Modélisation conjointe des connaissances multi-points de vue d'un système industriel et de son système de soutien pour l'évaluation des stratégies de maintenance

Multi-point of view knowledge modelling of an industrial system and of its enabler system : a new approach to assessing maintenance strategies

• Auteur / Autrice : Gabriela Medina Oliva
• Direction : Benoît Iung, Philippe Weber
• Type : Thèse de doctorat
• Discipline(s) : Automatique, traitement du signal et images
• Date : Soutenance le 12/12/2011
• 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 : Centre de recherche en automatique (Nancy)
• Jury : Président / Présidente : Christophe Berenguer
• Jury : Examinateurs / Examinatrices : Adolfo Crespo Marquez, Eric Levrat, Paul Munteanu
• Jury : Rapporteurs / Rapporteuses : Christophe Berenguer, François Pérès

Mots clés

Mots clés contrôlés

Intelligence artificielle

Efficacité de l'organisation

Statistique bayésienne

Ingénierie des systèmes

Entretien

Mots clés libres

Aide à la décision

Analyse de performances

Stratégies de maintenance

Disponibilité

Réseaux bayésiens, Modèles relationnels probabilistes (PRM)

Entretien

Ingénierie des systèmes

Statistique bayésienne

Efficacité de l'organisation

Intelligence artificielle

Decision Making

Performances Analyses

Maintenance Strategies

Availability

Bayesian Networks, Probabilistic Relational Model (Prm)

System Engineering

Bayesian Statistics

Organizational Efficiency

Artificial Intelligence

Résumé

Par rapport aux exigences de plus en plus importantes relatives au Maintien en Condition Opérationnelle d'un système industriel, le processus de maintenance joue un rôle fondamental pour l'amélioration de la disponibilité, de la productivité, etc. Pour essayer de contrôler au mieux ces performances, les responsables de maintenance doivent donc être capables de choisir les stratégies de maintenance et les ressources à mettre en oeuvre les plus adaptées aux besoins. Dans un objectif d'aide à la prise de décisions en maintenance, les travaux présentés dans ce mémoire ont pour objet de proposer une méthodologie pour l'élaboration d'un modèle support permettant par simulation d'évaluer les différentes stratégies. La valeur ajoutée de la méthodologie réside dans l'unification, à base de modèles relationnels probabilistes (PRM), des différents types de connaissance nécessaires à la construction de ce modèle d'évaluation. Ce dernier est ainsi construit à partir de motifs génériques et modulables représentatifs des variables décisionnels du système industriel (système principal) et de son système de maintenance. Ces motifs, par instanciation, facilitent la construction des modèles d'applications spécifiques. Cette méthodologie, issue du projet ANR SKOOB, est testée sur le cas applicatif de la maintenance d'un système de production de ferment.

Nowadays, the importance of the maintenance function has increased, due to the requirements on the maintain in operational conditions phase (MCO) of the system-of-interest (SI). As well as for the relevant role of maintenance in improving availability, performance efficiency, total plant availability, etc. To control performances, maintenance managers should be able to make some choices about the maintenance strategies and the resources that can fulfil the requirements. Within this context, we propose a methodology to formalize a model allowing to perform simulation to assess maintenance strategies. The scientific contribution of our work is that this approach unify by using a probabilistic relational model (PRM), different kind of knowledge needed to assess maintenance strategies. Knowledge is presented as generic and modular patterns based on PRM. These patterns integrate relevant decisional variables of the system of interest and of its maintenance system. This approach eases the modeling phase for a specific application. This methodology is one of the results of the project ANR SKOOB. This approach was tested on an industrial case for the maintenance of a harvest production process