Approche probabiliste basée sur des événements pour une maintenance proactive visant à améliorer les capacités de production dans les industries HMLV

INTRODUCTIONCette thèse se déroule dans le cadre du projet européen INTÉGRATE.Compte tenu de l'environnement économique très concurrentiel dans l'industrie de nombreux, l'augmentation des volumes de la demande et les diversités fonctionnelles ont conduit à l'émergence de l'environnement automatisé et high-mixte de production à faible volume. La production se caractérise par sa complexité et ses incertitudes. Les équipements de production représentent les coûts d'investissement très significatif et sont effectivement exploitées à la limite de leurs capacités. Ceux-ci sont contestés par les pannes d'équipement avec des défaillances inconnues qui significative perturbent les capacités de production. Dans ce contexte, l'amélioration de la disponibilité du matériel devient plus que jamais un facteur clé.MOTIVATIONPour améliorer l'efficacité de ces équipements de production, il est nécessaire d'améliorer la disponibilité de l'équipement en intervenant au bon moment, sur le bon équipement ou pièce d'équipement.-Quelle est prévu (méthode prédictive pour anticiper l'échec occurrence-pourquoi avons-nous besoin (Anticipation de l'échec peut devenir un critère de décision proactive décision et des actions visant à éviter de l'échec ou la minimisation de ses effets)-où-t-il se déroule (niveau physique de l'analyse sur la productionéquipement)-lorsque le fait a lieu (en-ligne, avant de défaillances fonctionnelles)-qui est impliqué (experts sur l'entrée à la méthodologie, et personnels d'entretien pour les critères de sortie attendus)-Comment cela se fait (Identification des règles / motifs à l'échec)Le principal objectif de la thèse est d'étudier l'échec de l'équipementtechniques et approches de prédiction pour prendre de telles décisions.CONTRIBUTIONCette thèse présente une méthodologie pour extraire et de valider les règles et / oudes motifs comme des signatures de défaillance pour les prédictions d'insuffisance en temps réel. Après une étude détaillée de la prédiction de l'échec des approches, nous proposonsune méthodologie concernant la intégrale suivante propriétés,1. Viser en ligne génération de stratégies de maintenance2. Utilisation de l'événement sur la base des informations contextuelles recueillies à partir du produit, processus, équipements et données d'entretien sources en raison des faits qui équipements ne sont pas toujours la source de dérives de la qualité du produit, et que problèmes de fiabilité des capteurs pourraient entraîner plus ou moins de génie3. Travailler au niveau des équipements de production de modules (pièce de partage commun les fonctions)4. A l'aide du réseau bayésien pour modéliser l'état actuel de l'équipement (représentant relation et en tenant compte des incertitudes défaillance causes).Il sert de base pour extraire les règles et les modes de défaillances.5. La flexibilité en tenant compte des experts a fourni des critères, spécifiquementle plomb et le temps pour les décisions et les actions de maintenance d'avertissement.Les solutions qui seront proposées devrait permettre d'améliorer: la disponibilité de l'équipement, la gestion des ressources, le temps de cycle et la performance globale de la production.INTRODUCTIONThis thesis takes place in the framework of the European project INTEGRATE.Given the highly competitive economic environment in many industry, increasing demand volumes and product functional diversities have led the emergence of automated and hi-mix low-volume production environment. The production is characterized by its complexities and uncertainties. The production equipments represent very significant capital costs and are actually operated at the limit of their capabilities. These are challenged by equipment breakdowns with unknown failures that significantly disrupt the production capacities. In this environment, improved equipment availability becomes more than ever a key factor.MOTIVATIONTo improve the esciency of these production equipments, it is necessary to enhance the availability of equipment by intervening at the right time, on the right equipment or piece of equipment.-what is expected (Predictive methodology to anticipate failureoccurrence-why do we need it (Anticipation of failure may become a criteriaof decision to proactive decision and actions aiming the avoidanceof failure or minimization of its effects)-where does it takes place (Physical level of analysis on productionequipment)-when does it takes place (On-line, before functional failures)-who is involved (Experts on the input to the methodology, andmaintenance personnels for the expected output criteria)-how it is done (Identification of rules/patterns to failure).The main objective of the phD thesis is to study equipment failureprediction techniques and approaches to make such decisions.CONTRIBUTIONThis dissertation presents methodology to extract and validate rules and/orpatterns as failure signatures for real time failure predictions.After a detailed study of the failure prediction approaches, we proposean integral methodology respecting following properties,1. Aiming on-line maintenance strategies generation2. Using event based contextual information collected from product, process,equipment and maintenance data sources due to the facts thatequipment is not always the source of product quality drifts and thatsensors reliability issues could result in under or over engineering3. Working at module level of production equipment (piece sharing commonfunctions)4. Using Bayesian Network to model current state of equipment (representingfailure-cause relationship and taking into account uncertainties).It serves as the basis to extract the rules and patterns to failures.5. Flexibility with consideration of experts provided criteria, specificallylead and warning time for maintenance decisions and actions.The solutions that will be proposed is expected to enable improved: availabilityof equipment, resource management, cycle time and overall performanceof production