staat haaks op de eisen van de industrie, die
zich minder en minder tolerant opstelt ten opzichte van pannes. Als een bedrijf
investeert in predictief onderhoud (Condition Monitoring), wil het garanties.
Knelpunt 1: er moet een betere definitie van het PF-interval komen.
Knelpunt 2 >>>
Predictieve acties coördineren
In veel gevallen leidt zelfs predictief onderhoud tot verspillen van tijd en
middelen. Stel: trillingsanalyse wijst uit dat een pomplager weldra de geest
zal geven. Vervanging van het lager is niet dringend, en wordt opgenomen in de
onderhoudsplanning. Maar in de meeste gevallen zal de technieker zich beperken
tot alléén de vervanging van het lager. Een betere oplossing zou zijn dat hij,
samen met de vervanging, ook alle andere pomponderdelen – zoals impeller,
dichtingen, enz… - inspecteert. Op die manier kan beslist worden of er andere
stukken dienen vervangen of geoverhauld te worden.
Als de evaluatie ter plaatse al gebeurt, zal ze plaatsvinden op het ogenblik dat
de pomp gedemonteerd is, zonder dat vooraf alle nodige acties vastgelegd zijn.
De technieker stelt eerst dan vast of er nog extra onderdelen nodig zijn. Is dit
het geval, dan vraagt hij de stukken aan. Zijn ze in voorraad, dan duurt het
enige tijd voor ze in de herstellingswerkplaats geleverd worden. Zijn ze niet in
stock, dan moet er bijbesteld worden, met nog langere wachttijden voor gevolg.
Meestal zal de hersteller ze vooraf toch bestellen, voor-het-geval-dat. Hier
speelt de menselijke factor: hij zal ze dan eerder gebruiken dan ze terug te
brengen naar het magazijn. Met als gevolg dat onderdelen vervangen worden
terwijl dit niet nodig is.
Een betere benadering is alle predictieve technieken te coördineren. Dit kunnen
bijv. zijn: trillingsanalyse, olie-analyse of thermografie, in combinatie met
visuele inspectie en preventieve acties. Dan kan precies gepland worden wat
dient te gebeuren, wanneer en door wie. Weerom helaas: het samenbrengen van deze
gegevens is niet eenvoudig. De resultaten van de conditiebewaking zijn
opgeslagen in de database van een gespecialiseerd softwarepakket, de resultaten
van de visuele inspecties zijn handmatig op inspectiebladen genoteerd, de
gegevens over inspectie-intervallen en personeelsbeschikbaarheid zitten in het
CMMS-systeem voor onderhoudsplanning en de diagnosegegevens – als ze al
voorhanden zijn – vertoeven in het productiecontrolesysteem. Allemaal in andere
formaten, weliswaar. Daarom Knelpunt 2: een gemeenschappelijk gegevensformaat om
alle predictieve acties te coördineren.
Knelpunt 3 >>>
Preciesere voorspellingen
Een andere vereiste is meer preciese meetresultaten. Van bepaalde elektrische
motoren is bijv. geweten dat ze een hoger trillingsniveau hebben wanneer ze
onder lage belasting draaien dan wanneer ze bij vollast lopen. De traditionale
conditiemonitoringsystemen, waarbij periodiek gegevens verzameld worden met
manuele datacollectors, houden hier geen rekening mee, tenzij mogelijk op een
kwalitatieve manier. Lichte schommelingen die tussen twee inspecties in
trillingsniveaus vastgesteld worden, worden als ‘afhankelijk van de
werkingsomstandigheden’ en dus niet-relevant ingeschat. Een betere oplossing zou
zijn relevante, kwantitatieve gegevens te verzamelen van de werkingscondities op
het ogenblik van de inspectie, en met deze data de trillingsanalyse te
corrigeren. Dit kan de metingen accurater en betrouwbaarder maken. Vandaag
hangen de foutdetectie en de voorspelbaarheid van defecten nog te veel af van de
expertise van de persoon die de data evalueert. Knelpunt 3: accurater
meetappatuur annex analysesoftware.
Knelpunt 4 >>>
Integratie van meetgegevens in de onderhoudsplanning
Zoals hierboven gesteld, bestaan onderhoudsgegevens vandaag in verschillende
vormen en formaten. Om tot een echte integratie te komen, moeten deze
gegevensbronnen in één database samengebracht worden, of dienen de systemen op
zijn minst met elkaar te kunnen interfacen met behulp van standaardprotocols
(zoals dat bijv. het geval is met de Officepakketten van Microsoft voor
kantoortoepassingen). In de onderhoudswereld is dit doel nog veraf. Aan de ene
kant zijn er leveranciers van CMMS-pakketten voor onderhoudsplanning en –beheer,
die stilaan Condition Monitoring–modules in hun planningsystemen opnemen. Aan de
andere zijde staan de typische leveranciers van hard- en software voor
conditiemonitoring die min of meer geïntegreerde pakketten beginnen uit te
brengen, inclusief modules voor olie- of trillingsanalyse. Van een echte
geïntegreerde aanpak is nog geen sprake, hoewel de eerste stappen in deze
richting gezet zijn (lees ook in het vorige nummer: ‘Amerikaanse industrie neemt
mijlengrote voorsprong in e-maintenance’). Knelpunt 4: integratie van
data-acquisitie en onderhoudsplanning.
Knelpunt 5 >>>
Het onwikkelen van slimme expertsystemen
In de beginperiode van trillingsanalyse was de accuraatheid en betrouwbaarheid
van de defectvoorspelling in de eerste plaats afhankelijk van de expertise en
ervaring van de persoon die de gegevens analyseerde. Gelukkig is hierin
verandering gekomen, en door de komst van betere Vibration Analysis-software, is
de afhankelijkheid van de menselijke factor afgenomen. Hoewel de persoonlijke
evaluatie nog steeds zeer belangrijk is, is een eerste inschatting van het
probleem gemakkelijker geworden dankzij de mogelijkheid van de software om
trends uit te stippelen en diverse soorten door de gebruiker ingestelde
alarmdrempels te definiëren.
