Contribution to the identification of dangerous situations and their detections by the analysis of the drifts of the production equipment. Application to an automated assemby line

Dans une situation de travail sur une machine d'assemblage automatisée, des dérives techniques en cours de fonctionnement peuvent conduire à des dysfonctionnements de la machine. Ces dysfonctionnements peuvent amener l'opérateur supervisant la machine à s'adapter et à réagir pour réduire l'effet de ces dérives techniques sur le reste de la situation de travail. Pour répondre à ces dysfonctionnements, l'opérateur peut se placer dans une situation dangereuse. Dans ce contexte, la contribution de ce manuscrit s’inscrit donc dans la prévention des accidents du travail sur machine. La contribution majeure de cette thèse est méthodologique. L'objectif de la méthode proposée, nommée Working Situation Health Monitoring (WSHM), est de définir un indicateur d’état de santé de la situation de travail permettant la surveillance de l’apparition de ces situations potentiellement dangereuses, à partir de données générées par les machines. Pour définir cet indicateur, nous proposons d'identifier ces situations potentiellement dangereuses en analysant les dérives potentielles de la situation de travail. Ces dérives peuvent être techniques (dérives de caractéristiques produits, de flux de produits, et/ou de l’état de santé de la machine) et/ou d’interactions entre l’opérateur, la machine et/ou les produits. Pour supporter cette identification, nous proposons de modéliser la situation de travail dans son ensemble en la représentant comme un système. Cette modélisation permettant de capitaliser les informations sur la situation de travail étudiée dans un modèle de données unique basé sur un patron (modèle de référence de situation de travail). La contribution de ces travaux a été testée sur un cas d’étude (une machine d'assemblage automatisée à vocation pédagogique) dans le but de prouver sa faisabilité.In a work situation on an automated assembly machine, technical drifts during operation can lead to machine malfunctions. These malfunctions can lead the operator supervising the machine to adapt and react to reduce the effect of these technical drifts on the rest of the working situation. To respond to these malfunctions, the operator may place himself in a hazardous situation.In this context, this manuscript contributes therefore to prevent work accidents on machines. The major contribution of this thesis is methodological. The aim of the proposed method, named Working Situation Health Monitoring (WSHM), is to define a working situation’s health indicator that will enable the monitoring of the appearance of these potentially hazardous situations, from data generated by the machines. To define this indicator, we suggest identifying these potentially hazardous situations by analyzing the potential drifts of the work situation. These drifts can be technical (drifts of product characteristics, drifts of the product flow characteristics, and/or drift of the machine health) and/or from interactions between the operator, the machine and/or the products.To support this identification, we suggest modeling the work situation as a whole by representing it as a system. This modeling allows capitalizing the information on the studied work situation in a unique data model based on a pattern (working situation’s reference model). The contribution of this work has been tested on a case study (an automated assembly machine for educational purposes) in order to prove its feasibility