Modèles Probabilistes de Séquences Temporelles et Fusion de Décisions. Application à la Classification de Défauts de Rails et à leur Maintenance
Auteur / Autrice : | Abdeljabbar Ben Salem |
Direction : | Benoît Iung, Patrice Aknin |
Type : | Thèse de doctorat |
Discipline(s) : | Automatique, Traitement du Signal et Génie Informatique |
Date : | Soutenance le 07/03/2008 |
Etablissement(s) : | Nancy 1 |
Ecole(s) doctorale(s) : | IAEM - Ecole Doctorale Informatique, Automatique, Électronique - Électrotechnique, Mathématiques |
Partenaire(s) de recherche : | Laboratoire : Centre de recherche en automatique (Nancy) - Institut National de Recherche sur les Transports et leur Sécurité (LTN-INRETS) |
Jury : | Examinateurs / Examinatrices : Benoît Iung, Patrice Aknin, Pierre Henri Wuillemin, Didier Theillol, Laurent Bouillaut, Philippe Weber |
Rapporteurs / Rapporteuses : Christophe Berenguer, Philippe Leray |
Mots clés
Mots clés contrôlés
Mots clés libres
Résumé
Par rapport aux différentes composantes du MCO (Maintien en Conditions Opérationnelles) d’un système industriel, ces travaux de thèse, initiés dans le cadre d'un partenariat entre l'INRETS et le CRAN, portent plus spécifiquement sur le processus de maintenance dans un contexte applicatif dédié à la maintenance des voies ferrées. En effet, les exploitants ferroviaires, ayant pour priorité d’améliorer sans cesse la sécurité et le bien-être des passagers, cherchent actuellement à faire évoluer leur politique de maintenance, d’une politique essentiellement corrective ou exécutée à intervalles de temps prédéterminés, vers une politique plus conditionnelle voire prévisionnelle et à moindre coût. Dans cette nouvelle dimension, la maintenance des rails ne doit plus être limitée à la seule vision du composant (portion de rail) siège de la défaillance mais à l'étude du système dans sa globalité (système à n-composants). Les décisions relatives à la maintenance ne sont donc plus isolées de leur contexte et s'inscrivent dans un continuum Surveillance - Diagnostic - Aide à la décision. Face à ce besoin industriel et aux enjeux scientifiques qui s’y réfèrent, notre contribution porte premièrement sur une approche originale de diagnostic (approche hybride) qui se base sur une fusion de deux sources d'informations de natures différentes : Approche Locale (capteur à courants de Foucault) et Approche Globale. Dans ce cadre, les RBD ont été utilisés pour développer des modèles stochastiques facilitant la classification des points singuliers de la voie. La fusion entre ces modèles et l’approche basée sur le traitement des données mesurées en un point précis du rail a été réalisée par fusion bayésienne naïve. Le résultat de cette fusion est repris comme point d’entrée du processus d’aide à la décision, pour lequel nous avons proposé, deuxièmement, une méthode générique pour l’optimisation de la maintenance conditionnelle des systèmes à N-composants. Cette proposition se base sur une combinaison des réseaux bayésiens dynamiques et des MDP (Markov Decision Processes) afin de pouvoir modéliser les systèmes à N-composants de façon factorisée. Notre démarche a été illustrée d’abord par un exemple académique pour mettre en évidence sa faisabilité puis elle a été appliquée dans le cadre de l’optimisation de la maintenance des défauts surfaciques du rail.