Les besoins essentiels de produire « plus », « mieux » et « moins cher » s’inscrivent aujourd’hui dans une crise financière qui conduit les entreprises industrielles à faire face à des enjeux économiques liés aux impératifs de gains de productivité, mais aussi à des enjeux sociaux liés aux impératifs de sécurité des hommes et des matériels, aux exigences de protection de l'environnement et de réduction des nuisances. Ces enjeux se déclinent au niveau des équipements par le concept de maintien en condition opérationnelle (MCO). La maintenance en est l’élément principal, et l’un des principaux leviers d’action sur la performance globale des systèmes de production lorsqu’elle est couplée à un processus de pronostic. On parle alors de stratégies de maintenance prévisionnelles. Ces nouvelles formes de maintenance posent de nombreux défis scientifiques et industriels, dont certains sont étudiés dans les présents travaux : Quel est le « meilleur » instant pour réaliser une intervention de maintenance préventive donnée ? Comment regrouper deux actions de maintenance préventive ? Qu’est-ce qu’une opportunité pour la maintenance ? Les réponses à ces questions mobilisent des outils mathématiques variés, allant de l’algorithme de Bruss en analyse stochastique aux relations d’équivalence en algèbre. Enfin, une application industrielle sur la plateforme TELMA est présentée. / The needs to produce “more”, “better” and “cheaper” are today in line with a financial crisis which makes companies struggle with economical issues (related to the obligation to make profits), social issues (related to safety of men and machines) and environmental ones (related to the reduction of nuisance and pollution). At the equipment level, the system maintaining in operational conditions (SMOC) has to deal with these issues. Maintenance is the key process of the SMOC, and one of the most significant processes to lever up the global performances of the system when associated to a prognosis process. This defines predictive maintenance strategies. Those new forms of maintenance make numerous scientific as well as industrial issues rise, and some are tackled in the present document: When to perform a particular predictive maintenance action? How to group together several preventive maintenance actions? What is opportunity for maintenance? Answers to these questions make use of different mathematical tools, such as Bruss algorithm (in stochastic analysis) or equivalence relations (in algebra). Finally, an industrial application on TELMA platform is presented.

Face aux nouveaux cadres législatifs ou environnementaux dans lesquels ils doivent évoluer, les systèmes industriels actuels sont, en plus d'être contraints par des exigences classiques de productivité et de cout, sujets au respect de nouvelles exigences relatives à la sûreté, la sécurité ou au développement durable notamment. Pour répondre à ces exigences et améliorer la maitrise des performances de ses systèmes, EDF souhaite faire évoluer sa démarche d'Optimisation de la Maintenance Basée sur la Fiabilité vers une nouvelle méthode. Cette méthode nécessite en autre la proposition d'une approche outillée permettant de quantifier a priori les programmes de maintenance (CMPQ) sur ses systèmes par rapport aux indicateurs de performance attendus (KPIs). Cet outillage fait l'objet de cette thèse financée dans le cadre du GIS 3SGS - projet DEPRADEM 2. Après avoir généralisé les besoins d'EDF en regard de la CMPQ, nous proposons une identification de la connaissance générique nécessaire pour évaluer les KPI. Afin d'aboutir à un outil permettant l'automatisation de ces études de CMPQ, cette connaissance générique est ensuite modélisée sur la base de deux langages : le langage semi-formel SysML capitalisant, par l'intermédiaire de différents diagrammes, la connaissance statique, interactionnelle et comportementale ; et le langage AltaRicaDF, supportant un modèle dynamique permettant d'évaluer les KPIs par simulation stochastique. La création de ce modèle dynamique à partir des différents diagrammes est basée sur un mapping entre les concepts d'intérêt des deux langages. La démarche dans sa globalité est validée à la CMPQ d'un cas d'étude fourni par EDF : le système ARE.

Face aux nouveaux cadres législatifs ou environnementaux dans lesquels ils doivent évoluer, les systèmes industriels actuels sont, en plus d'être contraints par des exigences classiques de productivité et de cout, sujets au respect de nouvelles exigences relatives à la sûreté, la sécurité ou au développement durable notamment. Pour répondre à ces exigences et améliorer la maitrise des performances de ses systèmes, EDF souhaite faire évoluer sa démarche d'Optimisation de la Maintenance Basée sur la Fiabilité vers une nouvelle méthode. Cette méthode nécessite en autre la proposition d'une approche outillée permettant de quantifier a priori les programmes de maintenance (CMPQ) sur ses systèmes par rapport aux indicateurs de performance attendus (KPIs). Cet outillage fait l'objet de cette thèse financée dans le cadre du GIS 3SGS - projet DEPRADEM 2. Après avoir généralisé les besoins d'EDF en regard de la CMPQ, nous proposons une identification de la connaissance générique nécessaire pour évaluer les KPI. Afin d'aboutir à un outil permettant l'automatisation de ces études de CMPQ, cette connaissance générique est ensuite modélisée sur la base de deux langages : le langage semi-formel SysML capitalisant, par l'intermédiaire de différents diagrammes, la connaissance statique, interactionnelle et comportementale ; et le langage AltaRicaDF, supportant un modèle dynamique permettant d'évaluer les KPIs par simulation stochastique. La création de ce modèle dynamique à partir des différents diagrammes est basée sur un mapping entre les concepts d'intérêt des deux langages. La démarche dans sa globalité est validée à la CMPQ d'un cas d'étude fourni par EDF : le système ARE / To face with new legislatives and environmental contexts in which they have to operate, it is needed now that the industrials systems have to satisfy to many different requirements and constraints. Thus, these requirements are not only conventional ones such as availability and costs, but also emergent ones such as safety and sustainability. This report implies for the specific French company EDF (energy power supplier) to evolve from its usual approach of reliability centered maintenance (RCM) to a new approach. It is consisting mainly in developing a tool able to support the Complex Maintenance Programs Quantification (CMPQ). This Ph.D. is dealing with this the engineering and deployment of this tool in the frame of the GIS 3SGS - DEPRADEM 2 project. The first step of the work is to generalize EDF needs, then to propose a framework enabling to identify required generic knowledge needed to assess the Key Performances Indicators (KPIs) for supporting quantification. The next step is to model the generic knowledge in two complementary ways: a formalization of the static, interactional and behavioral knowledge based on different SysML diagrams; and a formalization of the dynamic and executable knowledge formalized by AltaRicaDF (ADF) language, allowing to perform stochastic simulation and to assess required KPIs. The path to elaborate dynamic executable vision from SysML diagrams is released by means of rules between each element of interest of both languages. All this approach/tool is applied to a specific EDF case study: the ARE system