Thèse (IRT SYSTEMX--IFSTTAR): Regroupement dynamique des tâches de maintenance

Au sein de SYSTEMX, Institut de Recherche Technologique dans le domaine de l’ingénierie numérique des systèmes, regroupant sur ses projets de recherche 200 à 300 collaborateurs, vous serez partie prenante d’un projet de recherche intitulé Maintenance Prévisionnelle et Optimisation (MPO) dont l’objectif est de concevoir une méthodologie outillée d’optimisation de politiques de maintenance de systèmes industriels, avec un focus particulier sur la maintenance prévisionnelle ainsi que la prise en compte de données complexes et hétérogènes massives.
Le stage s’inscrit dans le cadre de ce projet MPO. Le maintien en état opérationnel des assets industriels est l’une des priorités de nombreuses entreprises, tous secteurs confondus. Cette préoccupation a fait de la maintenance un sujet de recherche de tout premier plan depuis une vingtaine d’années. Par ailleurs, la multiplication des systèmes de monitoring, de stockage et de transmission de données a conduit au développement d’outils probabilistes décrivant les modalités et dynamiques de dégradation des systèmes étudiés et ainsi, permettant d’estimer différents paramètres de fiabilité dont la Durée de vie résiduelle (RUL – Remaining Useful Life). Si les approches préventives systématique ou conditionnelle sont désormais fréquemment utilisées par les industriels, aucune de ces deux stratégies ne permet de maitriser à la fois la durée d’usage et la charge de maintenance (planification à l’avance des interventions) ; au contraire de la maintenance préventive prévisionnelle (ou pronostic) qui vise à déterminer, à partir d’un historique d’observations, quel sera le meilleur instant pour intervenir préventivement sur le système considéré. Si de nombreuses approches de pronostic ont été développées depuis les années 2000, ce sujet propose de s’intéresser plus particulièrement aux méthodes dites « fiabilistes » (utilisant des outils probabilistes pour construire des modélisations stochastiques décrivant le comportement du système). Dans cette famille de méthodes, des travaux relativement récents se sont intéressés au regroupement dynamique de taches de maintenances (Do Van et al. 2013), (Doostparast et al. 2014), (Lesobre 2015), (Vu 2015)… Il s’agit d’évaluer à différents instants (généralement corrélés aux instants d’auscultation des systèmes considérés) quelle est la meilleure stratégie de regroupement d’actions de maintenance satisfaisant un ensemble d’objectifs et de contraintes. Pour cela, il faut disposer d’un modèle probabiliste décrivant la dynamique de dégradation de chaque système et permettant donc, à un instant donné, d’évaluer la durée de vie résiduelle. Une première étape consiste généralement à optimiser individuellement les stratégies de maintenance pour chaque système. La mise au point d’un modèle économique (pour évaluer les gains et pertes induits par l’avancement ou le report d’une action de maintenance) permet ensuite de développer des algorithmes d’optimisation, généralement à base de metaheuristiques, pour définir la meilleure stratégie de regroupement ; un regroupement consistant à combiner plusieurs actions de maintenance à un même instant dès lors que les pertes liées à l’avancement d’une action (et donc au raccourcissement de l’usage du système considéré) sont inférieures aux gains induits (généralement logistiques). (Vu et Barros 2017) offre une vision générale de ce qui a se fait actuellement sur ce sujet.
Dans le cadre de cette thèse, il est envisagé d’adapter et de tester la méthodologie proposée dans la littérature au cas de systèmes caractérisés par des mélanges de lois (et non par des lois uniques pour chaque système comme généralement considéré). En effet, si la plupart des productions récentes sur le sujet s’appuie sur l’utilisation d’une loi probabiliste classique (Weibull, Poisson…) pour estimer les RUL, cette démarche ne permet pas de considérer la coexistence possible de plusieurs dynamiques de dégradation.

VOS COMPETENCES

- Optimisation

- Programmation (Python, C++, Java)

- Probabilités / statistiques

- Doté de capacités d'analyse, d'une forte autonomie et d'un esprit d'initiative.
- Capacité à travailler en mode projet: rendre compte de l'avancement des travaux et communication des résultats
- Aptitude à communiquer aussi bien à l'oral qu'à l'écrit (en français et anglais)
- Avoir envie de travailler en collaboration.

Pour postuler :  selma.khebbache@irt-systemx.fr

                           laurent.bouillaut@ifsttar.fr

Bibliographie :
DO VAN, P., BARROS, A. (2017). Maintenance grouping models for multicomponent systems. Mangey Ram and J. Paulo Davim. Mathematics Applied to Engineering, Elsevier, pp.147-170.
DO VAN, P., BARROS, A., BERENGUER, C. BOUVARD, K., AND BRISSAUD, F. (2013). Dynamic grouping maintenance with time limited opportunities. Reliability Engineering & System Safety, n°120, pp.51–59.
DOOSTPARAST, M., KOLAHAN, F., AND DOOSTPARAST, M. (2014). A reliability-based approach to optimize preventive maintenance scheduling for coherent systems. Reliability Engineering & System Safety, n°126, pp. 98–106
LESOBRE, R. (2015). Modélisation et optimisation de la maintenance et de la surveillance des systèmes multi-composants. Applications à la maintenance et à la conception de véhicules industriels. Thèse de l’Université de Grenoble.
VU H.-C. (2015). Stratégies de regroupement pour la maintenance des systèmes à composants multiples avec structure complexe. Thèse UTT.