Modèles de processus de collecte de données et d'évaluation de performance de disponibilité pour l'aide à la décision en maintenance

Models of data collection process and evaluation of availability performance for maintenance decision support

• Auteur / Autrice : Zhouhang Wang
• Direction : Kondo Hloindo Adjallah
• Type : Thèse de doctorat
• Discipline(s) : Automatique, Traitement du Signal et des Images, Génie Informatique
• Date : Soutenance le 11/12/2013
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine (1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Conception, Optimisation et Modélisation des Systèmes (Metz)
• Jury : Président / Présidente : Imed Kacem
• Jury : Examinateurs / Examinatrices : Amadou Coulibaly, Ali Siadat
• Jury : Rapporteur / Rapporteuse : Zineb Simeu-Abazi, Noureddine Zerhouni

Mots clés

Mots clés contrôlés

Petri, Réseaux de

Systèmes d'aide à la décision

Processus stochastiques

Acquisition automatique des données

Mots clés libres

Collecte de données

Modèle Tropos

Processus stochastiques

Réseaux de Pétri colorés

Efficacité opérationnelle

Maintenance

Résumé

Cette thèse propose une approche de modélisation d'un processus adaptatif et itératif de collecte des données, ainsi qu'un outil de validation via des indicateurs d'efficacité opérationnelle de l'équipement. Une approche nommée ''Tropos'', établie grâce à la théorie de l'information, est donc développée pour modéliser et évaluer le processus de collecte de données. L'approche, originale, permet de synthétiser trois indicateurs qui caractérisent l'efficacité du processus de collecte : 1) utilité des données, 2) complexité du processus, 3) gain d'information par une activité élémentaire du processus. Un modèle original, basé sur les réseaux de Pétri stochastiques colorés couplé à la simulation Monte Carlo, est également proposé pour valider l'efficacité du processus de collecte de données. Ce modèle utilise comme données d'entrée les modèles des processus stochastiques de dégradation, de défaillance et de maintenance des composants de l'équipement. Les paramètres des modèles d'entrée sont supposés connus et extraits des données collectées. Les propriétés du modèle réseau de Pétri stochastique coloré permettent d'extraire les coupes minimales indispensables à l'évaluation de l'état et de l'efficacité opérationnelle de l'équipement. Elles permettent également de traiter les systèmes de structure k/n. L'effectivité de l'approche proposée est enfin illustrée sur un système de production d'énergie multi-source renouvelable, grâce à l'implémentation des algorithmes du modèle sous le logiciel Silab

This thesis proposes a modeling approach of an adaptive and iterative data collection process, and a validation tool via operational effectiveness features for equipment. An approach, named ''Tropos'', established based on the information theory, is developed to modeling and evaluating data collection processes. This is an original approach, which allows synthesizing three features that characterize the effectiveness of a data collection process: 1) data usefulness, 2) process complexity, 3) gain of information by a basic process activity. An original model, based on colored stochastic Petri nets coupled to the Monte Carlo simulation, has also been developed to validate the effectiveness of the data collection process. This model uses as input, stochastic process models of degradation, of failure and of maintenance of equipment components. The input parameters of the models are assumed to be known and obtained from the collected data. The properties of colored stochastic Petri net model are also used to derive the minimum cuts required to assess the equipment condition and operational effectiveness. These properties also allow to treating systems of k/n structures. The effectiveness of the proposed approach is finally illustrated on a multi-source renewable energy production system, by implementing the algorithms of the model under the Silab software environment