e
20 Congrès de maîtrise des risques et de sûreté de fonctionnement - Saint-Malo 11-13 octobre 2016
OPTIMISATION DE LA MAINTENANCE DES POSTES DE DETENTE DU RESEAU
DE TRANSPORT DE GAZ NATUREL
MAINTENANCE OPTIMISATION FOR NATURAL GAS PRESSURE REDUCING
UNITS
L. Marle, J. Blondel, A. Berlatier D. Faure
CRIGEN, ENGIE GRTgaz, Direction Technique
361 ave Président Wilson BP 33 6 rue Raoul Nordling
93210 Saint-Denis La Plaine 92277 Bois-Colombes Cedex
[Link]@[Link]
F. Brissaud
FMDS industrie
Résumé
Cette communication présente une modélisation de la fiabilité, la maintenance, la disponibilité et la sécurité des postes de détente
du réseau de transport du gaz naturel. Basée sur l’exploitation du retour d’expérience, cette modélisation permet d’apporter des
éléments d’aide à la décision pour proposer des plans de maintenance optimisés et adaptés aux caractéristiques des postes. La
modélisation est réalisée en réseaux de Petri. Elle intègre les performances et les caractéristiques des postes, ainsi que les coûts
de maintenance
Summary
This study presents a modelling of the reliability, the maintenance, the availability and the safety of natural gas pressure reducing
units. Based on feedback data, the results allows decision making to define an optimized maintenance policy. The system modelling
was created in predictive stochastic Petri nets. It takes into account unit’s performances and characteristics and also maintenance
costs.
Introduction
Cette communication présente une modélisation de la fiabilité, la maintenance, la disponibilité et la sécurité des postes de détente
du réseau de transport. Ces postes reçoivent en entrée du gaz sous une pression pouvant aller jusqu’à 70 bars et ont pour objet
de le transmettre à une pression inférieure.
11 architectures types de postes de détente, composées de 6 types d’équipements, sont considérées.
La modélisation, réalisée en réseau de Petri, intègre :
les taux de défaillance des équipements (en fonction du temps) ou la probabilité de défaillance à la sollicitation;
les temps de détection et de réparation des équipements ;
les effets (et efficacités) des actions de maintenance préventive et corrective ;
les ressources de maintenance (nombre et disponibilité des opérateurs de maintenance) ;
les coûts des actions de maintenance préventive et corrective.
Les résultats issus de cette modélisation concernent les coûts de maintenance ainsi que la fréquence d'occurrence des trois
évènements redoutés (ER) suivants :
Interruption de fourniture de Gaz (ER1)
Dépassement de 110% de la PMS (Pression Maximale de Service) Aval (ER2)
Fuite externe (ER3)
Basée sur l’exploitation du retour d’expérience, cette modélisation permet d’apporter des éléments d’aide à la décision pour
proposer des plans de maintenance optimisés et adaptés aux caractéristiques des postes.
L'optimisation s’appuie sur des critères de sécurité (i.e. surpression), de disponibilité (i.e. interruption de fourniture), de fiabilité (i.e.
occurrence et durée des fuites externes) et de coûts.
Contexte industriel
GRTgaz, filiale du groupe ENGIE, est un transporteur de gaz naturel qui assure la gestion et le développement d’un réseau de
canalisations sous haute pression sur une grande partie du territoire français.
ENGIE Lab CRIGEN (Centre de Recherche et d’Innovation Gaz et Energies Nouvelles du groupe ENGIE) réalise des prestations
pour le développement de politiques de gestion d’actifs et de maîtrise de la sécurité industrielle.
Dans le cadre de ses activités, GRTgaz utilise et enrichit des bases de données relatives aux caractéristiques techniques de ses
ouvrages et aux interventions de maintenance réalisées sur ceux-ci. La prestation du CRIGEN se matérialise notamment par
l’exploitation de ces bases de données pour des études de sûreté de fonctionnement.
Cette étude présente une approche de modélisation, axée sur la maintenance, par réseaux de Petri des postes de détente pour le
réseau de transport de gaz. Les résultats issus de cette modélisation permettent une aide à la décision pour l’optimisation des
périodicités de la maintenance préventive.
Communication 6D /4 page 1/7
e
20 Congrès de maîtrise des risques et de sûreté de fonctionnement - Saint-Malo 11-13 octobre 2016
Méthodologie
La méthodologie décrite ci-dessous permet de construire une modélisation qui intègre les données de retour d’expérience pour
quantifier pour différentes architectures de postes l’occurrence d’évènements redoutés et les coûts de maintenance en fonction de
différents scénarios de maintenance. L’objectif est d’identifier pour chaque type de poste le scénario de maintenance optimal.
