État de santé et pronostic des équipements dune chaîne de production : Application aux équipements de fabrication des semi-conducteurs
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 |
Mots clés
Résumé
Ce travail de thèse sinscrit dans le cadre du projet Européen MADEin4 en partenariat avec STMicroelectronics de Rousset, France. Afin doptimiser 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 dextraction 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 lindice 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 dautres méthodes développées au sein du laboratoire a été effectuée. Les résultats obtenus montrent que les approches proposées améliorent la précision de prédictions.