Contribution à la maintenance prévisionnelle des systèmes de production par la formalisation d'un processus de pronostic

Today, due to the emergence of sustainability constraint within Enterprise, the industrial people have to integrate in the development strategy, not only the conventional economical finality but also the social and environmental requirements. At the Manufacturing Execution System (MES) level, this objective is materialised through the concept of System Maintaining in Operational Conditions (SMOC). In order to improve the SMOC efficiency, this thesis outlines the formalisation of the key Predictive Maintenance process which is the prognosis one. The deployment of the prognosis process follows a methodology based both of probabilistic and event approaches. The probabilistic model which supports the prognosis execution, has been developed by means of Dynamic Bayesian Networks (DBN). The feasibility and added value of this new prognosis is experimented on the manufacturing TELMA platform supporting the unwinding of metal bobbin.L'émergence du concept de " durabilité " en entreprise oblige dorénavant les industriels à intégrer dans leur stratégie de développement, au-delà de la finalité économique habituelle, de nouvelles préoccupations sociales et environnementales. Cet enjeu majeur se décline, au niveau du système d'exécution de la production, par le concept de maintien en conditions opérationnelles (MCO). Afin d'améliorer l'efficacité du MCO, nous proposons dans cette thèse la formalisation du processus clé d'un système de maintenance prévisionnelle : le pronostic. La démarche de modélisation introduite s'appuie sur le couplage d'une représentation probabiliste de l'état d'un système basée sur le formalisme des Réseaux Bayésiens Dynamiques (RBD), et d'une approche événementielle de la surveillance de la dégradation de ses composants. La mise en u?vre du processus de pronostic sur le système de Déroulage / Pressage de la plate-forme TELMA démontre la faisabilité de la méthodologie proposée