Ressources / Simulateur ROI
Simulateur pédagogique · ROI maintenance prédictive

Estimer l'impact économique
des arrêts non planifiés.

Outil d'ordre de grandeur, basé sur les études publiques de référence. Aucune donnée n'est collectée. Aucune inscription requise.

Sources de référence — à consulter avant de lire le chiffrage

Cinq sources primaires sous-tendent les valeurs par défaut.

  1. 01 Siemens Senseye. The True Cost of Downtime 2024. 2024. Lire le PDF ↗
  2. 02 McKinsey & Company. Manufacturing analytics unleashes productivity and profitability. 2017 — consensus maintenu 2024. Lire ↗
  3. 03 PwC & Mainnovation. Predictive Maintenance 4.0 — Predict the unpredictable. 2017, étude sur 268 entreprises. Lire ↗
  4. 04 Deloitte Insights. Industry 4.0 and predictive technologies for asset maintenance. Lire ↗
  5. 05 US DOE / FEMP. Operations & Maintenance Best Practices Guide Release 3.0. Lire ↗
Périmètre de modélisation

Ce que cet outil calcule — et ce qu'il ne calcule pas.

Inclus
  • +Perte annuelle liée aux heures d'arrêt non planifié (Ch × H₀).
  • +Économie potentielle après réduction grâce à un programme PdM mature (Ch × H₀ × R).
  • +ROI simplifié — rapporté à la perte évitable, hors coût de programme.
Exclus
  • −CAPEX du programme PdM (capteurs, plateforme, intégration) — pas de source publique fiable, volontairement masqué.
  • −Coûts de requalification / formation des équipes.
  • −Impact qualité, rebuts, écarts produit.
  • −Pertes d'image, pénalités client, retards contractuels.
  • −Reportings réglementaires (CSRD / ESRS E1 / BEGES).
Le simulateur

Ajustez vos hypothèses — le calcul se met à jour en temps réel.

50 000 €/h
5 000 € 500 000 €

Plage documentée — Siemens TCOD 2024 : 36 k€/h (FMCG) · ~230 k€/h (manufacturing moyen) · 500 k€/h (oil & gas) · jusqu'à 2,3 M€/h (automobile grande plante, ligne unique).

12 arrêts/an
1 50

Repère — Siemens TCOD 2024 : ~27 h d'arrêt par mois sur les grandes usines (toutes causes confondues). La fréquence réelle dépend fortement de la criticité des lignes.

4,0 h
1 h 72 h

Repère — variable selon le type de défaut : de l'heure (arrêt d'exploitation contrôlé) à 24-72 h (arrêt mécanique majeur nécessitant pièce de rechange).

30 %
15 % 50 %

Plage consensus — McKinsey 2017 : 30-50 % de réduction du temps d'arrêt · PwC 4.0 : +9 % uptime observé · US DOE FEMP : 8-12 % d'économies maintenance vs préventif · Deloitte : 70-75 % de réduction des pannes (concept distinct). La valeur par défaut de 30 % est prudente.

Heures d'arrêt annuelles actuelles (H₀)
48 h/an
H₀ = N × Dmoy
Perte annuelle estimée (P)
2 400 000 €/an
P = Ch × H₀
Économie potentielle annuelle estimée (E)
720 000 €/an
E = Ch × H₀ × R = Ch × (N × Dmoy) × R
Votre formule
E = Ch × (N × Dmoy) × R
= 50 000 × (12 × 4) × 30 %
= 720 000 €/an
Avertissement pédagogique

Estimation pédagogique — ordre de grandeur basé sur les études publiques de référence citées ci-dessus. Les gains réels dépendent fortement du contexte industriel, de la criticité des lignes, de la maturité du programme de maintenance, et de la qualité du déploiement. Ce chiffre n'engage ni son auteur, ni les éditeurs des études citées. Il ne constitue pas une offre commerciale.

Lecture du résultat

Comment interpréter ce résultat.

Le montant affiché est une borne haute théorique de ce qu'un programme de maintenance prédictive mature peut viser, en se concentrant uniquement sur la réduction des heures d'arrêt non planifié. Pour un directeur technique ou un responsable maintenance, c'est le chiffre à mettre en face d'un projet d'instrumentation, pas un engagement.

Le résultat peut sous-estimer le gain réel lorsque le parc supporte des pertes indirectes non modélisées ici : rebuts qualité liés aux dérives machine, pénalités de livraison tardive, pertes d'image client, coûts d'énergie dissipée par les machines en dérive, accidents évités. Ces effets existent mais ne sont pas consensuels, donc écartés volontairement.

Le résultat peut sur-estimer le gain lorsque le parc est peu critique, lorsque les redondances absorbent déjà la majorité des arrêts, ou lorsque la maturité du programme PdM envisagé n'atteindra pas le niveau des meilleures pratiques (McKinsey décrit 30 % comme un gain de programme abouti, pas d'un déploiement partiel).

En pratique, la bonne utilisation consiste à jouer avec deux scénarios — conservateur (R = 15 %) et ambitieux (R = 50 %) — et à retenir la fourchette plutôt que le chiffre central.

Pour aller plus loin