Développement d’une approche de pronostic pour les équipements complexes permettant l’application de la maintenance prévisionnelle

Résumé

La maintenance prévisionnelle est une discipline qui permet de planifier des actions de maintenance basées sur des modèles de pronostic. Elle vise à accroître les capacités décisionnelles des organisations en leur permettant de planifier les bons gestes aux bons moments. Contrairement aux approches de maintenance basée sur la fiabilité, les approches de maintenance prévisionnelle permettent de prendre en compte les aspects dynamiques et individuels des données de chaque actif grâce aux algorithmes de pronostics. En se basant sur l’état de l’équipement, de son niveau de charge et de son environnement, ces algorithmes permettent de prédire l'occurrence de modes de défaillance d'un équipement au fur et à mesure que de nouvelles données sont disponibles en estimant les incertitudes qui y sont intrinsèquement associées. Malgré l’arrivée des nouvelles technologies de capteurs et des dispositifs d’acquisition de données, le manque de données historiques exploitables reste un problème commun pour une proportion importante d'applications industrielles dans le domaine. De plus, une grande majorité des approches existantes sont appliquées à des équipements spécifiques avec un nombre relativement limité de composants critiques et de mécanismes de défaillance. Dans l’industrie, les équipements sont souvent complexes et disposent généralement de multiples modes et mécanismes de défaillance qui peuvent être interdépendants et évoluant au travers de nombreux composants. Leurs informations de diagnostic proviennent de différentes sources (par exemple, des mesures et des inspections) à des intervalles discrets dans le temps. Par conséquent, les modèles de pronostics au niveau des composants ont une applicabilité limitée face aux équipements complexes, car ils ne gèrent ni la complexité inhérente des mécanismes de défaillance ni les interrelations entre les composants. Il est alors difficile de mettre en place des approches de maintenance prévisionnelle. Pour faire face à cette problématique, la thèse propose une approche globale de développement de modèles de pronostic pour les équipements complexes permettant l’application de la maintenance prévisionnelle. Dans un premier temps, une approche de diagnostic et de pronostic pour les équipements complexes est proposée. L’approche se base essentiellement sur la compréhension et la modélisation de la physique de dégradation (mécanismes de dégradation) pour identifier et suivre l’évolution des mécanismes de défaillance à travers une succession d’états physiques de dégradation détectables par des outils de diagnostic. L’algorithme de diagnostic intègre l’information provenant de divers moyens de diagnostic et permet de suivre l’évolution des mécanismes de défaillances actifs à travers des représentations graphiques sous forme de graphes de causalité dynamique. Il est alors possible de suivre l’évolution des mécanismes de défaillance. Basé sur les résultats de diagnostic, l’algorithme de pronostic permet de propager les mécanismes de défaillance jusqu’aux modes de défaillance de l’équipement. Il permet alors l’estimation du temps restant avec l’occurrence de chaque mode de défaillance pour chaque date de prédiction. Dans un deuxième temps, une approche de maintenance prévisionnelle est proposée en se basant le formalisme de l’algorithme de pronostic. L’approche se démarque des autres approches proposées dans la littérature, car elle permet d’identifier les actions de maintenance requises en fonction des mécanismes de défaillances actifs et des résultats des algorithmes de pronostic. Les résultats permettent à l’organisation d’identifier automatiquement toutes les actions de mitigations qui sont possibles pour éviter l’occurrence des modes de défaillance et suggèrent leurs effets potentiels sur le système. Pour assurer la viabilité à long terme de l’approche, une nouvelle méthode est proposée pour évaluer les performances des algorithmes de pronostic pour les systèmes réparables en tenant en compte des processus opérationnels de l’organisation. Pour finir, processus d’actualisation et d’évolution des modèles de pronostic en tenant en compte de l’évolution du contexte d’affaires et des nouvelles informations disponibles. L’approche complète est appliquée et validée avec succès dans le cas des alternateurs hydro-électriques en tenant en compte de leurs contextes opérationnels. Elle démontre un grand potentiel d’applications dans diverses industries lors de recherches futures. Les contributions de cette thèse ne s’arrêtent pas seulement au développement d’algorithmes de pronostic, mais visent aussi à assurer l’applicabilité de ces algorithmes dans un contexte opérationnel. Cette thèse propose le développement d’une approche de pronostic multimodes de défaillance pour les équipements complexes tenant en compte de la complexité de leurs mécanismes de défaillance. Pour cela, la définition d’un formalisme mathématique des algorithmes de diagnostic et de pronostic basé sur la théorie des graphes est présentée pour assurer la généricité des algorithmes proposés et la visualisation interactive de leurs résultats. Par ailleurs, elle propose une approche de maintenance prévisionnelle permettant de prédire les intervalles d’application des actions de maintenance qui seront requises en tenant en compte des mécanismes de défaillance détectés actifs, des résultats de pronostic et du contexte opérationnel. Pour assurer la justesse des résultats, ces travaux présentent la première approche permettant l’évaluation des performances des algorithmes de pronostic pour les systèmes réparables et la définition de la zone de prédiction acceptable de prédiction en se basant sur leur contexte opérationnel. Finalement le un processus ’actualisation et d’évolution des algorithmes de pronostic est proposé pour assurer leur viabilité à long terme.

Date	9 mars 2020
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Antoine Tahan (Directeur(-trice)) & Dragan Komljenovic (Codirecteur(-trice))