Predicting construction plant maintenance expenditure

Utilization of construction plant and equipment forms an essential part of construction contractors' efforts to augment productivity and reduce costs. However, efficient and effective management of plant and equipment is requisite to maximizing its potential benefits. A problem in this respect is not knowing when a maintenance event might occur, or its extent in terms of cost and time. This paper presents a stochastic mathematical modelling methodology (using random numbers) to predict the probable cost of ‘the next’ maintenance event for tracked hydraulic excavators; where a maintenance event includes both breakdown and scheduled maintenance. Information on a random sample of 33 360° tracked hydraulic excavators were obtained from contractors operating within the opencast mining industry. From these, 9473 maintenance event ‘cost’ observations were recorded and modelled. Validation of the model is achieved using a random ‘hold out’ sample of 50 maintenance cost observations taken from nine machines. Analyses reveal that overall model predictive performance is robust, having a mean percentage error (MPE) of 4.46 and a mean absolute percentage error (MAPE) of 23.63. Pearsons correlation coefficient (r) and a paired t-test are conducted to determine the accuracy and consistency of model predictions respectively. With an r of 0.76 and no significant difference being found between the mean of predicted/actual values, the model shows both accurate and consistent cost predictions. The random number technique shows potential for improved maintenance practice by providing a practical methodology for planning, scheduling and controlling future plant resource requirements. The paper concludes with direction for future research which includes: (1) the application of this research to plant items working in other operational environments (e.g. civil engineering and construction); and (2) prediction of the next breakdown event. L'utilisation de matériels et d'équipements de construction est une composante essentielle du travail des contractants dans le secteur de la construction; l'objectif est d'augmenter la productivité et de rédeuire les coûts. Toutefois, pour optimiser les bénéfices potentiels, il faut une gestion efficace et réelle de ces matérels et équipements. Le fait de ne pas savoir lorsqu'une intervention de maintenance peut s'avérer nécessaire constitue un problème; il en est de même pour la méconnaissance de leur coût et de leur durée. La présente communication expose une méthodologie de modélisation mathématique stochastique (en utilisant des nombres aléatoires) qui sert à prévoir le coût probable de la prochaine activité de maintenance d'excavateurs hydrauliques à chenilles, une activité de maintenance comprenant à la fois les interventions sur pannes et les interventions programmées. On a obtenu auprès de contractants travaillant dans l'undustrie minière à ciel ouvert des informations sur un échantillon aléatoire de trente trois excavateurs hydrauliques à chenilles à 360°. De ces informations, on a enregistré et modélisé le coût de 9473 interventions de maintenance. Le modèle utilisé est validé au moyen d'un échantillon aléatoire ‘hold out’ de 50 observations de coûts de maintenance faites sur neuf machines. Des analyses laissent apparaître que les performances globales prévisionnelles du modèle sont robustes avec une erreur moyenne de pourcentage (MPE) de 4.46 et une erreur moyenne absolue de pourcentage (MAPE) de 23.63. Des tests sur le coefficient de corrélation Pearsons ‘r’ et des tests-T jumelés sont menés pour calculer respectivement la précision et la cohérence des prévisions faites par ce modèle. Avec une valeur ‘r’ de 0.76 et l'absence de toute différence significative entre la moyenne des valeurs prévues et la moyenne des valeurs réelles, le modèle montre que les prévisions de coût sont à la fois précises et cohérentes. La technique des nombres aléatoires montre qu'il serait possible d'améliorer les interventions de maintenance en proposant une méthodologie pratique pour planifier, ordonnancer et contrôler les futurs besoins en matériels. Let auteurs concluent en proposant des axes de recherche qui comprennent: (1) l'application de ces recherches à des éléments de matériels travaillant dans d'autres environnements opérationnels (par exemple, génie civil et construction); et (2) des prévisions de pannes.