Toch is er nog werk aan de winkel: alle software is in principe op regels
gebaseerd, en de uitkomst is maar zo goed als de regels waarop de software is
gebaseerd. De praktijk wijst uit dat geen enkele software, inclusief de
zogenaamde expertsystemen, qua voorspellend vermogen zelfs maar in de buurt komt
van de evaluatie van de eerste de beste onderhoudstechnieker met enige ervaring
in de materie. De eerste stappen in betere expertsystemen zijn fuzzy logic en
neurale netwerken. Toch is precies dit type voorspellend vermogen nodig om
on-line monitoring überhaupt economisch interessant te maken.
Naast de voor de hand liggende grotere betrouwbaarheid, heeft deze evolutie nog
een ander effect. Zo zal bijv. minder personeel nodig zijn om de problemen op te
sporen, wat de kostprijs uiteraard doet dalen. Vandaag gebruiken sommige
ondernemingen een rudimentaire vorm van softwarematige triage van de trillings-
en olie-analysedata om bij een alarm op operatorniveau te bepalen of er al dan
niet een kritisch probleem is. Is dit het geval, eerst dan wordt de taak
toegewezen aan de onderhoudsdienst om een meer gedetailleerde analyse en
diagnose uit te voeren en het probleem eventueel te verhelpen. Knelpunt 5: het
ontwikkelen van slimme expertsystemen om de globale kostprijs van predictief
onderhoud te verlagen.
Knelpunt 6 >>>
De betrouwbaarheid van uitrustingen verhogen
De ultieme doelstelling van preventief of predictief onderhoud is uiteraard de
MTBF – Mean Time Between Failures – terug te dringen. Dit kan enerzijds door
continu verbeteringen aan te brengen aan machines en uitrustingen, maar ook door
een hogere precisie van de Maintenance Performance. Predictief onderhoud kan
hieraan in belangrijke mate bijdragen. Stel: bij vibratieanalyse van een lager
wordt vastgesteld dat er een sterk negatief verband bestaat tussen het globale
trillingsniveau waaraan het lager is blootgesteld en de verwachte levensduur van
het lager. Het trillingsviveau van het lager kan toegewezen worden aan primo,
krachten in het lager zelf en secundo, externe krachten die op het lager
inwerken. Deze laatste kunnen zijn: slechte uitlijning, onjuiste montage,
onbalans van de rotor, pompcavitatie, etc… Het is dus duidelijk dat externe
oorzaken een negatief effect kunnen hebben op de levensduur van het lager.
Vibratieanalyse benadert trillingsniveaus in principe door ze vast te leggen en
ze vervolgens te vergelijken met een aantal vooraf ingestelde alarmdrempels. In
de praktijk worden deze alarmdrempels eerder arbitrair bepaald. In het geval dat
er een sterke correlatie is tussen de trillingsniveaus en de levensduur van de
component, zou er een betere methode voorhanden moeten zijn om de alarmdrempels
te definiëren. Dit vereist met meer factoren rekening gehouden wordt dan vandaag
het geval is: het specifieke lagerontwerp zelf, de weerslag van een mogelijk
defect op de productie, veiligheid en milieu, de afweging tussen de extra kost
van kortere inspectie-intervallen en een langere levensduur van het lager, de
procescondities, etc… Dit type afwegingen gebeurt vandaag niet in de klassieke
Condition Monitoring-programma’s, met als gevolg dat de betrouwbaarheid niet
optimaal is. Knelpunt 6: de betrouwbaarheid van componenten en systemen
verhogen.
Knelpunt 7 >>>
‘Smart’ on-line sensoren ontwikkelen
On-line conditiebewaking is voor de meeste bedrijven nog te duur, doordat de
kosten niet in verhouding staan tot de baten. Met de huidige technologie kan in
de on-line sensor slechts een rudimentaire vorm van signaalverwerking en
–analyse uitgevoerd worden. Deze signalen worden gebruikt om een eenvoudig
trillingsalarm te genereren op de operatorschermen van – doorgaans – grote
plants. Maar om over preciese en betrouwbare gegevens voor conditiebewaking te
beschikken, zijn precies grote hoeveelheden gedetailleerde data nodig. De enige
manier is om deze met het handheld collector ter plaatse te gaan opnemen en
vervolgens off-line te verwerken en analyseren. Vandaag weegt de investering van
de hard- en software voor conditiebewaking annex de vereiste
communicatiestructuur niet op tegen de baten. Het goede nieuws is dat sommige
fabrikanten van uitrustingen, zoals bijv. motoren, rechtstreeks sensoren
beginnen in te bouwen. Daarnaast is men volop bezig met de ontwikkeling van
‘smart’ sensoren, met dezelfde verwerkingscapaciteit als de handheld collectors
van vandaag. Momenteel is deze technologie nog te duur, maar er is hoop. Indien
de data locaal worden verwerkt, wordt de investering in de benodigde
netwerkstructuur wel een haalbare kaart. Knelpunt 7: intelligente sensoriek
ontwikkelen voor on-line machinebewaking. <<
Bert Belmans, Maintenance Magazine
Kaders:
Eenvoudige methode voor lagerconditiebewaking
<<UPDATE>> On-line machinebewaking - in gedecentraliseerde vorm – mag dan al de
droom zijn van elke onderhoudsspecialist, al te veel ambitieuze plannen kraken
af op de té hoge kostprijzen van de opnemers in-the-field, vooral wanneer het
gaat om grote aantallen niet-kritische roterende toestellen, zoals ventilatoren,
waterpompen, etc... Speciaal voor dit type monitoring ontwikkelde Vega een
nieuwe ‘intelligente’ trillingsopnemer, de Efector Octavis. Installatie is
uiterst eenvoudig. Eerst wordt de Octavis off-line en via de seriële poort
geparametreerd met een PC, vervolgens wordt de opnemer radiaal op de
draairichting van het roterende onderdeel bevestigd, en ten slotte druk je op
een toets om de heersende referentiefrequenties van het lager vast te leggen (teach-in).
