GMAO : Gestion de Maintenance Assistée par Ordinateur
Module 2 / 5 · Sommaire complet
2.4 KPI et Tableaux de Bord : Exploiter les Données GMAO
Une GMAO sans tableaux de bord est un entrepôt de données inexploité. Ce chapitre vous guide dans la sélection des indicateurs essentiels, leur calcul rigoureux, et la construction de dashboards adaptés à chaque niveau hiérarchique — du technicien terrain au directeur technique.
Les KPI essentiels de maintenance : formules et exemples chiffrés
Les indicateurs de fiabilité constituent le socle du pilotage de la maintenance. Leur calcul repose sur des données GMAO de qualité : dates précises de panne, durées d'arrêt et heures de fonctionnement réelles.
Mean Time Between Failures
Exemple : Un compresseur fonctionne 4 380h sur 6 mois et tombe en panne 6 fois.
MTBF = 4 380 / 6 = 730 heures entre pannes
Plus le MTBF est élevé, plus l'équipement est fiable. Tendance à la hausse = gain de fiabilité grâce au préventif.
Mean Time To Repair
Exemple : Les 6 pannes du compresseur ont nécessité au total 18h de réparation.
MTTR = 18 / 6 = 3 heures par panne
Plus le MTTR est faible, plus la réactivité est bonne. Tendance à la baisse = amélioration du diagnostic et disponibilité des PDR.
Disponibilité intrinsèque
Exemple : MTBF = 730h, MTTR = 3h
D = 730 / (730 + 3) × 100 = 99,6%
La disponibilité intrinsèque mesure la capacité intrinsèque de l'équipement à fonctionner, en excluant les logistiques externes.
Taux de panne
Exemple : Machine requise 720h/mois, 18h d'arrêts correctifs
TP = 18 / 720 × 100 = 2,5% de pannes
Cible sectorielle industrie process : TP < 2%. Industrie manufacturière : TP < 5%.
Norme EN 15341 : les indicateurs normalisés de maintenance
La norme NF EN 15341+A1 (juin 2022), « Maintenance — Indicateurs clés de performance de la maintenance », est la référence européenne pour définir des indicateurs de maintenance comparables d'un site à l'autre. Elle remplace l'édition d'août 2019, elle-même issue d'une première édition de 2007.
Édition 2007
Les indicateurs y étaient répartis en trois familles : économiques, techniques et organisationnels. Ce découpage se retrouve encore dans beaucoup de supports, mais il n'est plus celui de la norme en vigueur.
Depuis 2019
Les indicateurs sont rangés par sous-fonction de la maintenance : maintenance dans la gestion des actifs physiques, santé-sécurité-environnement, management de la maintenance, compétences du personnel, ingénierie de maintenance, organisation et support, administration et approvisionnement, technologies de l'information et de la communication.
Ce que la norme apporte
Un indicateur n'est comparable que si sa formule, son périmètre et ses données d'entrée sont identiques. La norme fournit ce vocabulaire commun ; elle ne fixe pas de valeurs cibles. Les formules exactes et les codes des indicateurs sont à lire dans la norme elle-même (AFNOR), et le processus maintenance auquel ils se rattachent est décrit par la NF EN 17007 (2017). Pour choisir les indicateurs à suivre dans la durée, voir aussi le chapitre faire vivre la GMAO de la formation GMAO.
Pyramide décisionnelle des tableaux de bord
Le même jeu de données GMAO doit alimenter des tableaux de bord différents selon le profil utilisateur. Un directeur technique et un technicien de terrain n'ont pas les mêmes besoins : les données doivent être agrégées et présentées différemment à chaque niveau.
Niveau Stratégique — Mensuel / Trimestriel
Vision coûts, disponibilité globale, tendances, conformité réglementaire
Niveau Tactique — Hebdomadaire / Mensuel
Pilotage charge/capacité, suivi plans préventifs, analyse défaillances récurrentes
Niveau Opérationnel — Quotidien / Temps réel
Mes OT du jour, alertes équipements, check gammes préventives
Business Intelligence appliquée à la GMAO : Power BI, Grafana
Les tableaux de bord natifs des GMAO sont souvent insuffisants pour des analyses avancées. Les outils de BI permettent de connecter les données GMAO à des visualisations dynamiques, croisées avec d'autres sources (ERP, capteurs IIoT, données production).
Microsoft Power BI
Outil de business intelligence généraliste : connexion directe aux bases de données de la GMAO ou à son API, mise en forme libre des tableaux de bord. Suppose que quelqu'un en interne maintienne les rapports dans le temps.
- Visualisations interactives (drill-down site → équipement)
- Rafraîchissement automatique des données (toutes les heures)
- Publication sur SharePoint ou Teams
- Création de KPI composites MTBF × criticité
Grafana
Outil open-source de visualisation temps réel, natif sur les données IoT et TSDB (time-series databases). Idéal pour la maintenance conditionnelle.
