Pronostic de la performance d’Efficacité Energétique pour la prise de décision en maintenance dans les systèmes industriels

Energy efficiency-based prognostics for optimizing the maintenance decision-making in industrial systems

• Auteur / Autrice : Anh Hoang
• Direction : Benoît Iung, Phuc Do Van
• Type : Thèse de doctorat
• Discipline(s) : Automatique, Traitement du Signal et des Images, Génie Informatique
• Date : Soutenance le 10/07/2017
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine
• Partenaire(s) de recherche : Laboratoire : Centre de recherche en automatique (Nancy)
• Jury : Président / Présidente : Olivier Sénéchal
• Jury : Examinateurs / Examinatrices : Benoît Iung, Phuc Do Van, Mitra Fouladirad, Christophe Bérenguer, Rossi Setchi, Jay Lee
• Jury : Rapporteurs / Rapporteuses : Mitra Fouladirad, Christophe Bérenguer

Mots clés

Mots clés contrôlés

Analyse stratégique

Maintenance conditionnelle

Évaluation énergétique

Mots clés libres

Efficacité énergétique

Pronostic

Durée de vie énergétique résiduelle

Maintenance

Prise de décision

Développement durable

Energy Efficiency

Prognostics

Remaining Energy-Efficient Lifetime

Maintenance

Decision-Making

Sustainability

Résumé

Aujourd'hui, la maîtrise de l'énergie est la question prépondérante pour la croissance économique des entreprises industrielles. En effet, l’énergie est une ressource qui se raréfie et qui devient de plus en plus coûteuse. L’optimisation énergétique est donc un défi majeur que doit relever les entreprises et principalement celles manufacturières pour supporter les exigences du développement durable. Cette optimisation est à construire prioritairement par une amélioration de l’efficacité énergétique (EE), c'est-à-dire réduire la quantité d'énergie requise pour produire des produits et des services. En regard de ce défi énergétique, l’objectif de cette thèse est d’investiguer la considération de l’efficacité énergétique et de sa prévision comme un nouvel indicateur pertinent dans la prise de décision en maintenance. En ce sens, nous proposons tout d'abord un concept de l’efficacité énergétique, appelé EEI (EE indicator), applicable aux différents niveaux d’abstraction d’un système industriel. Nous définissons ensuite une formulation générique permettant d’évaluer l'EEI (et son évolution) en prenant en compte les facteurs d’influence statiques et dynamiques. Cela nous amène à fonder un concept de performance d’efficacité énergétique, appelé REEL (Remaining Energy-Efficient Lifetime), représentant la durée de vie énergétique résiduelle. Pour prédire l’évolution potentielle de l’EEI qui permettra de calculer la REEL, une approche générique basée sur des approches de pronostics existantes est également développée. Ensuite, nous investiguons l'utilisation d’EE dans la prise de décision en maintenance conditionnelle (Condition-Based Maintenance, CBM). Enfin, toutes ces contributions sont validées sur la plateforme laboratoire TELMA

Among sustainability consideration, energy is today the key for economic growth in industrial systems. Energy resources are however limited and becomes more and more expensive. The energy optimization of manufacturing systems must therefore be considered as a major challenge to be compliant with environmental impact and management of energy resources. This should be reflected primarily by using energy efficiency (EE) as main key lever to deploy sustainability to plants, i.e. reduce the amount of energy required to provide products and services. With regards to this EE context, the aim of this thesis is to investigate the problem of considering energy efficiency and its prediction as a new indicator in maintenance decision-making. In that way, we develop first a concept of energy efficiency, called EEI (energy efficiency indicator), applicable to the different levels of abstraction of an industrial system. Then, we propose a generic formulation to evaluate the EEI (and its evolution) taking into account static and dynamic factors of influence. The temporal evolution of this indicator with respect to the degradation of the system is addressed in a predictive maintenance objective. It leads to found an energy efficiency performance concept called REEL (remaining energy-efficient lifetime), representing the residual energy lifetime. To predict the potential evolution of the IEE to calculate REEL, a generic approach based on existing predictive approaches is also developed. Next, we investigate the use of EE in CBM maintenance decision-making. Finally, all these contributions are validated on the TELMA platform