De opnemer is in de eerste plaats bedoeld voor het genereren van alarmen die de
operator waarschuwen dat er lagerschade is: rode LEDS geven aan dat er dringend
moet ingegrepen worden, gele LEDs tonen de mate van (lichte) beschadiging zodat
vervanging van het lager in de onderhoudsplanning kan opgenomen worden.
Verbindingen met bussystemen zijn mogelijk. Onder de mogelijke toepassingen
vallen typisch schroefcompressoren, ventilatoren, pompen, frezen, .. Optioneel
zijn wel (helaas) de parametreersoftware en een gesofisticeerd
expertsoftwarepakket voor trending en analyse (zie ook Knelpunt 5: Het
onwikkelen van slimme expertsystemen). Volgens Joris Verdickt, Product Manager
bij Vega, moet de Octavis het verschil maken door zijn zeer betaalbare
kostprijs. <<
Een geavanceerd expertsysteem om onderhoudsgegevens te beheersen
<<UPDATE>> Dat de leveranciers van systemen voor machinebewaking niet
ongevoelig zijn voor genoemde ‘knelpunten’, bewijst het @ptitude-systeem van SFK.
Uiteraard is de (dure) pionierstaak weggelegd voor een bedrijf met de dimensie
van een SKF, en haar divisie ‘Reliability Systems’ is al jaren een gereputeerde
ontwikkelaar van Condition Monitoring. Het @ptitude Industrial Decision Support
System is een expertsysteem dat assistentie verleent bij het nemen van
beslissingen gebaseerd op machinegewakingsgegevens (zie Knelpunt 5). Het doet
dit door het arbeidsintensieve verzamelen van onderhoudsdata met datacollectors
annex analyse zoveel mogelijk te vervangen door automatische datacollectie,
-analyse en het uitschrijven van werkorders. Op basis van de analyse zal het
systeem aanbevelingen doen welke actie kan ondernomen worden. Naast een vaste
set van procedures en prioriteiten, kan een bedrijf de software personaliseren
en zo haar eigen proceskennis inbrengen. Dit ondervangt gedeeltelijk het
probleem van technische ervaring die verloren gaan wanneer (oudere) werknemers
het bedrijf verlaten. Er zijn vier modules. De (klassieke) Alert-module
analyseert de data afkomstig van de machinebewaking en leidt hier symptomen uit
af over de ‘gezondheid’ van de uitrusting. Met de View-module kan deze
informatie overzichtelijk beheerd worden. Deze module interfaced ook met
bepaalde onderhoudsplanningsystemen (zoals Maximo, SAP en API Pro) om daarin
werkaanvragen te genereren. De module Asset Knowledge Science verfijnt gaandeweg
de diagnostische methode die voor een bepaalde uitrusting gekozen werd. Dit moet
vooral afrekenen met de inconsistentie die eigen is aan de soms willekeurige
manier waarop data in een systeem worden ingebracht. Ten slotte is er een -
betalende - website, Xchange, die in feite een database is met door SKF
opgestelde documentatie. @ptitude is vandaag ongetwijfeld één van de meest
geavanceerde ‘asset management’-systemen, ontwikkeld vanuit het oogpunt van de
machinebewaking zelf. Het kan bovendien ook data uit bronnen met verschillende
formaten samenbrengen. <<
State-of-the-art olieanalyse
Preventive Maintenance Data Manager is een mooi voorbeeld van state-of-the-art
technologie voor machinebewaking door olieanalyse, met name voor preventief
onderhoud op basis van de contaminatiecontrole van hydraulische en
smeeroliesystemen in de procesindustrie. Let wel: de software laat zich
uitsluitend gebruiken met bepaalde van Pamas’ eigen toestellen zoals de S40
Portable Particle Counter of de SBSS Bottle Sampler Analyser. Het pakket heeft
enkele interessante mogelijkheden. Zo kan off-line bijv. een "Measurement Route
List" opgesteld worden. Deze lijst bevat alle gegevens over het meetscenario (Profiles)
dat de S40 moet uitvoeren voor alle te frequenteren meetpunten. Voor de analyse
van de data kan grafisch een trend van de contaminatieklasses (ISO 4406) in
functie van de tijd worden opgeroepen door gewoon op de naam van de file te
klikken. Dit betekent dat men op de PC voor de geselecteerde meetpunten deze
reinheidsklassen kan opvolgen, wat de mogelijkheid biedt om van elk meetpunt in
kwestie het verontreinigende gedrag te visualiseren en hier preventief actie
voor te ondernemen. <<
Multifunctionele platformen inclusief asuitlijning
<<UPDATE>> SPM Instrument presenteerde eind 2002 haar nieuwe systeem voor
machineconditiebewaking: Leonova. Interessant aan het concept was en is nog
steeds de modulaire opbouw van de software. Naargelang de meetbehoefte wordt
ieder toestel exact op maat samengesteld. De Leonova is in feite een
basiscomputer waarin softwaremodules gedownload kunnen worden voor ondermeer
lagerconditie, spectrumanalyse, tijdsignaalanalyse, 1- en 2-vlaks balanceren,
procesparameters enz. Dat betekent dat u bijv. achteraf ook steeds functies kunt
gaan toevoegen, zonder meteen een nieuw toestel in huis te moeten halen. In dit
licht moet ook de LineLazer-uitbreiding gezien worden: door dit meetsysteem met
Leonova te verbinden krijgt u een volwaardige configuratie voor asuitlijning.
