Les contraintes des marchés et les attentes de la société vis-à-vis des systèmes industriels en termes économique, sécuritaire, environnementaux requièrent de considérer les performances de ces derniers de façon globale sur l'ensemble de leur cycle de vie. Cela nécessite de mettre en synergie, par exemple avec des ingénieries couplées dès la conception, le système principal et ses systèmes contributeurs, et notamment celui de soutien avec son processus pivot de maintenance. Cette focalisation intégrative sur la maintenance a conduit à évoluer d'anciennes pratiques de maintenance vers de nouvelles plus proactives faisant émerger des stratégies prévisionnelles dont le processus clé est le pronostic. Cependant ce processus fait l'objet d'un réel manque de formalisation et les travaux existants restent principalement centrés sur les composants, sans prendre en compte les performances des systèmes. Ainsi notre contribution porte sur la proposition d'architectures génériques de pronostic système permettant d'obtenir les évolutions futures des dégradations/défaillances des composants et des performances de niveaux système/sous-systèmes/composants : soit directement par un pronostic adapté, soit par modélisation de la causalité dysfonctionnelle sous forme de relations logiques supportées par un réseau de neurones flou ANFIS. Une méthodologie est associée pour définir les indicateurs de dégradation et de performance, aboutissant à la réalisation des architectures. Enfin la faisabilité de cette approche est démontrée sur un système de déroulage/pressage de la plateforme TELMA / Today requirements and constraints on industrial systems about economic, safety, ecological points of view lead to consider their performances with a global view taking into account all the system lifecycle. Thus the design of the system-of-interest has to be connected as soon as possible with the enabling systems designs, and more particularly the logistic support based on the key process of maintenance. This new consideration about maintenance allowed to change practices from reactive to predictive ones with the emergence of the proactive maintenance built on the prognostic process. However this process still lacks of generic formalization and existing works focus mainly on component level without tackling system performances. Therefore our contribution is related to the modelling of generic architectures for the systems prognostic which assesses future evolution of degradation/failure components and system/subsystem/component level performances: either by prognosticating with an adapted model, or by modelling the dysfunctional causality with logical relations supported by a neuro-fuzzy tool ANFIS. A methodology is given to define indicators for degradations and performances and to build architecture. Finally, the feasibility of this approach is shown on the manufacturing TELMA platform

Les contraintes des marchés et les attentes de la société vis-à-vis des systèmes industriels en termes économique, sécuritaire, environnementaux... requièrent de considérer les performances de ces derniers de façon globale sur l'ensemble de leur cycle de vie. Cela nécessite de mettre en synergie, par exemple avec des ingénieries couplées dès la conception, le système principal et ses systèmes contributeurs, et notamment celui de soutien avec son processus pivot de maintenance. Cette focalisation intégrative sur la maintenance a conduit à évoluer d'anciennes pratiques de maintenance vers de nouvelles plus proactives faisant émerger des stratégies prévisionnelles dont le processus clé est le pronostic. Cependant ce processus fait l'objet d'un réel manque de formalisation et les travaux existants restent principalement centrés sur les composants, sans prendre en compte les performances des systèmes. Ainsi notre contribution porte sur la proposition d'architectures génériques de pronostic système permettant d'obtenir les évolutions futures des dégradations/défaillances des composants et des performances de niveaux système/sous-systèmes/composants : soit directement par un pronostic adapté, soit par modélisation de la causalité dysfonctionnelle sous forme de relations logiques supportées par un réseau de neurones flou ANFIS. Une méthodologie est associée pour définir les indicateurs de dégradation et de performance, aboutissant à la réalisation des architectures. Enfin la faisabilité de cette approche est démontrée sur un système de déroulage/pressage de la plateforme TELMA.

La maintenance de flottes de systèmes mobiles dans le monde du transport et de la logistique revêt de nos jours une importance croissante de par l’augmentation des attentes des exploitants et opérateurs en termes de sécurité, de fiabilité, de suivi, de diagnostic et de maintenance de ces systèmes. Dans ce contexte, Les mainteneurs des flottes doivent souvent faire face à d'énormes quantités de données brutes, informations et événements de surveillance liés aux contexte de leurs systèmes. De plus, ces événements, données et informations manquent souvent de précision et sont souvent contradictoires ou obsolètes. Enfin, le degré d'urgence des décisions de maintenance est rarement pris en compte. Ce travail est consacré à la proposition et à la mise au point d’une architecture de surveillance pour l’aide à la maintenance d’une flotte de systèmes mobiles. Cette architecture, appelée EMH², est destinée à faciliter le diagnostic et le suivi de ce type de flotte. Elle est construite sur les principes holoniques, des plus bas (capteurs) aux plus hauts niveaux (ensemble d’une flotte de systèmes mobiles). Elle se base également sur une standardisation des événements traités afin de traiter les données de manière générique. Cette architecture, indépendante des types de systèmes surveillés et de leur niveau hiérarchique, peut devenir l'épine dorsale d’une stratégie efficace de maintenance proactive d’une flotte. Une méthodologie de déploiement est ainsi proposée. Une étude en simulation et une application sur une flotte de 10 trains actuellement en service est présentée. / The maintenance of mobile systems fleets in the world of transport and logistics is of increasing importance today due to the increasing expectations of operators in terms of safety, reliability, monitoring, diagnosis and maintenance of these systems. In this context, fleet maintainers often have to deal with huge amounts of raw data, information and monitoring events related to the context of their systems. Moreover, these events, data and information are often lack precision and often contradictory or obsolete. Finally, the urgency of maintenance decisions is rarely taken into account. This work is devoted to the proposal and the development of a monitoring architecture to help maintain a fleet of mobile systems. This architecture, called EMH², is intended to facilitate the diagnosis and monitoring of this type of fleet. It is built on holonic principles, from the lowest (sensors) to the highest levels (a whole fleet of mobile systems). It is also based on a standardization of processed events in order to process the data generically. This architecture, independent of the types of systems monitored and their hierarchical level, can become the backbone of an effective strategy for proactive fleet maintenance. A deployment methodology is thus proposed. A simulation study and an application on a fleet of 10 trains currently in service is presented.