Etape 1 : Choix des architectures type
11 architectures de postes de détente sont considérées :
6 architectures de postes double-ligne (DL), constitués de deux lignes de régulation en parallèle (redondance) avec
bipasse
5 architectures de postes simple-ligne (SL), constitués d’une seule ligne de régulation (sans redondance) avec bipasse
Ces architectures sont représentatives d’environ 80% des postes de détente du réseau de transport de gaz de GRTgaz.
La figure ci-dessous présente un exemple d’architecture Double Ligne :
Figure 1. Exemple d’architecture de poste double ligne
Etape 2 : Collecte de données et évaluation des performances
Les équipements suivants et leurs modes de défaillances sont pris en compte :
Les régulateurs :
MREG haut : mauvaise régulation haute
MREG bas : mauvaise régulation basse
FIND : fuite interne détendeur
FEXD : fuite externe détendeur
Les clapets de sécurité :
FERI : fermeture intempestive
FINV : fuite interne clapet de sécurité
NFSO : non fermeture à la sollicitation
FEXV : fuite externe clapet de sécurité
Les soupapes :
NOSO : non ouverture à la sollicitation
FUSO : fuite soupape
Les filtres :
COLM : colmatage
FEXT : fuite externe
Les bipasse/robinets :
FINR : fuite interne bipasse
FEXR : fuite externe robinet
Les tuyauterie/compteurs/robinets :
FEXT/FEXC/FEXR : fuite externe tuyauterie/compteurs/robinets
Communication 6D /4 page 2/7
e
20 Congrès de maîtrise des risques et de sûreté de fonctionnement - Saint-Malo 11-13 octobre 2016
Pour chaque équipement, l’ensemble des données suivantes, issues du retour d’expérience, sont considérées :
• Données de fiabilité : un bilan des défaillances par mode de l’ensemble des équipements permet d’estimer leur fiabilité
avec des distributions de Weibull.
• Données de coûts de maintenance (utilisation de ressources et coûts fixes d’actions de maintenance)
• Données de maintenance préventive et corrective (Nature, périodicité, durée des actes etc. des actions de maintenance
préventive, logistique de maintenance, …)
Maintenance Préventive
Trois types d'action de maintenance préventive sont considérés :
Surveillances visuelles
Essais de fonctionnement / de conformité (ESFO)
Révisions (REVI)
Pour chaque type, une même périodicité de maintenance est appliquée à l’ensemble des postes.
Maintenance corrective
Lorsqu’une panne se produit, celle-ci est détectée immédiatement et, une fois l'équipe de maintenance sur place, tous les sous-
modes de défaillance présents sont détectés. Les modes de défaillance peuvent aussi être détectés lors des actions de
maintenance préventive.
Pour chaque mode de défaillance, les durées moyennes des actions de maintenance corrective sont calculées à partir des données
de retour d’expérience.
Une action de maintenance corrective implique systématiquement un "gommage" de l'effet du vieillissement, vis-à-vis du sous-
mode de défaillance concerné.
L'hypothèse est faite que les durées de maintenance corrective sont des variables aléatoires distribuées selon des lois
exponentielles.
Logistique de maintenance
Une seule action de maintenance (qu'elle soit préventive ou corrective) peut avoir lieu à la fois par poste. Lorsque plusieurs actions
de maintenance sont requises au même moment, certaines actions sont donc mises en attente. La priorité est donnée aux actions
de maintenance corrective.
Chaque semaine peut être organisée selon les périodes suivantes :
périodes de jour, de 8h à 16h du lundi au vendredi
périodes d'astreinte, le reste du temps
L'équipe de maintenance est constituée de deux opérateurs. Les actions de maintenance préventive ne sont réalisées qu'en
période de jour. Avant de débuter une ou plusieurs actions de maintenance, un délai logistique de 1h30 est nécessaire pour que
l'équipe de maintenance arrive sur place. Ce délai est supposé déterministe.
Etape 3 : Analyse dysfonctionnelle
Une analyse dysfonctionnelle par arbre de défaillance permet d’identifier les différents scénarios conduisant à l’occurrence des
événements redoutés (ER1, ER2 et ER3), en fonction de l’occurrence des modes de défaillances des équipements.