LineLazer werkt niet met de traditionele puntlasers, maar met twee horizontaal
stralende lijnlasers. In combinatie met de extreem grote, ingebouwde detector
(35 mm) betekent dit dat de laserstralen niet langer manueel moeten afgeregeld
worden. Deze methode maakt het systeem geschikt voor het uitlijnen van zowel
gekoppelde als ongekoppelde machines, zonder invloed van koppelingsspeling.
Tussen de Linelazer en de Leonova loopt slechts één kabel (oa door gedeeltelijke
wireless communicatie, waarvoor een patentaanvraag hangende is). In de
Automode-stand bepaalt de LineLazer zelfstandig wanneer er moet gemeten worden,
zonder tussenkomst van de gebruiker. Niet oninteressant: de leonova biedt een
formule aan (Function & Use) waarmee de gebruiker enkel betaalt per uitlijning
of meting. Hierdoor wordt een deel van uw initiële investering omgezet in
operationele kosten.<<
Het modulaire concept om één toestel meerdere functies te geven via add-ons is
niet nieuw. Het werd reeds in 1992 gelanceerd door Prüftechnik AG. Alain Naets,
General Manager van de Belgische vestiging: “Wij brachten begin 2000 VIBSCANNER
uit. Dit was toen het eerste toestel in een compact formaat waarbij
softwaremodules geactiveerd konden worden door de gebruiker. Dit innovatieve
concept werd reeds in 2001 bekroond met een Gold Medal Award van het Amerikaanse
tijdschrift Plant Engineering.” In mei 2003 hebben we een add-on voor
laseroptische uitlijning toegevoegd en het geheel omgedoopt tot smartSCANNER. Op
het concept rusten meerdere patenten, ondermeer voor de single-beam
lasertechnologie, de sweep methode voor volautomatische meting, Vibcode
meetpuntherkenning en adaptive routing. Naets: ”Een aantal fabrikanten nemen het
concept over, maar moeten vaak omheen technische patenten. Vandaar ondermeer het
verschil in gebruikte technologie. Door systematisch innovaties te patenteren
wist Prüftechnik zich reeds 20 jaar lang te handhaven als grootste leverancier
voor laseroptische asuitlijntoestellen ter wereld.” <<
Tips voor: Best Practices in Predictief Onderhoud
TIP #1
In een elektrisch of mechanisch systeem zijn ‘hotspots’ of excessieve
warmteontwikkeling gewoonlijk de voorbode van toekomstige problemen. Met behulp
van een infraroodcamera en een inspectieprogramma kunnen machinestilstand en
breakdowns vermeden worden. Tip: het is niet zo voor de hand liggend, maar
probeer ook eens een infraroodcamera te gebruiken om naar water, slib of schuim
in een reservoir te scannen.
TIP #2
Ultrasonore technieken lenen zich uitstekend voor het opsporen van
cavitatieproblemen in hydraulische pompen én zijn uitermate geschikt om te
‘luisteren’ naar het gedrag van lagers.
TIP #3
In veel gevallen blijkt de analyse van slijtagerestanten in de machineolie een
betere indicator dan andere predictieve onderhoudstechnieken. Dit is vooral het
geval bij het monitoren van droogdraaiende machines (minder dan 5 tpm). De
klassieke trillingsanalysetechnieken zijn hiervoor vaak niet toereikend.
TIP #4
Deeltjestelling met behulp van een analyseprogamma kan een krachtig hulpmiddel
zijn voor predictief onderhoud. Verhoogde aantallen deeltjes in de olie wijzen
op een naderend probleem, en geven aan dat verder onderzoek noodzakelijk is.
TIP #5
Gebruik magnetische aftapplugs. De metalen slijtagedeeltjes blijven aan de plug
kleven en geven een visuele indicatie van de olieconditie. Dit is een goedkope
en efficiënte techniek voor predictief onderhoud.
TIP #6
Stel dat u over een laseroptisch uitlijnapparaat wil beschikken voor een
beperkte periode of dat u tijdelijk een bijkomend toestel nodig hebt om een
grote job op te vangen, dan kunt u ook een verhuurservice aanspreken. Deze
mogelijkheid bestaat o.a. bij Prüftechnik. Zo worden investeringen over de tijd
gespreid of komen ze als huurkost en niet als investering in de boekhouding. <<
Les
impératifs
de l’entretien prédictif
‘Les entretiens prédictif et préventif nécessitent une disponibilité accrue des
moyens de production.’ Cette rumeur est entretenue par les fournisseurs de
systèmes de surveillance conditionnelle. Mais, dans la pratique, seuls 40,5% des
responsables de la maintenance en sont convaincus. Quels sont les principaux
impératifs?
Le fait que seulement 40,5% des responsables de la maintenance (voir encart
‘Does your preventive maintenance increase plant production/operations capacity?’)
sont convaincus que l’entretien préventif nécessite une grande disponibilité des
moyens de production est pour le moins inquiétant. Cela s’explique peut-être par
l’entretien ‘hands-on’, qui est encore monnaie courante, par la faible
sensibilisation de la direction générale, par la difficulté de démontrer les
effets financiers favorables de l’entretien préventif/prédictif et, élément
certainement non négligeable, par la résistance humaine du personnel de l’entretien
à toute nouveauté. Ces facteurs varient certainement en fonction du stade
stratégique dans lequel se trouve l’entreprise : entretien hands-on ou purement
curatif, entretien préventif planifié, entretien proactif et prédictif ou
gestion stratégique de l’entretien. Pour une société qui réagit uniquement aux
pannes, l’introduction d’un entretien prédictif – également appelé maintenance
conditionnelle – entraînera des économies radicales. A condition naturellement
de disposer des données historiques, ce qui n’est généralement pas le cas.
