Une des conséquences les plus marquantes de l'évolution actuelle de l’industrie ferroviaire est l'augmentation des contraintes exercées aussi bien sur les voies que sur les matériels roulants ; tant en termes de sollicitations, de charges, de fréquences, qu'en termes d'exigences de disponibilité et de sécurité. De ce fait, la recherche de politiques de maintenance optimales répondant aux objectifs de disponibilité, de coûts, de sécurité est devenue un sujet particulièrement d'actualité. Pour répondre à cette demande d’ajustement des stratégies de maintenance, le formalisme des réseaux bayésiens est une approche de plus en plus utilisée pour développer des outils d'aide à la décision. Afin de s’affranchir de l’hypothèse markovienne restrictive imposée par l’utilisation « standard » des réseaux bayésiens, une structure originale a été proposée pour modéliser finement un processus de dégradation dans le cadre discret à partir de distributions de temps de séjour quelconques. Cette approche, dénommée Modèles Graphiques de Durée, autorise une finesse de modélisation du processus de dégradation qui permet de reproduire le comportement de systèmes multi-composants et multi-états, tout en tenant compte de variables exogènes. Cette modélisation semi-markovienne de la dégradation a, jusqu'à présent, été utilisée surtout pour évaluer ou comparer des stratégies de maintenance pouvant mêler des approches correctives, systématiques ou conditionnelles. Cette thèse vise à étendre les travaux précédents aux actions de maintenance prévisionnelle. Cette approche, qualifiée également de pronostic, offre en effet l’avantage d’une prédiction de l’instant optimal d’intervention maximisant la durée de fonctionnement du système avant intervention, tout en satisfaisant les contraintes d’exploitation et d’entretien. Les systèmes considérés sont à espaces d’états discrets et finis, périodiquement observables, situation fréquente pour de nombreuses applications industrielles, notamment dans le domaine des transports. Ces travaux de thèse proposent, à partir du formalisme des réseaux bayésiens dynamiques et des modèles graphiques de durée, des outils de pronostic dans le but de permettre la modélisation de politiques de maintenance préventives prévisionnelle. Pour répondre à cet objectif, un algorithme de pronostic basé sur des distributions de temps de séjour a tout d’abord été introduit, dans le but de calculer une estimation de la durée de vie résiduelle (RUL) d'un système et de la mettre à jour à chaque fois qu’un nouveau diagnostic est disponible. Pour améliorer la précision des calculs de pronostic, un nouveau modèle de dégradation a ensuite été proposé pour tenir compte de l'existence éventuelle de plusieurs dynamiques de dégradation coexistantes. Son principe consiste à identifier à chaque instant un mode de dégradation actif, puis à répercuter cette information sur les temps de séjour considérés dans les états suivants par l'utilisation de lois de temps de séjour conditionnelles. Enfin, des solutions pour diminuer la complexité des calculs d'inférence exacte sont proposées / One of the most important consequences due to current developments in the rail industry is the increase of stresses on tracks and rolling stock; in terms of loads, frequencies, and both in terms of availability and security requirements. Therefore, looking for optimal maintenance policies to meet the availability, cost and security objectives has become a particularly topical subject. To address this need of maintenance strategy adjustment, approaches using bayesian networks have increasingly been used for the development of decision support tools. To overcome the restrictive Markovian assumption induced by the use of standard bayesian networks, a specific structure has been proposed to accurately model a degradation process in discrete case using any kind of sojourn time distributions. This approach called "Graphical duration model" make possible to describe multicomponent and multi state system behaviours by taking into account many exogenous variables. This semi-markovian modelling of the degradation has mainly been used to evaluate and compare different maintenance strategies based on corrective, systematic and conditional approaches. This PhD thesis aims to extend previous works to predictive maintenance policies. This approach, based on prognosis computations, has the advantage to predict the optimal intervention time maximizing the remaining useful life of the system and both satisfying operating and maintaining constraints. Considered systems have finite discrete state spaces and are periodically observable as many existing ones in the industry and particularly in the field of transport systems. The presented works, based on the dynamic bayesian network formalism and the graphical duration model, propose prognostic tools in order to model the set of predictive maintenance policies. A prognosis algorithm is first introduced to compute the remaining useful life (RUL) of the system and update this estimation each time a new diagnosis is available. To improve the prognosis estimation accuracy, a new degradation model is proposed to take into account the possible existence of many coexisting degradation modes. The principle is to identify at each time the active degradation mode and then to use this information to choose sojourn times considered in next states using conditional sojourn times distributions. At last, some solutions to reduce the complexity of inference computations are proposed
| Identifer | oai:union.ndltd.org:theses.fr/2015PESC1205 |
| Date | 13 November 2015 |
| Creators | Foulliaron, Josquin |
| Contributors | Paris Est, Aknin, Patrice |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0025 seconds