La figure ci-dessous représente l’arbre de défaillance conduisant à l’occurrence de l’ER1 – Interruption de fourniture, chacune des
boites A1, A2 et A3 représente des arbres de défaillances qui reprennent les modes de défaillance cités ci-dessus :
Figure 2. Arbre de défaillances représentant l'occurrence d'ER1
Communication 6D /4 page 3/7
e
20 Congrès de maîtrise des risques et de sûreté de fonctionnement - Saint-Malo 11-13 octobre 2016
Etape 4 : Construction et validation du modèle
La modélisation a été effectuée par réseaux de Petri (Logiciel GRIF). Les réseaux de Petri fournissent un outil graphique pour
modéliser les comportements dynamiques des systèmes et ensuite effectuer des analyses de performances par simulations de
Monte Carlo (i.e. les résultats sont obtenus statistiquement à l’issue de plusieurs histoires simulées, une histoire étant une
simulation ou combinaison dysfonctionnelle parmi des milliers voire dizaines de milliers).
La modélisation a été réalisée de façon hiérarchique, en cinq niveaux, tels que représentés sur la Figure 3 :
le niveau "inter-postes", comprenant la gestion des périodes de jour et d'astreinte et le délai de logistique de
maintenance;
le niveau "poste", comprenant la gestion des surveillances visuelles, des coûts attribués au poste et de l'occurrence
des évènements redoutés;
le niveau "composant/équipement », comprenant la gestion des essais de fonctionnement et des révisions et des
coûts attribués au composant;
le niveau "mode de défaillance", comprenant la gestion de l'occurrence des modes de défaillance ainsi que des effets
des actions de maintenance préventive et corrective sur ceux-ci, des coûts attribués au mode de défaillance ainsi que
des paramètres de fiabilité et de maintenance corrective.
Figure 3. Modélisation générale et conceptuelle (Logiciel GRIF)
Des premières simulations basées sur les données actuelles de maintenance préventive donnent des résultats cohérents avec le
retour d’expérience et ont donc permis de valider les modèles.
Etape 5 : Simulations
Suite à la validation des modèles, 5 scénarios alternatifs de maintenance préventive sont simulés pour chaque architecture. Pour
chaque scénario, 10 000 simulations (obtenus en 10 minutes environ) sont produites sur une période de fonctionnement de 30
ans.
Ces simulations permettent notamment d’estimer les critères suivants :
• C1 : Coûts de maintenance (préventive et corrective)
• C2 : Nombre moyen d'ER1 par an
• C3 : Nombre moyen d'ER2 par an
• C4 : Durée cumulée de présence d’ER3 (fuites), en jours par an
Un certain nombre de variables sont également quantifiées. Ce type de modélisation ne permettant pas d’estimer directement une
périodicité optimale pour les différentes opérations de maintenance, la simulation de plusieurs scénarios « réalistes » alternatifs
est indispensable. Quatre scénarios alternatifs correspondent à une réduction de la maintenance préventive et un cinquième
scénario correspond à une augmentation du préventif. Ce dernier permet de vérifier que le modèle fournit des résultats cohérents
avec ce qui est attendu : une réduction systématique de l’ensemble des évènements redoutés.
Etape 6 : Optimisation de la maintenance
Sur la base des critères issus des simulations, un scénario optimal de maintenance préventive est proposé pour chaque
architecture de postes. Ce scénario correspond à des périodicités de maintenance générant de faibles coûts de maintenance
(aussi bien préventive que corrective) tout en assurant un niveau de performance important en termes de sécurité, de fiabilité et
de disponibilité (ce qui signifie des fréquences d’événements redoutés ou durée de fuites faibles).
Communication 6D /4 page 4/7
e
20 Congrès de maîtrise des risques et de sûreté de fonctionnement - Saint-Malo 11-13 octobre 2016
Résultats
Les quatre critères (C1, C2, C3, C4) pris en compte pour l’optimisation ont été estimés pour chaque architecture et pour chaque
scénario. Ces résultats sont directement issus des simulations basées sur les réseaux de Petri représentant chaque type de poste.
Ci-dessous, des exemples de résultats pour une architecture représentant 2 400 postes, pour trois scénarios de maintenance :
• La maintenance actuelle
• La maintenance optimisée proposée réduction du nombre annuel de surveillances et augmentation du nombre annuel
d’essais de fonctionnement.
• Un scénario de maintenance réduite réduction du nombre annuel de surveillances et du nombre annuel d’essais de
fonctionnement.
