PREDICTIONS DE RUL PAR ANALYSE DE SIMILARITES - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2020

PREDICTIONS DE RUL PAR ANALYSE DE SIMILARITES

Laure Siret
  • Fonction : Auteur
  • PersonId : 1095484
Bruno Agard
  • Fonction : Auteur
  • PersonId : 855377
Renan Bonnard
  • Fonction : Auteur
  • PersonId : 899017

Résumé

La prédiction du temps de vie résiduel-RUL (Remaining Useful Life) est un facteur clé de la maintenance prédictive. Ces prédictions étaient généralement basées sur une expertise métier et sur des procédés statistiques indépendants des conditions d'utilisation des machines en temps réel. Or avec la généralisation des concepts clés de l'Industrie 4.0, l'utilisation des nouvelles technologies permet dorénavant la supervision en tout temps des équipements de production. La recherche sur l'estimation des RUL devient de plus en plus populaire. Or seule une branche de la recherche utilise simultanément des données sur les états systèmes (vibrations, température, usure) et les contraintes qui lui sont appliquées (consignes cibles). La majorité de ces approches utilisent des modèles de prédiction d'un état théorique de la machine pour le calcul des RUL. Dans cet article, la méthodologie présentée a pour objectif la prédiction de RUL basée sur l'analyse des similarités des comportements en fonction des contraintes appliquées et des états du système.
Fichier principal
Vignette du fichier
MOSIM2020_151.pdf (814.71 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03192864 , version 1 (08-04-2021)

Identifiants

  • HAL Id : hal-03192864 , version 1

Citer

Laure Siret, Bruno Agard, Christophe Danjou, Renan Bonnard. PREDICTIONS DE RUL PAR ANALYSE DE SIMILARITES. 13ème CONFERENCE INTERNATIONALE DE MODELISATION, OPTIMISATION ET SIMULATION (MOSIM2020), 12-14 Nov 2020, AGADIR, Maroc, Nov 2020, AGADIR (virtual), Maroc. ⟨hal-03192864⟩

Collections

TDS-MACS
62 Consultations
161 Téléchargements

Partager

Gmail Facebook X LinkedIn More