Pourtant, la responsabilité ne doit pas entièrement reposer sur les épaules de
l’utilisateur à l’esprit conservateur. A une époque où les arrêts de production
liés à des pannes sont de moins en moins tolérés, l’investisseur exige des
garanties de la part du système d’entretien prédictif. Les systèmes actuels de
surveillance conditionnelle ou de la machine n’offrent pas de garanties
suffisantes en raison de facteurs techniques et organisationnels. Des
imperfections techniques et un manque de standardisation ne permettent pas aux
systèmes matériels et logiciels modernes de surveillance conditionnelle d’offrir
une garantie suffisante. Nous vous énumérons les principaux points noirs. Nous
entendons par ‘surveillance conditionnelle’ des mesures et analyses vibratoires,
la thermographie infrarouge, l’analyse de l’huile et la tribologie, les mesures
à ultrasons et l’analyse du courant des moteurs.
1er IMPERATIF: MIEUX DEFINIR L’INTERVALLE PF
La majorité des sociétés ayant consenti un investissement important dans
l’équipement d’usine utilisent l’une ou l’autre forme d’entretien prédictif afin
de prévoir au moins un certain pourcentage de pannes. Cependant, la régularité
avec laquelle l’équipement est inspecté est probablement loin d’être optimale.
Les principes de Reliability Centered Maintenance (RCM) nous apprennent que la
fréquence optimale dépend de l’intervalle PF, c’est-à-dire du temps entre
l’instant où une dégradation est décelable et l’apparition effective de la
panne. Par exemple, l’instant où la fréquence globale d’un roulement atteint un
niveau d’alarme et le grippage effectif du roulement. La théorie nous dit que le
roulement doit alors être inspecté à une fréquence inférieure à l’intervalle PF
(donc plus souvent). Voilà pour la théorie. En pratique, ces intervalles PF sont
malheureusement très variables. Lors de l’analyse vibratoire d’un roulement, l’intervalle
PF dépendra de facteurs tels que le type de dégradation détecté, le type de
roulement, la rudesse des conditions de service, le type de lubrification, la
température ambiante… En général, l’intervalle PF est estimé de façon
conservatrice, donc à une fréquence trop élevée. Mais même dans ce cas, il n’y a
pas de garanties. Il existe une multitude d’exemples de dégradations de
roulements n’ayant pas été détectées alors que les fréquences d’inspection
conservatrices étaient très élevées. Jusqu’à ce jour, aucune organisation n’a
réussi à définir des intervalles PF suffisamment précis. Cela est en
contradiction avec les exigences de l’industrie qui se montre de moins en moins
tolérante à l’égard des pannes. La société qui investit dans un entretien
prédictif (Condition Monitoring), veut des garanties. Premier impératif: obtenir
une meilleure définition de l’intervalle PF
2ème IMPERATIF: COORDONNER LES ACTIONS PREDICTIVES
Dans de nombreux cas, l’entretien prédictif mène lui aussi au gaspillage de
temps et de moyens. Supposons que l’analyse vibratoire indique qu’un roulement
de pompe rendra bientôt l’âme. Le remplacement du roulement n’est pas urgent et
est repris dans le planning d’entretien. Cependant, dans la plupart des cas, le
technicien se limitera uniquement au remplacement du roulement. Il ferait mieux
d’inspecter, au moment du remplacement, toutes les autres pièces de la pompe
comme la roue, les joints… afin de décider si d’autres pièces doivent être
remplacées ou révisées. Si l’évaluation est faite sur place, elle aura lieu au
moment où la pompe est démontée, sans que les actions nécessaires n’aient été
définies au préalable. Le technicien constate d’abord s’il a besoin de pièces
supplémentaires. Si oui, il en fera la demande. Si celles-ci sont de stock, il
devra attendre un petit temps avant qu’elles ne soient livrées à l’atelier de
réparation. Si elles ne le sont pas, elles devront être commandées, ce qui
allonge davantage encore les temps d’attente. En général, le réparateur les
commandera de toute façon au préalable, à titre préventif. C’est ici qu’intervient
le facteur humain car, plutôt que de les ramener à l’entrepôt, il aura tendance
à les utiliser. Avec pour conséquence que des pièces sont remplacées alors qu’elles
ne le devraient pas. Une meilleure approche consiste à coordonner toutes les
techniques prédictives telles que l’analyse vibratoire, l’analyse de l’huile ou
la thermographie, en combinaison avec une inspection visuelle et des actions
préventives. Cela permet de planifier exactement ce qui doit être fait, quand et
par qui. Malheureusement, la collecte de ces données est assez complexe. Les
résultats de la surveillance conditionnelle sont stockés dans la base de données
d’un progiciel spécialisé, les résultats des inspections visuelles sont notés à
la main sur des feuilles d’inspection, les données sur les intervalles d’inspection
et la disponibilité du personnel se trouvent dans le système CMMS pour le
planning d’entretien et enfin, les données de diagnostic – si elles existent –
sont enregistrées dans le système de contrôle de production. Toutes ces
informations sont naturellement dans des formats différents. Voilà pourquoi le
deuxième impératif pourrait être résolu par un format de données commun afin de
coordonner toutes les actions préventives.
3ème IMPERATIF: DES PREVISIONS PLUS PRECISES
Une plus grande précision des résultats de mesure constitue une autre exigence.
Nous savons par exemple que certains moteurs électriques présentent un niveau
vibratoire plus élevé lorsqu’ils tournent à faible charge que lorsqu’ils
tournent à pleine charge. Les systèmes de surveillance conditionnelle
traditionnels, qui rassemblent périodiquement les données des enregistreurs de
données manuels, n’en tiennent pas compte, à moins que cela soit possible de
manière qualitative. De légères variations constatées entre deux inspections du
niveau vibratoire, sont considérées comme ‘inhérentes aux conditions de
fonctionnement’ et par conséquent, comme non pertinentes. Il serait donc
préférable de rassembler des données quantitatives et pertinentes sur les
conditions de fonctionnement au moment de l’inspection et de corriger l’analyse
vibratoire à l’aide de ces données. Les mesures seraient alors plus précises et
plus fiables. Aujourd’hui, la détection des dégradations et la possibilité de
les prévoir dépendent encore trop de l’expertise de la personne qui évalue les
données. Impératif n° 3: des appareils de mesure et un logiciel d’analyse plus
précis.
