Thèse soutenue

Modélisation des dégradations par un processus d’Ornstein-Uhlenbeck et pronostic de défaillances du système
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Yingjun Deng
Direction : Anne BarrosAntoine Grall
Type : Thèse de doctorat
Discipline(s) : Optimisation et Sûreté des Systèmes
Date : Soutenance le 24/02/2015
Etablissement(s) : Troyes
Ecole(s) doctorale(s) : Ecole doctorale Sciences pour l'Ingénieur (Troyes, Aube)
Partenaire(s) de recherche : Organisme gouvernemental étranger : CSC (China Scholarship Council)
Laboratoire : Institut Charles Delaunay / ICD
Jury : Président / Présidente : Igor Nikiforov
Examinateurs / Examinatrices : Anne Barros, Antoine Grall, Igor Nikiforov, Anne Gégout-Petit, Mahesh Pandey, Michel Roussignol, Christian Paroissin
Rapporteurs / Rapporteuses : Anne Gégout-Petit, Mahesh Pandey

Résumé

FR  |  
EN

Cette thèse est consacrée à la description, la prédiction et la prévention des défaillances de systèmes. Elle se compose de quatre parties relatives à la modélisation stochastique de dégradation, au pronostic de défaillance du système, à l'estimation du niveau de défaillance et à l'optimisation de maintenance.Le processus d'Ornstein-Uhlenbeck (OU) dépendant du temps est introduit dans un objectif de modélisation des dégradations. Sur la base de ce processus, le premier instant de passage d’un niveau de défaillance prédéfini est considéré comme l’instant de défaillance du système considéré. Différentes méthodes sont ensuite proposées pour réaliser le pronostic de défaillance. Dans la suite, le niveau de défaillance associé au processus de dégradation est estimé à partir de la distribution de durée de vie en résolvant un problème inverse de premier passage. Cette approche permet d’associer les enregistrements de défaillance et le suivi de dégradation pour améliorer la qualité du pronostic posé comme un problème de premier passage. Le pronostic de défaillances du système permet d'optimiser sa maintenance. Le cas d'un système contrôlé en permanence est considéré. La caractérisation de l’instant de premier passage permet une rationalisation de la prise de décision de maintenance préventive. L’aide à la décision se fait par la recherche d'un niveau virtuel de défaillance dont le calcul est optimisé en fonction de critères proposés