Contribution à la maintenance proactive par la formalisation du processus de pronostic des performances de systèmes industriels

Contribution to proactive maintenance with the formalization of the prognostic process for industrial system performance

• Auteur / Autrice : Pierre Cocheteux
• Direction : Benoît Iung, Eric Levrat
• Type : Thèse de doctorat
• Discipline(s) : Automatique, traitement du signal et images
• Date : Soutenance le 15/11/2010
• Etablissement(s) : Nancy 1
• Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine (1992-....)
• Partenaire(s) de recherche : Laboratoire : CRAN - Centre de Recherche en Automatique de Nancy - UMR 7039
• Jury : Président / Présidente : Nidhal Rezg
• Jury : Examinateurs / Examinatrices : Dimitri Kiritsis, Mustapha Ouladsine, François Peres, Liliane Pintelon, Alexandre Voisin

Mots clés

Mots clés contrôlés

Prévision

Ingénierie des systèmes

Entretien

Mots clés libres

Pronostic

Performance système

Maintenance prévisionnelle

Maintenance Proactive

Déviation

Dégradation

Défaillance

Causalité dysfonctionnelle

Ingénierie de pronostic

Anfis

Résumé

Les contraintes des marchés et les attentes de la société vis-à-vis des systèmes industriels en termes économique, sécuritaire, environnementaux requièrent de considérer les performances de ces derniers de façon globale sur l'ensemble de leur cycle de vie. Cela nécessite de mettre en synergie, par exemple avec des ingénieries couplées dès la conception, le système principal et ses systèmes contributeurs, et notamment celui de soutien avec son processus pivot de maintenance. Cette focalisation intégrative sur la maintenance a conduit à évoluer d'anciennes pratiques de maintenance vers de nouvelles plus proactives faisant émerger des stratégies prévisionnelles dont le processus clé est le pronostic. Cependant ce processus fait l'objet d'un réel manque de formalisation et les travaux existants restent principalement centrés sur les composants, sans prendre en compte les performances des systèmes. Ainsi notre contribution porte sur la proposition d'architectures génériques de pronostic système permettant d'obtenir les évolutions futures des dégradations/défaillances des composants et des performances de niveaux système/sous-systèmes/composants : soit directement par un pronostic adapté, soit par modélisation de la causalité dysfonctionnelle sous forme de relations logiques supportées par un réseau de neurones flou ANFIS. Une méthodologie est associée pour définir les indicateurs de dégradation et de performance, aboutissant à la réalisation des architectures. Enfin la faisabilité de cette approche est démontrée sur un système de déroulage/pressage de la plateforme TELMA

Today requirements and constraints on industrial systems about economic, safety, ecological points of view lead to consider their performances with a global view taking into account all the system lifecycle. Thus the design of the system-of-interest has to be connected as soon as possible with the enabling systems designs, and more particularly the logistic support based on the key process of maintenance. This new consideration about maintenance allowed to change practices from reactive to predictive ones with the emergence of the proactive maintenance built on the prognostic process. However this process still lacks of generic formalization and existing works focus mainly on component level without tackling system performances. Therefore our contribution is related to the modelling of generic architectures for the systems prognostic which assesses future evolution of degradation/failure components and system/subsystem/component level performances: either by prognosticating with an adapted model, or by modelling the dysfunctional causality with logical relations supported by a neuro-fuzzy tool ANFIS. A methodology is given to define indicators for degradations and performances and to build architecture. Finally, the feasibility of this approach is shown on the manufacturing TELMA platform