Thèse en cours

État de santé et pronostic des équipements d’une chaîne de production : Application aux équipements de fabrication des semi-conducteurs

FR  |  
EN

Accès à la thèse

Triangle exclamation pleinLa soutenance a eu lieu en 2023. Le document qui a justifié du diplôme est en cours de traitement par l'établissement de soutenance.
Auteur / Autrice : Dima El jamal
Direction : Mustapha Ouladsine
Type : Projet de thèse
Discipline(s) : Automatique
Date : Soutenance en 2023
Etablissement(s) : Aix-Marseille
Ecole(s) doctorale(s) : École doctorale Mathématiques et Informatique de Marseille (Marseille ; 1994-....)
Partenaire(s) de recherche : Laboratoire : LIS Laboratoire d'Informatique et Systèmes
Jury : Président / Présidente : Mitra Fouladirad
Examinateurs / Examinatrices : Mustapha Ouladsine, Didier Theilliol, Belkacem Ouldbouamama, Abdessamad Kobi, Bouchra Ananou, Guillaume Graton, Jacques Pinaton
Rapporteurs / Rapporteuses : Didier Theilliol, Belkacem Ouldbouamama

Résumé

FR  |  
EN

Ce travail de thèse s’inscrit dans le cadre du projet Européen MADEin4 en partenariat avec STMicroelectronics de Rousset, France. Afin d’optimiser la production, STMicroelectronics commence à adopter, dans leur chaîne de production, les stratégies de maintenance prévisionnelle qui reposent sur le pronostic. Cette thèse s'intéresse ainsi au pronostic de défaillance des équipements de fabrication des semi-conducteurs. Elle traite les deux problématiques suivantes : (1) le suivi de l'état de santé actuel de ces équipements et (2) la prédiction de leur durée de vie utile résiduelle, notée par RUL (Remaining Useful Life). Deux contributions sont proposées dans cette thèse. La première consiste en une approche d’extraction d'un indice illustant l'état de santé de l'équipement à partir des données. Cette approche se base principalement sur le modèle de régression LASSO (Least Absolute Shrinkage and Selection Operator). La deuxième contribution consiste en une approche de prédiction du RUL qui inclut le prétraitement de l’indice de santé extrait et sa modélisation par le processus de Wiener adaptatif en se basant sur un calcul de similarité. Ces approches ont été testées sur des données simulées. De plus, elles sont évaluées sous forme d'un processus dans une configuration hors ligne et en ligne sur des données issues de STMicroelectronics. Les résultats obtenus prouvent l'efficacité des approches proposées. Une comparaison avec d’autres méthodes développées au sein du laboratoire a été effectuée. Les résultats obtenus montrent que les approches proposées améliorent la précision de prédictions.