L'utilisation du BIM pour la gestion des maintenances prédictives dans les infrastructures aéroportuaires
Auteur / Autrice : | Tarik Lahna |
Direction : | Bernard Kamsu-Foguem, Henry Fonbeyin Abanda |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique et robotique |
Date : | Soutenance le 28/11/2023 |
Etablissement(s) : | Toulouse, INPT |
Ecole(s) doctorale(s) : | École doctorale Aéronautique-Astronautique (Toulouse) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire Génie de Production (Tarbes ; 1989-....) |
Jury : | Président / Présidente : Chrispin Pettang |
Examinateurs / Examinatrices : Bernard Kamsu-Foguem, Henry Fonbeyin Abanda, Chrispin Pettang, Patrick Siarry, Marcelline Blanche Manjia, Gayo Diallo, Abderrahman El Mhamedi | |
Rapporteurs / Rapporteuses : Blaise Nsom |
Mots clés
Mots clés contrôlés
Résumé
La maintenance des infrastructures aéroportuaires (MAI) a séduit les scientifiques et les praticiens du monde entier. Elle s'explique principalement par la fonction critique de maintenance dans ce domaine. Les coûts de maintenance représentent une part importante des coûts d'exploitation des infrastructures aéroportuaires. Par conséquent, les méthodes de gestion de la maintenance deviennent de plus en plus essentielles, sachant que tout dommage peut affecter considérablement les infrastructures aéroportuaires. Pour éviter cela, de nombreux outils liés au BIM vont détecter toutes les pannes possibles et les résoudre avant leur apparition. Ce type de gestion est appelé « maintenance prédictive ». Cependant, travailler sur l'innovation des techniques qui modernisent la maintenance dans les bâtiments aéroportuaires est très difficile en raison des nombreux types d'incidents qui existent. En effet, les incidents peuvent être causés pour différentes raisons (structurelles, électriques, hydrauliques, informatiques, inconnues, etc.). Cette thèse aborde également ce défi en enquêtant et en identifiant les dommages les plus fréquents et leurs origines dans les infrastructures aéroportuaires en effectuant une analyse statistique. Les résultats ont montré que les fissures sont les types de dommages les plus fréquents et que le manque d'entretien est l'origine la plus fréquente des incidents dans les infrastructures aéroportuaires. Ces résultats aident à mieux comprendre le problème et servent de point de départ aux chercheurs qui souhaitent le résoudre. Les fissures étant les dommages les plus fréquents dans les infrastructures aéroportuaires, les modèles CNN sont utilisés pour détecter les fissures des chaussées. Avec l'augmentation du volume de trafic, les fissures sont devenues les plus fréquentes dans les infrastructures aérospatiales. Une donnée de plus de 300 photos a été construite pour prédire les fissures dans les chaussées de l'aéroport. Afin de déterminer l'impact de l'apprentissage par transfert, ces réseaux pré-entraînés ont été exécutés : VGG16, MobileNet, Xception, ResNet 101 et Inception V3. De plus, des évaluations comparatives des résultats de ces réseaux de neurones profonds ont été réalisées en fonction des paramètres suivants : précision, spécificité, score F1, coefficient de corrélation de Matthew et Jaccard. De plus, le risque sismique est l'une des catastrophes naturelles les plus catastrophiques qui affectent l'humanité. En effet, les aléas sismiques causent d'innombrables morts et créent d'énormes dégâts aux bâtiments. De nombreuses enquêtes sur le terrain pour la détection des dommages aux bâtiments après les tremblements de terre ont démontré un besoin de connaissance des fissures structurelles sous chargement sismique. Plus précisément, des dommages aux murs de refend des bâtiments sont fréquemment observés lors d'événements aléas post-sismiques et d'infrastructures aéroportuaires. Par conséquent, la prévision précise de la rigidité des murs RC endommagés à tous les stades de l'endommagement est essentielle pour l'estimation des dommages et des pertes de l'ensemble de la structure.