Thèse soutenue

Surveillance, diagnostic et pronostic de défaillance dans les systèmes de radio/télédiffusion

FR  |  
EN
Auteur / Autrice : Houda Sarih
Direction : Kamal MedjaherAyeley Tchangani
Type : Thèse de doctorat
Discipline(s) : Génie industriel
Date : Soutenance le 15/06/2020
Etablissement(s) : Toulouse, INPT
Ecole(s) doctorale(s) : École doctorale Systèmes (Toulouse ; 1999-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire Génie de Production (Tarbes ; 1989-....)
Jury : Président / Présidente : Kondo Hloindo Adjallah
Examinateurs / Examinatrices : Kamal Medjaher, Ayeley Tchangani, Xavier Desforges
Rapporteur / Rapporteuse : Mireille Bayart-Merchez, Bruno Castanier

Résumé

FR  |  
EN

Le marché de la radiodiffusion FM est orienté depuis quelques années vers une optimisation constante des coûts, du rendement et de la fiabilité. La continuité de service constitue l’un des éléments de progrès pour une société de radiodiffusion. C’est souvent par une dérive mineure d’un composant, d’un paramètre ou d’un environnement que se produisent dans le temps des dégradations susceptibles de provoquer des pannes durables ou bloquantes. Proposer un diagnostic précis et fiable le plus tôt possible avant un risque de dysfonctionnement gênant, permettra d’améliorer significativement la continuité de service, la réduction des déplacements sur site et l’organisation des services de maintenance préventive ou curative. Il devient ainsi nécessaire de développer un cadre pour faire face à cet enjeu. L’un des concepts récents pour le relever est le paradigme « Prognostics and Health Management (PHM) » que nous avons utilisé dans cette thèse afin de proposer des solutions de maintenance prédictive propres aux équipements de radio/télédiffusion pour l’entreprise WorldCast Systems. Dans cette thèse, la première contribution a consisté à formaliser une démarche PHM dans le domaine de la radiodiffusion et plus particulièrement pour les émetteurs FM. Par la suite, une méthode sur le choix des composants critiques est proposée et appliquée aux émetteurs FM. Cette méthode est complétée par différentes stratégies de prétraitement des données brutes. La deuxième contribution de la thèse porte sur la détection des pannes et le diagnostic des causes pour le système étudié. Différents algorithmes d’apprentissage automatique testés ont permis d’établir des critères de classification à la fois pour le mode de fonctionnement (défaillance / non défaillance) et pour la localisation géographique de l’équipement. Enfin, la dernière contribution concerne le développement d’une méthode de pronostic de défaillances par le calcul de la distance de l’observation actuelle par rapport à la droite séparatrice fournie par l’algorithme SVM dans la phase d’apprentissage. La méthode permet de prédire l’évolution de la dégradation et d’anticiper les pannes éventuelles.