Stratégies de maintenance prévisionnelle pour une meilleure résilience des réseaux de distribution d'eau

Predictive maintenance strategies for a better resilience of water distribution networks

• Auteur / Autrice : Anne Fernet
• Direction : Leïla Kloul
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/10/2024
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Données Algorithmes pour une ville intelligente et durable
• Partenaire(s) de recherche : Equipe de recherche : ALMOST
• Partenaire(s) de recherche : Référent : Université de Versailles-Saint-Quentin-en-Yvelines

Mots clés

Mots clés libres

Réseaux de distribution d'eau

Approches paramétriques

Resilience

Apprentissage automatique

Maintenance prévisionnelle

Performances/coûts

Predictive maintenance

Parametric methods

Machine learning

Machine learning

Water distribution Networks

Performance/Costs

Résumé

Pour rendre les services qui sont attendus d'eux, tous les systèmes techniques complexes doivent être maintenus. C'est en particulier le cas des grandes infrastructures comme les réseaux de distribution de l'eau. Optimiser les politiques de maintenance est donc un enjeu économique et social majeur : un réseau non suffisamment entretenu se dégrade rapidement et présente des risques pour lui-même, ses opérateurs et son environnement (y compris humain). Au contraire, multiplier les interventions rend les coûts d'opération non supportables dans un contexte économique tendu. Aussi l'optimisation de la résilience des infrastructures industrielles est dépendante de stratégies permettant de faire de la maintenance prévisionnelle. La maintenance prévisionnelle a pour objectif de prévenir les futures défaillances d'un composant ou d'un système grâce à des opérations de maintenance ciblées, dont les dates sont décidées dynamiquement en tenant compte de l'état du composant ou du système. Elle ambitionne donc la mise en place de politiques de maintenance opportunes et s'appuie pour ce faire sur des modèles mathématiques basés sur les données historiques, des méthodes d'inférence statistiques, et des modélisations systémiques. Si la mise œuvre de ces techniques est relativement bien maîtrisée lorsqu'elles s'appliquent à un composant individuel, il en va tout autrement quand il s'agit de définir des politiques à l'échelle d'un système complexe, comportant plusieurs centaines voire plusieurs milliers de composants hétérogènes et interdépendants. Les phénomènes physiques sont alors infiniment plus complexes à appréhender et la modélisation se heurte à l'explosion combinatoire du nombre d'états possibles du système. Les réseaux de distribution dʼeau ajoutent un niveau de complexité supplémentaire, en raison des variations temporelles de leur utilisation (dans lʼannée, dans la journée...) et des multiples reconfigurations qui peuvent leur être appliquées (itinéraires de délestage, répartition des flux...).
 Lʼenjeu scientifique et technique est dès lors la conception dʼheuristiques permettant de réduire cette complexité. Cela implique dʼen définir le domaine de validité, cʼest-à-dire de sʼassurer dʼune part que ces heuristiques donnent des résultats proches de lʼoptimum, ou en tout cas raisonnablement satisfaisants ; dʼautre part quʼelles sont robustes aux variations attendues des phénomènes étudiées. L'objectif de cette thèse est l'amélioration des méthodes de maintenance prévisionnelle existantes telles qu'elles peuvent s'appliquer aux réseaux de distribution de l'eau. Nous envisageons d'étudier plus particulièrement les méthodes combinant analyses de données et modélisation systémique.

In order to provide the services expected from them, all complex technical systems must be maintained. This is the case of big infrastructures like water distribution networks. Optimizing the maintenance policies is therefore a major economical and social issue: a non adequately maintained network is rapidly deteriorating and presents risks for itself and its environment. In contrary, increasing interventions is likely to increase the costs in a tense economic context. Thus the resilience optimization of industrial infrastructures depends on strategies which allow predictive maintenance. The objective of predictive maintenance is to prevent future failures of a component or a system thanks to timely maintenance measures, which dates are determined dynamically taking into account the component or the system state. Its ambition would therefore be to set up adequate maintenance policies and relies for that on historical data based-mathematical models, statistical inference methods, and systemic modeling. If the implementation of these techniques is relatively well mastered when applied on an individual component, it is another matter when defining policies at the level of a whole complex system, which includes hundreds, even thousands of heterogeneous and interdependent components. The physical phenomena are then more complex to deal with and modeling such systems has to face a combinatorial explosion of the possible states of the system. Distribution networks add an additional complexity level because of the temporal variations of their use (during the day, during the year, ..) and multiple reconfigurations that may be applied (alternative routes, flow distribution, ..). The technological and scientific challenge is henceforth the conception of heuristics that allow reducing this complexity. This implies defining its validity domain, that is to make sure that these heuristics provide results close to the optimum, or at least raisonnable satisfactory, and that they are robust enough to the expected variations of the phenomena under study. The objective of this thesis is to improve the existing predictive maintenance strategies to be applied on water distribution networks. We intend to study more particularly methods combining data analysis and systemic modeling.