Développement d'un modèle générique de dégradation en exploitant les données pour évaluer toutes les caractéristiques des systèmes surveillés: Application aux batteries Li-Ion dans les systèmes industriels circulaires

par Akash Basia

Projet de thèse en Automatique - productique

Sous la direction de Zineb Simeu abazi, Eric Gascard et de Peggy Zwolinski.


  • Résumé

    La complexité croissante des systèmes industriels nécessite des diagnostics et des pronostics adaptés technique. L'hétérogénéité technologique de ces systèmes, dont les vies variées et la dynamique du changement, accentue le problème du contrôle de l'obsolescence pour assurer la durabilité de leur mission. La thèse proposée concerne le système d'information, la gestion de données collecte et intégration de données. Notre objectif est de fournir également des réseaux de capteurs fiables en tant que modules de recherche d'informations pour développer le plus précisément possible un diagnostic et un pronostic de santé du système étudié. En pratique, les données requises ne sont pas toujours disponibles et leur utilisation est souvent confrontée à des difficultés liées aux domaines suivants: les caractéristiques: une. Hétérogénéité. Les données proviennent souvent de différentes phases de la vie des systèmes. Chacun de ces les données sont susceptibles d'ajouter de la valeur au processus de diagnostic et de pronostic. Il est donc nécessaire de placer les données dans les modèles appropriés, en fonction des différentes conditions de vie les étapes, les modes et les conditions de fonctionnement qui s'y rattachent. b. Influences géographiques et environnementales. Le comportement des systèmes surveillés peuvent changer en fonction de leur environnement et des conditions de fonctionnement, ce qui peut changer chacun de manière significative pendant la durée de vie de l'appareil. Ce problème peut introduire perturbations significatives en termes de pronostic et donc de plan économique. c. Insuffisance quantitative. Quelques données essentielles à la prise de décision les modèles peuvent être rares. Les effets de censure des données qui en résultent et la perturbation de la décision des modèles si ces phénomènes ne sont pas correctement pris en compte. Les développements de cette thèse seront donc structurés en quatre phases principales. - La première phase est consacrée à la caractérisation des besoins et des métriques essentielles au diagnostic du système étudié. Une attention particulière sera être confiée au système d'information, à la collecte et à l'intégration de données, qui inclure la fiabilité des réseaux de capteurs grâce à une architecture appropriée [7, 8]. - La deuxième phase concerne l'intégration des données. Nous visons à intégrer les données de différentes sources (capteurs, informations REX) pour développer des modèles de fiabilité et dégradation en tenant compte des facteurs liés au fonctionnement conditions, modes de fonctionnement et paramètres d'influence de l'environnement [1, 2, 5, 6,11]. - La construction et la modélisation des connaissances est la troisième phase. Dans ce contexte, il est nécessaire de formaliser la réutilisation des connaissances, qui est une question de défis. - La quatrième phase implique l'utilisation de différentes données (capteur, REX) pour le pronostic et le contrôle de l'état de santé [3, 4, 9, 10]. C'est une fonction fondamentale pour planifier la reconfiguration en vue de sa réutilisation ou de son désassemblage.

  • Titre traduit

    Development of a generic model of degradation by exploiting data to evaluate all characteristics of monitored systems: Application to Li-Ion batteries in circular industrial systems.


  • Résumé

    The increasing complexity of industrial systems requires adapted diagnostic and prognostic technics. The technological heterogeneity of these systems, whose varied lives and the dynamics of change, accentuates the problem of controlling the obsolescence to ensure the sustainability of their mission. The proposed thesis concerns the information system, data collection, and data integration. Our goal is to provide reliable sensor networks as well as information retrieval modules to develop as accurate as possible a diagnosis and a health prognosis of the studied system. In practice, the required data are not always available and their use is often confronted with difficulties related to the following characteristics: a. Heterogeneity. The data often come from different systems life phases. Each of these data is likely to add value to the process of diagnosis and prognosis. It is, therefore, necessary to place the data into the appropriate models, in relation to the different life stages and modes and operating conditions attached to it. b. Geographical and environmental influences. The behavior of the monitored systems can change according to their environment and operating conditions, which may change each significantly during the lifetime of the device. This problem may introduce significant perturbations in terms of prognostic and therefore in the economic plan. c. Quantitative insufficiency. Some data, essential to the establishment of decision models can be rare. The resulting data censoring effects and disruption of decision models whether these phenomena are not properly considered. Developments in this thesis will, therefore, be structured into four main phases. - The first phase is devoted to the characterization of the requirements and essential metrics to the diagnosis of the system studied. Particular attention will be given to the information system, data collection and data integration which will include sensor networks reliability through proper architecture [7, 8]. - The second phase involves the integration of data. We aim at to integrate data from different sources (sensors, information from REX) to develop models of reliability and degradation by taking into account factors related to operating conditions, operating modes and parameters influence of the environment [1, 2, 5, 6,11]. - Construction and modeling knowledge is the third phase. In this context, it is necessary to formalize the reuse of knowledge, which is one of the scientific challenges. -The fourth phase involves the use of various data (sensor, REX) for prognosis and state of health control [3, 4, 9, 10]. This is a fundamental function in planning the reconfiguration for reuse or disassembling.