Modélisation de la durée de vie résiduelle et maintenance prédictive : application à des véhicules industriels

par Elias Khoury

Thèse de doctorat en Optimisation et Sûreté des Systèmes

Sous la direction de Christophe Bérenguer et de Antoine Grall.

Soutenue en 2012

à Troyes , dans le cadre de Ecole doctorale Sciences pour l'Ingénieur (Troyes, Aube) .


  • Résumé

    La maintenance est devenue dans plusieurs domaines (dont le domaine automobile), un aspect très important des performances économiques d’une entreprise. Dans ce cadre, on s’intéresse à l’amélioration de la prise de décision en maintenance principalement afin de réduire les coûts associés. Notre attention se porte plus précisément sur l'approche de maintenance prédictive utilisant la durée de vie résiduelle (RUL) en tant qu’indicateur pour la prise de décision. L’évaluation de la RUL permet d’intégrer des informations et des prévisions sur l’état d’un système et de son environnement. On s’intéresse d’abord à la modélisation de la défaillance basée sur la dégradation. On étudie et développe plusieurs modèles pouvant décrire différents comportements de la dégradation et mécanismes de défaillance. On étudie en particulier un cas pratique portant sur l’huile moteur. Pour les différents modèles considérés, on montre comment la distribution de la RUL peut être estimée conditionnellement à l’état du système et de son environnement. On propose ensuite des stratégies de maintenance prédictive dans plusieurs configurations et on montre comment la RUL peut être utilisée dans la prise de décision. L'ensemble des études menées montre l'intérêt de l’utilisation de la RUL et permet de quantifier le gain apporté pour différentes politiques de maintenance considérées

  • Titre traduit

    Residual life estimatino and predictive maintenace modelling : application to industrial vehicles


  • Résumé

    Maintenance has become in many fields such as the automotive field, a very important aspect due mostly to its economic dimension. In this context, we are interested in improving maintenance decision making in order to reduce its costs mainly. We focus specifically on the predictive maintenance approach using the residual useful lifetime (RUL) as a tool for decision support. The RUL integrates information about the state of a system and its environment in the past, present and future (prediction). At first, we consider degradation based failure models. We study and develop several models that can describe different behaviours of degradation and failure mechanisms. In particular we consider a case study on engine oil. For these different models, we propose methods to estimate the distribution of the RUL conditionally to the state of the system and its environment. Subsequently, we propose predictive maintenance strategies in several configurations and we show how the RUL can be used in decision making. The conducted studies show the benefit of using the RUL and allow us to quantify the resulting gain depending on the considered case and the way the RUL is used

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (XII-164 p.)
  • Annexes : Bibliogr. p. [153]-164

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université de Technologie. Service commun de la documentation.
  • Disponible pour le PEB
  • Cote : THE 12 KHO
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.