Système de signalement, d'analyse et d'action corrective des pannes (FRACAS)

Qu'est-ce que FRACAS ?

Un système de signalement, d'analyse et d'action corrective des défaillances (FRACAS) est un processus qui donne aux organisations un moyen de signaler, de classer et d'analyser les défaillances, ainsi que de planifier des réactions correctives en réponse à ces défaillances. Un logiciel est souvent utilisé pour mettre en œuvre un système FRACAS afin de gérer plusieurs rapports de défaillance et de produire un historique des défaillances avec les actions correctives correspondantes, de sorte que les informations enregistrées sur ces défaillances passées puissent être analysées.

 

Développé et utilisé pour la première fois par les groupes du Département de la Défense des États-Unis en 1985, un FRACAS est un processus contenant les étapes suivantes :

  1. Rapport de panne (FR) : Toutes les pannes et tous les défauts liés à un système, à un équipement ou à un processus sont officiellement signalés. Le rapport de panne identifie clairement l'actif défaillant, les symptômes de la panne, les conditions de test, les conditions de fonctionnement et l'heure de la panne.
  2. Analyse (A) : Réalisation d'une analyse des causes profondes pour identifier la cause de la panne.
  3. Actions correctives (AC) : mise en œuvre d'actions correctives (ou préventives) pour prévenir de futures occurrences de la panne. FRACAS peut être utilisé dans de multiples applications telles que la sécurité/réduction des risques, le contrôle des processus et les systèmes de notification d'incidents.

Un FRACAS fournit également des informations importantes sur l'analyse des défaillances et les actions correctives pour les rapports de données de fiabilité.

FRACAS de BQR

Les serveurs BQR-Digital hébergent plusieurs applications, parmi lesquelles les outils d'analyse de données de terrain et FRACAS (Failure Reporting, Analysis, and Corrective Action System).

Le FRACAS de BQR collecte les pannes et les événements de maintenance (correctifs et préventifs). Les données sont ensuite analysées pour produire des distributions de temps de panne et de réparation.

 

La sortie a deux utilisations principales :

  • Prédire la durée de vie utile restante (RUL)
  • Mettre à jour le modèle d'actif apmOptimizer et générer les actions correctives pour améliorer le concept de maintenance