4ème IMPERATIF: INTEGRATION DES DONNEES DE MESURE DANS LE PLANNING D’ENTRETIEN
Comme nous l’avons dit ci-dessus, il existe aujourd’hui des données d’entretien
sous différents formes et formats. Afin d’arriver à une véritable intégration,
ces sources de données doivent être rassemblées dans une seule base de données
ou du moins, les systèmes doivent être interfacés les uns aux autres à l’aide de
protocoles standard (à l’instar des paquets Office de Microsoft pour les
applications de bureautique). Dans le monde de l’entretien, cet objectif est
encore loin d’être atteint. D’une part, nous avons les fournisseurs de paquets
CMMS, destinés au planning et à la gestion de l’entretien, qui intègrent
progressivement des modules de Condition Monitoring dans leurs systèmes de
planning. D’autre part, nous avons les fournisseurs classiques de matériel et
logiciel de surveillance conditionnelle qui commencent petit à petit à sortir
des paquets intégrés, comprenant aussi des modules d’analyse vibratoire et
d’analyse d’huile. Il n’est pas encore question d’une véritable approche
intégrée, même si les premiers pas ont été faits dans cette direction (lire
aussi dans le précédent numéro : ‘L’industrie américaine prend une gigantesque
avance dans l’e-maintenance’). Impératif n° 4: l’intégration de l’acquisition de
données et du planning d’entretien.
5ème IMPERATIF: DEVELOPPEMENT DE SYSTEMES EXPERTS INTELLIGENTS
Au début de l’analyse vibratoire, la précision et la fiabilité de la prévision
des dégradations dépendaient en premier lieu de l’expertise et de l’expérience
de la personne qui analysait les données. Heureusement, cela a changé et grâce à
l’arrivée de meilleurs logiciels d’analyse vibratoire, la dépendance du facteur
humain a diminué. Même si l’évaluation personnelle est toujours très importante,
la première estimation du problème s’est simplifiée grâce aux capacités du
logiciel à tracer des courbes de tendance et à définir divers types de seuil d’alarme,
déterminés par l’utilisateur. Pourtant, il reste du pain sur la planche: tous
les logiciels s’appuient en principe sur des règles et le résultat est à la
hauteur des règles de base du logiciel. La pratique montre qu’aucun logiciel, y
compris les systèmes experts, n’avoisine, en termes de pouvoir prédictif, l’évaluation
du premier technicien d’entretien venu ayant une certaine expérience en la
matière. Les premiers pas vers de meilleurs systèmes experts reposent sur la
logique floue et les réseaux neuronaux. Pourtant, il faut précisément ce type de
pouvoir prédictif pour rendre la surveillance en ligne absolument intéressante
sur le plan économique. Outre l’évidente amélioration de la fiabilité, cette
évolution présente aussi un autre effet. La nécessité de moins de personnel pour
détecter les problèmes par exemple, induira naturellement une baisse des prix.
Aujourd’hui, certaines entreprises utilisent une forme rudimentaire de tri
logiciel des données de vibration et d’analyse d’huile afin de déterminer lors
de l’apparition d’une alarme au niveau de l’opérateur s’il s’agit ou non d’un
problème critique. Si oui, la tâche sera attribuée au service de l’entretien
afin qu’il effectue une analyse et un diagnostic plus détaillés et qu’il pallie
éventuellement le problème. Impératif n° 5: développer des systèmes experts
intelligents afin de réduire le prix global de l’entretien prédictif.
6ème IMPERATIF: AUGMENTER LA FIABILITE DES EQUIPEMENTS
L’objectif ultime des entretiens préventif et prédictif est naturellement d’allonger
le MTBF –Mean Time Between Failures. Ceci peut se faire soit en apportant
continuellement des améliorations aux machines et équipements, soit par une plus
grande précision de la Maintenance Performance. L’entretien prédictif peut y
contribuer considérablement. Supposons que lors d’une analyse vibratoire d’un
roulement, on constate une importante corrélation négative entre le niveau de
vibrations global auquel est exposé le roulement et sa longévité escomptée. Le
niveau de vibrations du roulement peut être attribué, primo à des forces en
présence dans le roulement même et secundo, à des forces externes qui agissent
sur le roulement. Ces dernières peuvent être dues à un mauvais alignement, un
montage incorrect, un déséquilibre du rotor, une cavitation de la pompe… Il est
clair que les causes externes peuvent avoir un effet négatif sur la longévité du
roulement. En principe, l’analyse vibratoire détermine les niveaux de vibration
en les définissant et ensuite, en les comparant avec des seuils d’alarme
préalablement déterminés. Dans la pratique, ces seuils d’alarme sont plutôt
déterminés arbitrairement. S’il existe une solide corrélation entre les niveaux
de vibrations et la longévité du composant, il devrait y avoir une meilleure
méthode pour définir les seuils d’alarme. Pour cela, il faut tenir compte de
plus de facteurs que ce n’est le cas aujourd’hui: le concept spécifique du
roulement, les retombées d’un éventuel dommage sur la production, la sécurité et
l’environnement, l’évaluation entre le supplément de coût dû à des intervalles
d’inspection plus courts et une plus grande longévité du roulement, les
conditions de fonctionnement du processus… Ces considérations ne sont
actuellement pas prises en compte dans les programmes traditionnels de Condition
Monitoring. La fiabilité n’est donc pas encore optimale. Impératif n° 6:
augmenter la fiabilité des composants et systèmes.
