Wind is becoming an increasingly important source of energy for countries that ratify to reduce the emission of greenhouse gases and mitigate the effects of global warming. Investments in wind farms are affected by inter-related assets and stakeholders’ requirements. These requirements demand a well-founded Asset Management (AM) frame-work which is currently lacking in the wind industry. Drawing from processes, tools and techniques of AM in other industries, a structured model for AM in the wind industry is developed. The model divulges that maintenance is indispensable to the core business objectives of the wind industry. However, the common maintenance strategies applied to wind turbines are inadequate to support the current commercial drivers of the wind industry. Consequently, a hybrid approach to the selection of a suitable maintenance strategy is developed. The approach is used in a case study to demonstrate its practical application. Suitable Condition-Based Maintenance activities for wind turbines are determined. Maintenance optimisation is a means to determine the most cost-effective maintenance strategy. Field failure and maintenance data of wind turbines are collected and analysed using two quantitative maintenance optimisation techniques; Modelling System Failures (MSF) and Delay-Time Maintenance Model (DTMM). The MSF permits the evaluation of life-data samples and enables the design and simulation of a system’s model to determine optimum maintenance activities. Maximum Likelihood Estimation is used to estimate the shape (β) and scale (η) parameters of the Weibull distribution for critical components and subsystems of the wind turbines. Reliability Block Diagrams are designed using the estimated β and η to model the failures of the wind turbines and of a selected wind farm. The models are simulated to assess and optimise the reliability, availability and maintainability of the wind turbine and the farm. The DTMM examines equipment failure patterns by taking into account failure consequences, inspection time and cost in order to determine optimum inspection intervals. Defects rate (α) and mean delay-time (1/γ) of components and subsystems within the wind turbine are estimated. Optimal inspection intervals for critical subsystems of the wind turbine are then determined.

L'objectif de la th'ese est de d'evelopper des mod'eles math'ematiques et leurs analyses qui permettront de d'eterminer le potentiel de vie d'un produit en fonction de l''evolution des param'etres environnementaux (par exemple temp'erature ambiante), des grandeurs physiques trahissant l''etat de sant'e des produits (par exemple temps de mise 'a froid) et de proposer une politique de maintenance adapt'ee. A terme, un produit devra ˆetre capable d'indiquer 'a son utilisateur : - son capital de vie r'esiduel, - la probabilit'e de r'eussir une mission donn'ee compte tenu de son 'etat, - la date optimale de maintenance.

La première partie traite de l'application des réseaux bayésiens en maintenance et propose une méthodologie de construction à partir d'avis d'experts. Pour évaluer les probabilités, le réseau est décrit par un modèle log-linéaire saturé. Des indices permettant l'analyse du réseau et l'identification des variables critiques sont donnés. Les actions de maintenance sont intégrées comme nouveaux noeuds du graphe. Une intégration du retour d'expérience est proposée par une inférence bayésienne, en quantifiant la confiance attribuée aux avis d'experts. La deuxième partie traite de la fiabilité dans un contexte doublement censuré. Nous étudions les propriétés asymptotiques des estimateurs du maximum de vraisemblance pour la loi de Weibull. Une inférence bayésienne est proposée avec des lois a priori informatives et non informatives. De plus, nous modélisons par des variables cachées un facteur humain, représentant des manques d'information lors d'opérations de maintenance et résolvons ce problème par maximum de vraisemblance et par une inférence bayésienne.