Approche statistique pour le pronostic de défaillance : application à l'industrie du semi-conducteur

A statistical approach for fault prognosis : application to semiconductor manufacturing industry

• Auteur / Autrice : Thi Bich Lien Nguyen
• Direction : Mustapha Ouladsine, Mohand Arab Djeziri, Bouchra Ananou
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques et informatique
• Date : Soutenance le 04/03/2016
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : Ecole doctorale Mathématiques et Informatique de Marseille (Marseille ; 1994-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des sciences de l'information et des systèmes (Marseille)
• Jury : Président / Présidente : Geneviève Dauphin-Tanguy
• Jury : Examinateurs / Examinatrices : Vincent Cocquempot
• Jury : Rapporteurs / Rapporteuses : Christophe Bérenguer, Antoine Grall

Mots clés

Mots clés contrôlés

Processus stochastiques

Modèles linéaires (statistique)

Statistique -- Informatique

Mots clés libres

Pronostic de défaillance

Indice de santé

Modélisation statistique

Processus stochastiques

Analyse multi-Variée

Fault prognostics

Health index

Statistical modelling

Stochastic process

Multivariate analysis

Résumé

Ce travail de thèse concerne le développement d'une méthode de pronostic de défaillance des systèmes de production en série. Une méthode de génération d'un indice de santé brut à partir d'un tenseur de données, appelée Méthode des Points Significatifs a été développée puis validée sur un exemple d'illustration. L'indice généré est ensuite traité par une nouvelle méthode appelée méthode des percentiles, qui permet de générer des profils monotones à partir d'un indice de santé brut. Les profils générés sont ensuite modélisés par un processus Gamma, et la fonction de densité de probabilité agrégée introduite dans ce travail a permis d'estimer le temps de vie résiduel (Remaining Useful Life (RUL)) dans un intervalle de confiance qui assure une marge de sécurité à l'utilisateur industriel. La méthode proposée est appliquée avec succès sur des données expérimentales issues des équipements de production industrielle.

This thesis develops a fault prognosis approach for Discrete Manufacturing Processes. A method of raw health index extraction from a data tensor, called Significant Points was developped and validated on an illustrative example. The generated index is later processed by a new method, called Percentile Method, which allows to generate the monotonic profiles from the raw health index. These profiles are then modelled by a Gamma process, and the aggregate probability density function introduced in this work allowed to estimate the Remaining Useful Life (RUL) in a confidence interval that ensures a safety margin for industrial users. The proposed method is applied successfully on the experimental data of industrial production machines.