Thèse soutenue

SURveillance VIBratoire pour l’industrie 4.0 : Classification par jumeau numérique de machines tournantes (SURVIB 4.0)
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Mohamed habib Farhat
Direction : Xavier ChiementinFabrice Bolaers
Type : Thèse de doctorat
Discipline(s) : Matériaux, mécanique, structures
Date : Soutenance le 15/12/2021
Etablissement(s) : Reims en cotutelle avec Université de Sfax (Tunisie)
Ecole(s) doctorale(s) : Ecole doctorale Sciences du Numérique et de l’Ingénieur (Reims, Marne)
Partenaire(s) de recherche : Laboratoire : Institut de Thermique, Mécanique, Matériaux
Jury : Président / Présidente : Mohamed El Badaoui
Examinateurs / Examinatrices : Xavier Chiementin, Fabrice Bolaers, Emeline Reboul, Mnaouar Chouchane, Riadh Chaari, Fakher Chaari, Mohamed Haddar
Rapporteurs / Rapporteuses : Emeline Reboul, Mnaouar Chouchane

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

L'industrie a une volonté perpétuelle d’assurer et d’améliorer sa production pour répondre à une concurrence de plus en plus soutenue. Dans ce contexte, l'industrie 4.0 offre des opportunités encore inexploitées en termes de compétitivité et de résilience, notamment à travers l'un de ses piliers, la maintenance prédictive. Parmi les techniques utilisées en maintenance, l'analyse vibratoire reste l'outil le plus efficace pour surveiller l'état des machines tournantes, notamment avec le support des algorithmes d'apprentissage automatique. Les applications précédentes des algorithmes de classification dans le diagnostic étaient principalement basées sur des données expérimentales, ce qui limitait la fiabilité du diagnostic aux dispositifs ayant historique de fonctionnement étendu. Avec l'objectif de surmonter cette limitation, ce travail de thèse propose une nouvelle stratégie de classification des états des machines tournantes. L'approche de classification proposée repose sur un jumeau numérique associé au comportement vibratoire de la machine surveillée comme une alternative à l'expérimentation dans l'apprentissage des algorithmes de classification. Elle s'appuie sur trois piliers principaux : (i) la machine surveillée, (ii) un modèle dynamique de cette machine, et (iii) une corrélation entre la machine considérée et son modèle. Une évaluation de l’approche de classification basée sur le jumeau numérique est effectuée pour deux bancs d’essais impliquant un train d’engrenages et des paliers à roulements. Les résultats obtenus ont confirmé l'efficacité de la méthode proposée et donnent des perspectives prometteuses en vue d'une maintenance à l'ère de l'industrie 4.0 .............................................................................................................