Usage de la simulation pour valider des algorithmes d'optimisation de maintenance - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Usage de la simulation pour valider des algorithmes d'optimisation de maintenance

Marcel Chevalier
  • Fonction : Auteur
  • PersonId : 1107574
Léo Dupont
  • Fonction : Auteur
  • PersonId : 1187555
Sylvain Marié
Frédérique Roffet
  • Fonction : Auteur
  • PersonId : 1187556
Elena Stolyarova
William Templier
  • Fonction : Auteur
  • PersonId : 1187557
Costin Vasile

Résumé

Les industries ont un besoin croissant de réduire le risque de défaillances imprévues d'équipements et d'optimiser leurs opérations de maintenance. Chez Schneider Electric, nous proposons d'utiliser des modèles physiques pour l'anticipation du vieillissement à long terme, complétés par des modèles d'apprentissage automatique pour la détection de défauts à court terme. Les modèles physiques sont élaborés en décomposant les systèmes en leurs éléments constitutifs, puis en associant ceux-ci à des modes de dégradation et enfin aux lois cinétiques appropriées. La simulation de ces modèles permet de comparer différentes stratégies de maintenance et d'optimiser celle-ci. Les modèles d'apprentissage automatique sont entraînés de manière incrémentale, à partir d'un échantillon dit « normal », afin de prédire la valeur attendue et de détecter des écarts statistiquement significatifs. Un opérateur humain valide les fautes détectées. La simulation permet de trouver les paramètres optimaux de l'ensemble de cette procédure.
Fichier principal
Vignette du fichier
220905 Usage de la simulation-final.pdf (676.29 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03970682 , version 1 (02-02-2023)

Identifiants

  • HAL Id : hal-03970682 , version 1

Citer

Marcel Chevalier, Léo Dupont, Sylvain Marié, Frédérique Roffet, Elena Stolyarova, et al.. Usage de la simulation pour valider des algorithmes d'optimisation de maintenance. 32ème Congrès Lambda Mu, Institut pour la Maîtrise des Risques (IMdR), Oct 2022, Paris Saclay, France. ⟨hal-03970682⟩

Collections

TDS-MACS IMDR
19 Consultations
13 Téléchargements

Partager

Gmail Facebook X LinkedIn More