La complexité croissante des systèmes techniques multicomposants (STM) de production de biens ou de services engendre un accroissement de leur coût total d'exploitation. Afin de réduire ces coûts, une plus grande disponibilité est recherchée par la mise en œuvre de préconisations du CBM (Condition Based Maintenance) et plus récemment du PHM (Prognostics and Health Management). Ces préconisations permettent d'optimiser la maintenance de ces STM par la planification des interventions de réparations, remplacements ou entretiens de composants (CP) selon leur "état de santé" actuel ou futur. L'évaluation de l'état de santé futur de CP est la clé de voûte du PHM sur laquelle de nombreux travaux ont porté ces dernières années.
Le premier chapitre est consacré à l'état de l'art portant sur les STM et leur besoin de surveillance, le CBM, le PHM et le pronostic de composant (PdC) dont l'enjeu principal est d'estimer la durée d'utilisation restante (Remaining Useful Lifetime - RUL) associé à des indicateurs d'incertitudes. Ce chapitre est conclu par le constat selon lequel peu de travaux sont consacrés à l'utilisation des PdC pour évaluer l'aptitude d'un STM à accomplir les tâches de production de biens ou services planifiées. Les développements proposés dans la suite du mémoire sont donc consacrés a la définition d'une méthode intégrant les incertitudes sur les PdC pour pouvoir évaluer cette dernière aptitude afin de fournir des indicateurs d'aide à la décision tant pour la gestion de production que pour la maintenance du STM.
Le deuxième chapitre est dédié à la modélisation des STM en vue de l'évaluation de leur fiabilité. En effet, l'évaluation de l'aptitude d'un STM correspond à une évaluation d'une fiabilité future. Différents outils sont étudiés. Le choix porte sur une modélisation sous la forme de graphe permettant de représenter les relations structurelles et fonctionnelles entre CP et fonctions du STM qui peuvent être extraites des modèles utilisés lors de leur développement notamment lorsque celui-ci est basé sur du MBSE (Model Based Systems Engineering). A partir de cette modélisation des "patterns" sont identifiés sur lesquels les inférences, présentées dans le chapitre suivant, ont été définies.
Le troisième chapitre présente la méthode d'évaluation de l'aptitude d'un STM à accomplir les futures tâches de production. Cette méthode utilise en entrée les PdC et la modélisation du STM. Ces PdC des incertitudes, la Théorie de Dempster-Shafer (TDS) a été choisie, et y est présentée, pour les traitements aboutissant à cette évaluation. Cette dernière est effectuée en plusieurs étapes : la transformation des données issues des PdC en données compatibles avec la TDS, le traitement des inférences pour chacun des patterns identifiés, la génération des indicateurs d'aide à la décision. Les inférences proposées sur les patterns de graphes de modélisation forment une "hybridation" entre réseaux bayésiens et TDS. Les indicateurs fournis estiment l'aptitude de chaque élément (CP, fonction technique, sous-système...) à accomplir les futures tâches productives mais aussi désignent les CP dont la maintenance est la plus opportune pour améliorer cette aptitude.
Le quatrième et dernier chapitre est consacré à la validation des développements proposés à partir de "benchmarks" issus de la littérature et d'un cas d'étude. Les "benchmarks" et le cas d'étude ont été implémentés à l'aide du logiciel ARENA. Le cas d'étude est simulé pour plusieurs scénarios afin de proposer des façons d'utiliser les indicateurs pour la planification conjointe de la production est de la maintenance.
La conclusion rappelle le domaine d'études et les développements proposés. Des perspectives de développement sont établies quant à l'utilisation des indicateurs en planification conjointe de la production et de la maintenance et sur la possibilité de dériver le modèle proposé pour l'évaluation de la fiabilité des STM en phase d'ingénierie système. |
The increasing complexity of multicomponent technical systems (STMs) for the production of goods or services leads to an increase in their total cost of operation. In order to reduce these costs, greater availability is sought through the implementation of CBM (Condition Based Maintenance) and more recently PHM (Prognostics and Health Management) recommendations. These recommendations make it possible to optimize the maintenance of these STMs by planning repair, replacement or component maintenance (CP) interventions according to their current or future "state of health". The assessment of CP's future state of health is the cornerstone of the PHM that has been the focus of much work in recent years.
The first chapter is devoted to the state of the art on the STM and their need for surveillance, the CBM, the PHM and the component prognosis (PdC) whose main stake is to estimate the duration of use Remaining Useful Lifetime (RUL) associated with uncertainty indicators. This chapter concludes with the observation that there is little work on the use of BoCs to assess the ability of a VTS to perform the tasks of producing goods or services planned. The developments proposed in the remainder of the thesis are thus dedicated to the definition of a method integrating the uncertainties on the PoCs so as to be able to evaluate this latter aptitude in order to provide decision-making assistance indicators for both production management and STM maintenance.
The second chapter is dedicated to the modeling of the STMs in order to evaluate their reliability. Indeed, the evaluation of the STM's suitability is an assessment of future reliability. Different tools are studied. The choice is on a modeling in the form of a graph to represent the structural and functional relationships between CP and STM functions that can be extracted from the models used during their development, especially when it is based on MBSE (Model Based Systems). Engineering). From this modeling "patterns" are identified on which the inferences, presented in the following chapter, have been defined.
The third chapter presents the method of evaluating the ability of a VTS to perform future production tasks. This method uses the PdC and STM modeling input. These PdC of uncertainties, the Dempster-Shafer Theory (TDS) was chosen, and presented there, for the treatments resulting in this evaluation. The latter is carried out in several stages: the transformation of the data from the PoCs into data compatible with the TDS, the treatment of the inferences for each of the identified patterns, the generation of the decision support indicators. The proposed inferences on the modeling graph patterns form a "hybridization" between Bayesian networks and TDS. The indicators provided estimate the ability of each element (CP, technical function, subsystem ...) to perform future productive tasks but also designate the CPs whose maintenance is most appropriate to improve this ability.
The fourth and final chapter is devoted to the validation of the developments proposed from "benchmarks" drawn from the literature and a case study. The benchmarks and the case study were implemented using the ARENA software. The case study is simulated for several scenarios in order to propose ways to use the indicators for joint production planning and maintenance.
The conclusion recalls the field of study and the proposed developments. Development prospects are established for the use of indicators in joint production and maintenance planning and the possibility of deriving the proposed model for evaluating the reliability of VTS in the system engineering phase. |