Modélisation probabiliste du pronostic : application à un cas d'étude et à la prise de décision en maintenance

Probabilistic modeling of prognosis : application to a study case and to the decision making in maintenance

• Auteur / Autrice : Khanh Le Son
• Direction : Anne Barros, Mitra Fouladirad
• Type : Thèse de doctorat
• Discipline(s) : Optimisation et Sûreté des Systèmes
• Date : Soutenance en 2012
• Etablissement(s) : Troyes
• Ecole(s) doctorale(s) : Ecole doctorale Sciences pour l'Ingénieur (Troyes, Aube)

Mots clés

Mots clés contrôlés

Monte-Carlo, Méthode de

Théorie de la prévision

Processus stochastiques

Estimation, Théorie de l'

Fiabilité

Durée de vie (ingénierie)

Modèles mathématiques

Entretien

Résumé

L’estimation de la durée de vie résiduelle est un défi scientifique majeur et un thème central dans la communauté scientifique qui s’intéresse aux problèmes de pronostic. L’utilisation d’outils et méthodes rassemblés sous le terme de pronostic est largement répandue en aéronautique, électroniques, médecine, etc. La problématique sous-jacente commune est la mise en oeuvre de modèles qui tiennent compte en ligne de l’histoire d’un système et de son environnement, du diagnostic sur son état courant et éventuellement des conditions opérationnelles futures pour prédire une durée de vie résiduelle. Dans ce contexte, la problématique principale de ces travaux est l’utilisation d’approches probabilistes (de type processus stochastique non - stationnaire) pour construire des modèles de pronostic novateurs à partir d'un indicateur de dégradation d’un système et d’utiliser la prédiction de durée de vie résiduelle pour mettre en oeuvre des politiques de maintenance. L'avantage de ces modèles est d'avoir des propriétés de régularité qui facilitent les calculs de probabilité et l'estimation de la durée de vie résiduelle. Afin de tester les performances de nos modèles, nous avons réalisé une étude comparative sur un cas test fourni par la conférence IEEE PHM (Prognostic and Health Management) 2008

Remaining useful life (RUL) estimation is a major scientific challenge and a principal topic in the scientific community which takes an interest to prognosis problems. The use of tools and methods collected under the terms of prognostic is widely developed in many domains as aerospace industry, electronics, medicine, etc. The common underlying problem is the implementation of models which can take into account on-line the data histories of system and its environment, the diagnosis on its current state and possibly the future operational conditions for predicting the residual lifetime. In this context, the principal problem of our works is the use of probabilistic approaches (type of non-stationary stochastic process) to construct the innovatory prognostic models from a degradation indicator of system and to use the residual lifetime prediction for maintenance implementation. The advantage of these models is to have the regularity proprieties which make easy the probability calculation and RUL estimation. In order to test the performances of our models, a comparative study is carried out on the data provided by the 2008 IEEE Prognostic and Health Management (PHM)