Soutenance de thèse d'Alexandre Sarazin
Soutenance de thèse d'Alexandre Sarazin
Informatique et Génie Industriel
sur "Mise en oeuvre d'une approche d'estimation de besoin de maintenance par système à base de connaissances : application au domaine aéronautique"
mardi 26 octobre 2021 à 14h00
à IMT Mines Albi
Composition du jury
- M. Xavier LORCA : IMT Mines Albi - Directeur de thèse
- M. Sébastien TRUPTIL : CEA TECH OCCITANIE - Co-encadrant de thèse
- Mme Aurélie MONTARNAL : IMT Mines Albi - Invitée
- M. Jérémy BASCANS : APSYS - Invité
- Mme Anne LAURENT : Laboratoire d’Informatique, de Robotique et de Microélectronique de Montpellier (LIRMM) - Rapporteure
- M. Nejib MOALLA : Université Lumière Lyon 2 - Rapporteur
- M. Jean- Pierre BOUREY : École Centrale de Lille - Examinateur
- M. Chihab HANACHI : Université Toulouse 1 - Examinateur
Résumé
Le domaine de la maintenance fait aujourd'hui face à de nouveaux enjeux majeurs dus à l’émergence du numérique et à la multiplicité des données. De plus, la complexité croissante des systèmes maintenus engendre une augmentation des risques et de la diversité des pannes pouvant les affecter. Cette problématique survient par ailleurs dans un contexte d’accroissement des exigences relatives à la fiabilité et à la rentabilité des systèmes dans le but de réduire les impacts humains et économiques de leurs défaillances. Dans ce contexte, la capacité nouvelle de gestion des flux de données modifie les fondements de la maintenance à travers l’émergence de nouvelles approches telles que le Prognostics and Health Management (PHM). Les travaux menés dans le cadre de cette thèse ont pour objet la mise en oeuvre d’une approche de maintenance prévisionnelle de type PHM permettant de réaliser la détection d’anomalies, le diagnostic et le pronostic de la durée de vie d’un système complexe dont l’observation et l’analyse sont soumises à des contraintes de volume, vélocité et variété des données manipulées. Dans l’étude menée, la gestion de ces contraintes est assurée par la mise en place d’une architecture dirigée par les évènements permettant de détecter les anomalies sur la base des données provenant du système surveillé. Cette architecture repose sur un système à base de règles chargé de l’analyse des anomalies pour fournir un diagnostic des pannes et un pronostic de la durée de vie restante. Cette approche a pour but de valoriser les connaissances expertes capitalisées tout en permettant l’intégration de modèles d’apprentissage artificiels entraînés. Les résultats de cette étude ont été appliqués dans un cas d’étude portant sur l’identification d’équipements défaillants sur un sous-système d’aéronef.
Mots clés
PHM, Modelisation, Système Expert, EDA.
Oui
Yes