Thèse soutenue

Gestion des signaux faibles et précurseurs par l’application de processus décisionnels fondée sur l'analyse des données aéronautiques

FR  |  
EN
Auteur / Autrice : Aymen Amara
Direction : Landy RabehasainaSophie Ubaldi
Type : Thèse de doctorat
Discipline(s) : Mathématiques
Date : Soutenance le 04/02/2022
Etablissement(s) : Bourgogne Franche-Comté
Ecole(s) doctorale(s) : École doctorale Carnot-Pasteur (Besançon ; Dijon ; 2012-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire de Mathématiques de Besançon - Laboratoire de Mathématiques de Besançon / LMB
Etablissement de préparation : Université de Franche-Comté (1971-2024)
Jury : Président / Présidente : Camelia Goga
Examinateurs / Examinatrices : Stéphane Chrétien
Rapporteurs / Rapporteuses : Enrico Zio, Julien Jacques

Résumé

FR  |  
EN

L’approche présentée par cette thèse, est en effet une stratégie proactive pour anticiper la détectiondes signaux faibles et précurseurs, mais aussi une approche « corporative », grâce à laquelle la miseen œuvre de marqueurs est pertinente et s’appuie sur un surcroît de retour d'expériences et deréelles « best practices », qui sont de plus en plus surveillées.La thèse aborde des questions spécifiques liées à l'analyse des données appliquées à l'aviation civile,par la modélisation des paramètres de vol provenant de l'enregistreur à accès rapide (QAR). L'études'est concentrée sur trois aspects : (1) la compréhension des opérations aériennes, del'environnement de la maintenance et du système de collecte des données ; (2) l'étude desmodélisations statistiques dans le but d'identifier les « signaux annonciateurs » pertinents pour lagestion de la santé des aéronefs ; et (3) la définition des seuils capables de traiter non seulement, lessituations critiques, mais également de détecter et de hiérarchiser les modules de diagnostic. Unearchitecture pour la gestion et l'exploration des données de maintenance aéronautique et l'utilisationdes résultats pour mettre à jour les modèles