L'activité de "pronostic de défaillances" est aujourd'hui considérée comme un processus clef dans les stratégies de maintenance industrielle. Cependant, dans la pratique, les outils de pronostic sont encore rares. Les approches aujourd'hui stabilisées reposent sur un historique des incidents assez conséquent pour être représentatif des événements potentiellement prévisibles. L'objet de cette thèse est de proposer un "outil" permettant de prédire la dégradation d'un équipement sans connaissance a priori sur son comportement, et de générer les indicateurs de pronostic permettant d'optimiser les stratégies de maintenance. Dans cet objectif, notre contribution se décline en trois aspects complémentaires.<br>- Un premier volet de travail traite de la formalisation du processus de pronostic. Le concept de pronostic est défini et positionné par rapport aux stratégies de maintenance. Différents mesures typées pronostic sont proposées et les outils utilisables dans ce contexte sont étudiés (nature, applicabilité, guide de choix).<br>- Le coeur du travail porte ensuite sur la spécification d'un système neuro-flou permettant de reproduire l'évolution des propriétés d'un équipement, et de prédire un état de dégradation au cours du temps. Plus précisément les développements visent la proposition d'une architecture neuro-floue permettant de satisfaire un objectif de contrôle de l'erreur de prédiction, quel que soit l'horizon de prédiction.<br>- Nous développons finalement une approche floue/possibiliste d'adaptation des processus classiques d'évaluation prévisionnelle des grandeurs de sûreté de fonctionnement au cas prédictif (fiabilité, MTTF). Ces indicateurs doivent permettre in fine d'optimiser les stratégies de maintenance en tenant compte de l'incertitude inhérente à l'étape de prédiction des dégradations.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00362509 |
| Date | 24 October 2008 |
| Creators | Vasile - Dragomir, Otilia Elena |
| Publisher | Université de Franche-Comté |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0017 seconds