Prévision de la fiabilité des produits dans les systèmes de fabrication basés sur l'exploration de données et le facteur humain

par Zhang Tian

Projet de thèse en Génie industriel

Sous la direction de Ali Siadat, Lazhar Homri et de Jean-Yves Dantan.

Thèses en préparation à Paris, ENSAM , dans le cadre de École doctorale Sciences des métiers de l'ingénieur (Paris) , en partenariat avec LCFC Laboratoire de Conception Fabrication Commande (laboratoire) depuis le 15-03-2019 .


  • Résumé

    Lors de l'application des méthodes d'exploration de données à la prévision de la fiabilité des produits de fabrication, prenez en compte les facteurs de fabrication et les facteurs humains. Construisez un modèle de dégradation des produits en fonction de ses caractéristiques physiques et utilisez le modèle de dégradation comme échantillon de référence. Utilisation de méthodes d'exploration de données avec paramètre avec et sans facteurs humains et évaluation de l'exactitude de la prévision de fiabilité. Au cours du processus de recherche, quatre difficultés principales peuvent nécessiter une attention particulière: -L'introduction de facteurs humains dans l'évaluation de la qualité des systèmes de fabrication. Étant donné que les facteurs de fabrication et les facteurs humains ont des caractéristiques très différentes, l'unification et l'équilibre des deux sont indispensables à la précision du modèle lors de la quantification des facteurs. -Research la recherche fondamentale sur l'exploitation de données est une partie très mature actuellement, qui fournit des milliers de méthodes pour analyser des mégadonnées avec différents types. Diverses méthodes pourraient convenir à différentes occasions. Dans cette étude, des méthodes spécifiques n'avaient pas encore été définies, mais leur choix pourrait influer sur l'efficacité et la précision du modèle. L'objectif est de rechercher un outil d'exploration de données permettant d'équilibrer efficacité et précision, et éventuellement de quantifier cet équilibre. -Path le chemin de dégradation des produits peut varier considérablement lors de l'application d'un modèle de dégradation différent. Pour décrire correctement les produits, un modèle de dégradation approprié et des paramètres relativement précis sont nécessaires. Le choix du modèle et la configuration des paramètres peuvent tous deux influer sur le résultat final de la comparaison. Si la partie du modèle de dégradation n'est pas réalisée correctement, elle ne fournit pas d'échantillon de référence convaincant. -Lorsque la SVM est appliquée à la recherche, la robustesse est un indicateur clé qui montre la capacité de tolérer les perturbations susceptibles d'affecter le corps fonctionnel du système. Aussi, comment construire une optimisation robuste pour définir un séparateur dans la classification est un problème à résoudre. L'objectif général de la recherche est de dépasser les quatre points mentionnés ci-dessus, de proposer et de fournir un nouveau moyen d'évaluer la qualité d'un système de fabrication, en combinant des facteurs de facteurs humains et de fiabilité. Outre les points mentionnés ci-dessus, il existe également d'autres points à étudier, par exemple l'intégration des facteurs humains dans la classification. Considérant que dans de nombreux domaines de l'ingénierie traditionnelle, une étude de ce domaine est généralement déjà très mature, un mélange de sujets pourrait être mis en évidence dans cette recherche.

  • Titre traduit

    Product Reliability Prediction in Manufacturing Systems based on Data Mining and Human Factor


  • Résumé

    When applying data mining methods into manufacturing product reliability prediction, take both manufacturing factors and human factors into consideration. Build degradation model of the products based on its physical characteristics, and use degradation model as reference samples. Using data mining methods with parameter with and without human factors, and evaluate accuracy of the reliability prediction. During the research process, there are four main difficulties that could require focus: -The introduction of human factors into manufacturing system quality assessment. Considering the fact that manufacturing factors and human factors have very different characteristics, the unification and balance of the two is very necessary for the model accuracy when quantifying the factors. -Data mining's foundation research is a very mature part currently, which provide thousands of methods to analyze big data with various types. Various methods could fit various occasions. In this study, specific methods haven't been decided yet, but the choosing of it could influence the model efficiency and accuracy. The aim is searching a data mining tool that balance between efficiency and accuracy, and possibly quantify this balance. -Degradation path of the products could vary a lot when applying different degradation model, to describe the products properly, fitting degradation model and relatively accurate parameters are required. The choice of model and parameters setting could both influence the final comparison result. If the degradation model part is not done properly, it doesn't provide a persuasive reference sample. -When applying SVM into the research, robustness is a key indicator showing the ability of tolerating perturbations that might affect the system's functional body. Also, how to build a robust optimization to define a separator in classification is a problem to be solved. The overall objective of the research is to overcome the four points mentioned above, propose and provide a new way to assess quality for manufacturing system, with human factors and reliability research combined. Besides the points mentioned above, there are also other points worth studying on, for example, integrating human factors into classification. Considering in many traditional engineering fields, one field's study is usually very mature already, mixture of subjects could be highlight of this research.