Nb moyen d'ER2 par an
Nb moyen d'ER1 par an
Maintenance actuelle Maintenance optimisée Maintenance réduite
Nb d'ER1 Nb d'ER2
Figure 4. Évolution du nb d'ER1 et ER2 en fonction des différents scénarios de maintenance
Durée Moyenne d'ER3 par an
Maintenance actuelle Maintenance optimisée Maintenance réduite
Durée des fuites (en jours par an)
Figure 5. Évolution de la durée moyenne annuelle de fuite
Communication 6D /4 page 5/7
e
20 Congrès de maîtrise des risques et de sûreté de fonctionnement - Saint-Malo 11-13 octobre 2016
Evolution des coûts de maintenance en fonction des configurations
proposées
Maintenance actuelle Maintenance optimisée Maintenance réduite
Coûts totaux correctifs Coûts totaux préventifs Coûts totaux
Figure 6. Évolution des coûts de maintenance en fonction des configurations proposées
Les figures précédentes montrent qu’il est possible de proposer une maintenance optimisée, qui permet de maintenir la même
fréquence d’évènements redoutés : interruption de fourniture et surpression, une durée moyenne annuelle de fuite du même ordre,
tout en réduisant les coûts de maintenance de l’ordre de 20%.
L’étape suivante consiste à identifier le scénario de maintenance optimal (parmi les scénarios simulés) en fonction des
architectures de postes. Les résultats correspondant à différentes architectures sont comparés. La figure suivante présente le %
d’évolution des évènements redoutés par rapport à la maintenance actuelle pour 2 architectures :
Figure 7. Variations (en %) de évènements redoutés par rapport au scénario de maintenance actuel.
Ces résultats sont à mettre en regard de l’évolution des coûts de maintenance qui intègrent : les coûts préventifs et les coûts
correctifs :
Figure 8. Variations (en %) des coûts de maintenance par rapport au scénario de maintenance actuel.
Communication 6D /4 page 6/7
e
20 Congrès de maîtrise des risques et de sûreté de fonctionnement - Saint-Malo 11-13 octobre 2016
On peut constater par exemple que le scénario 5, qui correspond à une augmentation de la maintenance préventive, permet de
réduire l’occurrence des évènements redoutés. La baisse des défaillances et donc des coûts correctifs ne permet pas de
compenser l’augmentation des coûts préventifs : les coûts de maintenance augmentent.
On peut constater par ailleurs que le scénario 3 correspond au scénario optimal pour l’architecture 1 : baisse de l’occurrence des
évènements redoutés et baisse des coûts. Par contre, c’est le scénario 4 qui semble optimal pour l’architecture 2. Nous restons
dans ce cadre dans un critère de décision exigeant correspondant à une baisse systématique de d’occurrence des évènements
redoutés. On peut par ailleurs envisager d’autres critères de décision en fixant par exemple une valeur seuil à ne pas dépasser
pour la probabilité d’occurrence des évènements redoutés.
Conclusion
Les différentes modélisations réalisées donnent des résultats cohérents avec les observations du retour d’expérience. Suite à
cette étape de validation, les modèles ont permis d’effectuer différentes simulations de scénarios alternatifs de maintenance
préventive permettant de réduire les coûts de maintenance sans dégrader les performances du système. Le scénario optimal, tout
en maintenant un même niveau de performance, permettrait un gain de l’ordre de 20% sur les coûts totaux de maintenance.
Pour compléter cette étude basée sur les architectures des postes, une analyse des facteurs caractérisant la fiabilité des postes
est en cours. Elle devrait permettre d’identifier les postes les plus fiables sur lesquels pourront être testées les nouvelles politiques
identifiées. Cette approche apporte une aide à la décision et doit faire l’objet de divers pilotes avant d’envisager un premier
déploiement.
Bibliographie
A. LANNOY et H. PROCACCIA, 2001, L’utilisation du jugement d’expert en sûreté de fonctionnement, Editions Tec&Doc, Lavoisier.
A. LANNOY et H. PROCACCIA, 2006, Evaluation de la fiabilité prévisionnelle, Editions TEC&DOC, Lavoisier.
H. PROCACCIA, E. FERTON et M. PROCACCIA , 2011, Fiabilité et maintenance des matériels industriels réparables et non
réparables, Editions TEC&DOC, Lavoisier.
J. BLONDEL, L. MARLE, F. COSSALTER-RUFIE, M. BLAUDEZ, D. FAURE, « Evaluation prévisionnelle de la fiabilité de postes
de détente dans le cadre de la stratégie de hiérarchisation des investissements de GRTgaz », Congrès Lambda Mu 18, Tours
2012.
J. BLONDEL, L. MARLE, O. MOZAR, F. BRISSAUD, A. ABDESSELAM, Aide à la décision pour l'optimisation de la maintenance
des stations de compression de gaz naturel, Congrès Lambda Mu 19, Dijon 2014.
Communication 6D /4 page 7/7