RésuméLes hypothèses basiques sur l'effet de la maintenance sont "maintenance parfaite" ou As Good As New (le système est remisà neuf) et "maintenance minimale" ou As Bad As Old (la maintenance n'a aucun effet sur l'occurrence des défaillances futurs). En pratique, il est clair que pour des systèmes industriels importants on se situe entre ces deux cas extrêmes. Les modèles de maintenance imparfaite proposent une description d'un effet intermédiaire des maintenances. Dans cette soumission nous proposons une démonstration de notre solution logicielle VAM. VAM, pour Virtual Age Model, est un package R open source mettant en oeuvre les principaux modèles de maintenance imparfaite. L'utilisation de VAM est basée sur l'écriture d'une formule qui décrit le jeu de données et le modèle utilisé pour l'analyser. Cette formule rend le package très adaptatif car c'est l'utilisateur qui va y définir le comportement du système neuf non maintenu, les types et effets des différentes maintenances préventives et correctives, et la façon dont la maintenance préventive est planifiée. On peut ensuite utiliser les fonctionnalités du package pour simuler de nouveaux jeux de données, estimer par maximum de vraisemblance les paramètres du modèle, calculer et représenter graphiquement différents indicateurs.
SummaryThe basic assumptions on maintenance efficiency are known as perfect maintenance or As Good As New (the system is renewed) and minimal maintenance or As Bad As Old (maintenance has no effect on future failures occurrences). Obviously reality falls between this two extreme cases. An intermediate maintenance effect can be described thanks to imperfect maintenance models. This paper presents an introductory tutorial for our VAM software. VAM, for Virtual Age Model, is an R open source package that implements the principal imperfect maintenance models. VAM usage is based on a formula which specify the characteristic of the data set to analyse and the model used for that. Thanks to this formula description the package becomes adaptative. In fact, the formula is defined by the user and characterises the behaviour of the new unmaintained system, the types and effects of the preventive and corrective maintenances, and how preventive maintenance times are planned. Then, the package functionalities enable to simulate new data sets, to estimate with maximum likelihood method the parameters of the model, to calculate and plot different indicators.