7ème IMPERATIF: DEVELOPPER DES CAPTEURS ‘INTELLIGENTS’ EN LIGNE
La surveillance conditionnelle en ligne est encore trop chère pour la plupart
des entreprises, puisque les coûts ne sont pas proportionnels aux profits. Avec
la technologie actuelle, seule une forme rudimentaire de traitement et d’analyse
des signaux peut être réalisée dans le capteur en ligne. Ces signaux sont
utilisés pour générer une alarme simple, sur la base des vibrations, signalée
sur les écrans opérateurs des grandes usines. Cependant, afin de pouvoir
disposer de données précises et fiables pour la surveillance conditionnelle, il
faut précisément de grandes quantités de données détaillées. La seule manière
actuelle consiste à les enregistrer sur place avec un enregistreur de poche et à
les traiter et analyser par la suite hors ligne. Aujourd’hui, l’investissement
en matériel et logiciel nécessaire à la surveillance conditionnelle et la
structure de communication requise n’est pas couvert par les profits que cela
apporte. Heureusement, certains fabricants d’équipements tels que des moteurs,
commencent à leur intégrer directement des capteurs. L’industrie développe aussi
des capteurs ‘intelligents’ ayant la même capacité de traitement que les actuels
enregistreurs de poche. Pour l’heure, cette technologie est encore trop chère
mais l’espoir est là. Si les données sont traitées localement, l’investissement
dans la structure de réseau nécessaire deviendra envisageable. Impératif n° 7:
développer des capteurs intelligents pour une surveillance en ligne des
machines.
Bert Belmans, Maintenance Magazine
Cadres:
Méthode simple pour la surveillance de la condition des roulements
<<UPDATE>> La surveillance en ligne des machines – sous forme décentralisée – a
beau être le rêve de tout spécialiste de l’entretien, trop de plans ambitieux
ont dû être abandonnés en raison du prix de revient trop élevé des enregistreurs
sur le terrain, surtout lorsqu’il s’agit de surveiller un grand nombre d’appareils
rotatifs non critiques comme des ventilateurs, des pompes à eau… Vega a
développé un nouveau capteur de vibrations ‘intelligent’, l’Efector Octavis,
spécialement conçu pour ce type de surveillance. L’installation est
excessivement simple. L’Octavis est d’abord paramétré off-line, via le port
série d’un PC. Ensuite le contrôleur est fixé radialement sur l’axe de rotation
de la pièce rotative. Finalement, il faut appuyer sur une touche pour définir
les fréquences de référence prédominantes du roulement (teach-in). Le contrôleur
est en premier lieu conçu pour générer des alarmes qui avertissent l’opérateur
d’une dégradation du roulement : les LED rouges indiquent qu’il faut intervenir
d’urgence, les LED jaunes montrent un degré de dégradation léger et permettent
de prévoir le remplacement du roulement dans le planning d’entretien. Des
liaisons avec des bus de terrain sont possibles. Notons parmi les applications
possibles les compresseurs à vis, les ventilateurs, les pompes, les fraises… Le
logiciel de paramétrage et le progiciel expert sophistiqué pour les courbes de
tendance et l’analyse sont (malheureusement) en option (Voir aussi l’impératif
n° 5: développer des systèmes experts intelligents). Au dire de Joris Verdickt,
Product manager chez Vega, le prix de revient très abordable devrait permettre à
l’Octavis de faire la différence.<<
Un système expert sophistiqué pour maîtriser les données d’entretien
<<UPDATE>> Le système @ptitude de SKF montre que les fournisseurs de systèmes de
surveillance des machines ne sont pas insensibles aux impératifs cités. Cette
rude (et coûteuse) tâche de pionnier est naturellement réservée à des sociétés
de la dimension de SKF. Sa division ‘Reliability Systems’ est, depuis des années,
un développeur renommé de Condition Monitoring. L’@ptitude Industrial Decision
Support System est un système expert qui prête assistance dans la prise de
décisions en s’appuyant sur les données de surveillance des machines (voir
Impératif n° 5). Il remplace en fait la collecte et l’analyse de données d’entretien
à l’aide d’enregistreurs de données - opérations qui nécessitent beaucoup de
travail - par une collecte et analyse automatique des données et la rédaction d’ordres
de travail. Sur la base de l’analyse, le système recommandera l’action à
entreprendre. Outre un jeu établi de procédures et de priorités, la société peut
personnaliser le logiciel et apporter ainsi sa propre connaissance du processus.
Ceci compense partiellement le problème de la perte d’expérience technique
lorsque des employés (plus âgés) quittent l’entreprise. Ce système est composé
de quatre modules. Le module Alert (classique) analyse les données en provenance
de la surveillance des machines et en déduit des symptômes sur la ‘santé’ de
l’équipement. Le module View permet de gérer cette information de façon
synoptique. Ce module est également interfacé avec certains systèmes de planning
de l’entretien (comme Maximo, SAP et API Pro) afin d’y générer des demandes de
travail. Le module Asset Knowledge Science affine progressivement la méthode de
diagnostic qui a été choisie pour un certain équipement. Celle-ci doit surtout
en finir une fois pour toutes avec l’inconsistance propre à la manière parfois
arbitraire dont les données sont introduites dans un système. Finalement, il y a
le site Web Xchange - payant - qui est en fait une base de données contenant des
documentations élaborées par SKF. @ptitude est aujourd’hui incontestablement un
des systèmes d’asset management les plus sophistiqués, développés pour la
surveillance de machines. Il peut en outre rassembler des données issues de
sources de format différent.<<
Une analyse d’huile avant-gardiste
Preventive Maintenance Data Manager est un bel exemple d’une technologie
avant-gardiste destinée à la surveillance des machines par l’analyse d’huile,
notamment pour un entretien préventif basé sur un contrôle de la contamination
des systèmes hydrauliques et des huiles de graissage dans l’industrie de
processus. Attention: ce logiciel peut uniquement être utilisé avec certains
appareils de Pamas comme le S40 Portable Particle Counter ou le SBSS Bottle
Sampler Analyser. Ce logiciel propose plusieurs possibilités intéressantes. Une
‘Measurement Route List’ peut être établie off-line. Cette liste comprend toutes
les données du scénario de mesure (Profiles) que doit effectuer le S40 pour
l’ensemble des points de mesure à relever. Pour l’analyse des données, une
courbe de tendance en fonction du temps des classes de contamination (ISO 4406)
peut être consultée graphiquement en cliquant simplement sur le nom du fichier.
