Le travail développé dans cette thèse s'inscrit dans le cadre d'une problématique générale portant sur les architectures de Surveillance-Commande des Systèmes Flexibles de Production Manufacturière (SFPM). En effet, l'architecture de Commande-Surveillance, que nous avons proposé, a l'objectif de minimiser l'appel à la maintenance corrective. Ceci est afin minimiser les arrêts opérationnels du procédé. L'architecture développée " Surveillance Indirecte suite à une Commande Robuste" consiste à surveiller les paramètres de la loi de commande afin de maintenir la robustesse passive du système. Le suivi instantané des déviations dans un contexte de robustesse active est un moyen pour prévoir les événements inévitables qui peuvent influer la robustesse du système. L'architecture développée est constituée de deux bloc : bloc commande et bloc surveillance. La fonction commande robuste du bloc Commande ainsi que les fonctions pronostic et suivi-détection du bloc Surveillance sont les fonctions clés de cette architecture. En effet, pour la fonction commande robuste nous avons développé une loi de commande robuste hybride (robustesse passive et active) multicritères (flux et qualité) tout en se basant sur l'outil RdP à Intervalles. Pour la fonction pronostic, une nouvelle architecture " Réseau de Neurones Doublement Récurrent à Base de Fonctions Radiales" (RR2FR) dédiée à la prédiction est développée. Finalement, un modèle RdPTàO de suivi-détection est développé pour remplir les objectifs de suivi des paramètres qualitative et quantitative du produit et de détection des symptômes de défaillances. A la fin de cette thèse, une application à un système industriel est présentée afin de confirmer l'apport de l'architecture " Surveillance Indirecte suite à une Commande Robuste".
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00614151 |
| Date | 16 April 2011 |
| Creators | Telmoudi, Achraf Jabeur |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0021 seconds