- Visualisation temps réel de capteurs (vibration, température)
- Alertes automatiques sur seuils dépassés
- Corrélation données IIoT + historique OT GMAO
- Gratuit (open-source) ou Grafana Cloud
| Outil BI | Usage privilégié GMAO | Profil utilisateur | Coût |
|---|---|---|---|
| Power BI | Reporting mensuel direction, KPI agrégés multi-sites | Resp. maintenance, Direction | ~10 €/user/mois |
| Grafana | Surveillance temps réel IIoT, alertes opérationnelles | Technicien, Ingénieur maintenance | Gratuit (open-source) |
| Tableau | Analyses avancées, corrélations multi-sources | Analyste maintenance, RSSI | ~70 €/user/mois |
| GMAO native | Rapports opérationnels standards | Tous profils | Inclus licence GMAO |
Data Quality : le principe « Garbage In / Garbage Out »
En informatique de gestion, le principe GIGO (Garbage In, Garbage Out) stipule que la qualité des résultats produits par un système est directement conditionnée par la qualité des données en entrée. En GMAO, des données mal saisies produisent des KPI trompeurs qui conduisent à de mauvaises décisions.
Exemples de données « garbage » en GMAO
- OT créés sur un équipement générique "DIVERS" au lieu de l'équipement exact
- Durée d'arrêt saisie à 0 h alors que la machine est restée arrêtée 4h
- Cause de panne renseignée "Inconnu" sur 60% des OT
- OT préventifs clôturés sans avoir été réellement réalisés (TRP fictif)
- Pièces consommées non saisies dans l'OT (stock faussé)
- OT en masse importés sans codification correcte des équipements
- Compteurs d'heures de marche jamais mis à jour
- Dates de panne incorrectes (J+1 ou J-1 par inattention)
Plan d'amélioration de la qualité des données GMAO
| Problème | Cause racine | Solution |
|---|---|---|
| OT rattachés à équipement générique | Interface GMAO difficile, pression temps | Scan QR obligatoire avant ouverture OT mobile |
| Durée d'arrêt = 0 h | Champ non obligatoire, oublié | Rendre le champ obligatoire à la clôture, avec chronométre auto |
| Causes de panne vagues | Manque de taxonomie standard | Imposer un référentiel de causes codifiées (ISO 14224) |
| Pièces non saisies | Double saisie perçue comme redondante | Intégration stock GMAO temps réel + alerte si absence PDR sur OT correctif |
| TRP fictif | Pression hiérarchique sur indicateurs | Audit terrain aléatoire + signature technicien avec géolocalisation |
Exemples de dashboards types par profil utilisateur
Voici trois exemples concrets de tableaux de bord GMAO, structurés pour répondre aux besoins spécifiques de chaque profil. Le contenu doit être synthétique, visuel et actionnable.
| Indicateur | Cette semaine | Objectif | Statut |
|---|---|---|---|
| OT préventifs réalisés / planifiés | 18/20 | 20/20 | 90% |
| Backlog (semaines) | 3,2 sem. | 2–4 sem. | OK |
| MTTR correctifs (heures) | 4,1h | < 3h | Dépassé |
| Taux correctif urgence | 18% | < 20% | OK |
- OT-2401 — Pompe P-101 (Préventif)
- OT-2402 — Conv. B2 (Correctif différé)
- OT-2403 — Moteur M-07 (Graissage)
- Roulement CMP-A3 — Vibration > seuil
- PDR Filtre F-045 — Stock mini atteint
- OT-2389 — Courroie PRS-B2 (prévu hier)
Résumé du chapitre
- 1 Les 4 KPI fondamentaux : MTBF, MTTR, Disponibilité, Taux de panne. Leur fiabilité dépend entièrement de la qualité des données saisies en GMAO.
- 2 La norme NF EN 15341+A1 (2022) fournit des indicateurs normalisés, rangés depuis 2019 par sous-fonction de la maintenance, pour comparer des résultats sur des bases identiques.
- 3 Les tableaux de bord doivent être adaptés au niveau hiérarchique : stratégique (DG), tactique (responsable), opérationnel (technicien).
- 4 Power BI pour le reporting direction, Grafana pour la surveillance IIoT temps réel. Les deux se nourrissent des données GMAO.
- 5 Le principe GIGO est le risque central : des données GMAO mal saisies produisent des KPI trompeurs et des décisions erronées.
Quiz Flash — Chapitre 2.4
3 questions1 Quelle est la formule de calcul de la disponibilité intrinsèque d'un équipement ?
2 Depuis l'édition 2019, comment la norme NF EN 15341 range-t-elle ses indicateurs ?
3 Que signifie le principe GIGO appliqué à la GMAO ?
Sources officielles : NF EN 15341+A1 (2022) — Indicateurs clés de performance de la maintenance (AFNOR) · ISO 14224 — Données de fiabilité et de maintenance · NF EN 13306 — Terminologie de la maintenance (AFNOR)
Contenu vérifié et relu par le Pôle Sectoriel & Industrie — dernière vérification : septembre 2026