En d’autres termes, les classes de propreté peuvent être suivies sur le PC pour
les points de mesure sélectionnés, ce qui permet de visualiser la tenue à la
salissure au départ de chaque point de mes ure et d’entreprendre une action
préventive.<<
Plate-forme multifonctions proposant aussi l’alignement d’axe
Fin 2002, SPM Instrument présentait Leonova, un nouveau système de surveillance
conditionnelle des machines. Le concept de construction modulaire du logiciel
était et reste toujours très intéressant. En fonction des besoins de mesure,
chaque appareil est composé exactement selon les souhaits du client. Le Leonova
est en fait un ordinateur de base dans lequel des modules logiciels peuvent être
téléchargés, notamment pour l’analyse de l’état des roulements, l’analyse
spectrale, l’analyse de signaux temporisés, l’équilibrage dans 1 et 2 plans, les
paramètres de processus… Cela signifie aussi que vous pouvez par exemple
rajouter des fonctions par la suite, sans devoir d’emblée faire l’acquisition d’un
nouvel appareil. L’extension LineLazer doit également être vue sous cet angle:
en reliant ce système de mesure au Leonova, vous obtenez une configuration à
part entière conçue pour l’alignement d’axe. LineLazer ne fonctionne pas avec
les traditionnels lasers à point mais avec deux lasers à ligne à rayonnement
horizontal. En combinaison avec le détecteur intégré, extrêmement grand (35 mm),
les rayons laser ne doivent plus être réglés manuellement. Cette méthode rend le
système adéquat pour l’alignement des machines accouplées et désaccouplées, sans
influencer le jeu de l’accouplement. Il n’y a qu’un seul câble entre le
Linelazer et le Leonova (notamment en raison de la communication partiellement
sans fil, pour laquelle une demande de brevet est actuellement en cours). En
mode Automode, le LineLazer détermine lui-même ce qui doit être mesuré, sans l’intervention
de l’utilisateur. Notez que la société offre une formule intéressante (Function
& Use) suivant laquelle l’utilisateur paie uniquement par alignement ou mesure.
De cette manière une partie de votre investissement initial sera converti en
frais opérationnels.<<
Le concept modulaire destiné à conférer plusieurs fonctions à un seul appareil
par le biais d’add-ons n’est pas nouveau. Il avait déjà été lancé en 1992 par
Prüftechnik AG. “Début 2000, nous avons sorti VIBSCANNER” explique Alain Naets,
General Manager du site belge. “C’était alors le premier appareil dans un format
compact pour lequel les modules logiciels pouvaient être activés par l’utilisateur.
Ce concept innovateur fut couronné en 2001 par un Gold Medal Award, décerné par
la revue américaine Plant Engineering.” En mai 2003, nous avons rajouté un
add-on permettant l’alignement optique par laser. L’ensemble fut alors baptisé
smartSCANNER. Plusieurs brevets soutiennent ce concept, notamment celui de la
technologie laser single beam, de la méthode sweep pour la mesure full
automatique, de la reconnaissance du point de mesure Vibcode et de l’adaptive
routing. “Plusieurs fabricants reprennent le concept, mais doivent souvent
contourner les brevets techniques” remarque Alain Naets. “D’où la différence de
technologie utilisée entre autres. En brevetant systématiquement ses innovations,
Prüftechnik a su se maintenir depuis vingt ans dans la position du plus grand
fournisseur d’appareils d’alignement optique d’axe par laser au monde. » <<
Conseils: Meilleures pratiques en entretien prédictif
Conseil 1: Dans un système électrique ou mécanique, les ‘points chauds’ ou les
développements excessifs de chaleur présagent généralement de futurs problèmes.
A l’aide d’une caméra infrarouge et d’un programme d’inspection, les pannes de
machine et les arrêts de production peuvent être évités. Conseil: Même si cela
ne s’avère pas très évident, essayez d’utiliser une caméra infrarouge pour
scanner l’eau, la boue ou la mousse dans un réservoir.
Conseil 2: Les techniques à ultrasons se prêtent parfaitement à la détection de
problèmes de cavitation dans des pompes hydrauliques et conviennent idéalement à
‘l’écoute’ du comportement des roulements.
Conseil 3: Dans de nombreux cas, l’analyse des résidus d’usure dans l’huile de
machine se révèle un meilleur indicateur que d’autres techniques d’entretien
prédictif. Ceci est surtout le cas pour la surveillance de machines tournant à
sec (moins de 5 t/m). Les techniques d’analyse vibratoire classiques ne sont
dans ce cas généralement pas satisfaisantes.
Conseil 4: Le comptage de particules à l’aide d’un programme d’analyse peut être
un puissant outil pour l’entretien prédictif. Une augmentation du nombre de
particules dans l’huile indique un problème imminent et souligne la nécessité d’une
recherche plus approfondie.
Conseil 5: Utilisez des bouchons de vidange magnétiques. Les particules d’usure
métalliques adhèrent aux bouchons et donnent une indication visuelle de l’état
de l’huile. Voilà une technique bon marché et efficace pour l’entretien
prédictif.
Conseil 6: Supposons que vous vouliez disposer d’un appareil d’alignement par
optique laser pour une période réduite ou que vous ayez provisoirement besoin d’un
appareil supplémentaire pour pouvoir réaliser un job important. Dans ce cas,
vous pouvez vous adresser à un service de location. Prüftechnik, par exemple,
offre cette possibilité. Ainsi, les investissements sont répartis dans le temps
ou repris dans la comptabilité sous forme de coût de location plutôt que comme
investissement. <<
|
