| note
| - De nos jours, la complexité des systèmes industriels et la variabilité de la politique de production imposent aux services de maintenance une tâche de plus en plus ardue. En outre, les systèmes de production sont parfois soumis à de fortes sollicitations (exemple: gain de productivité, limitation des ressources humaines,…). Toutes les sollicitations évoquées vont imposer aux systèmes de production de marcher sous contraintes : moins d’arrêts, moins de dégradations, etc., d’où le mode de fonctionnement multi-états. Alors il devient capital dans le processus de dégradation du système dit « multi-états », d’étudier le problème d’amélioration de politique de maintenance pour assurer leur continuité de service. De nombreux travaux récents montrent l’intérêt de l’étude de ces systèmes multi-états, leur complexité d’étude, de modélisation ou d’optimisation. En effet, notre travail vise entre autres le suivi du système de production durant sa phase d’exploitation, comprendre l’évolution de son comportement dans le temps, améliorer sa performance. Ce travail repose sur l’identification du choix d’une politique de maintenance optimale parmi plusieurs configurations possibles d’actions de maintenance des systèmes multi-états à travers la simulation. Dans notre démarche proposée, l’étude du modèle du processus de dégradation nommé « modèle multi-états », est menée sous différents angles (scénarii) avec ou sans apprentissage sur le nœud de décision de politique de maintenance. Une identification du choix de politique de maintenance est menée par la simulation en fonction des différentes configurations de taux de transitions entre les états occupés par le système dans le temps. Enfin une agrégation de plusieurs sous modèles de systèmes multi-états de type bayésien est proposée en fonction de leurs architectures structurales pour s’approcher des contextes réels d’étude de production.
- Nowadays, the complexity of industrial systems and the variability of production policy impose on maintenance departments a more and more difficult task. In addition, production systems are sometimes subjected to strong requests (for example: productivity gain, limitation of the human resources). All the evoked requests are going to impose on the systems of production to operate under constraints: less downtime, less damages, etc., where from the multi-state functioning way. Then it becomes major in the process of degradation called \"multi-state\" system, to study the problem of improvement of maintenance policy to maintain their continuity of service. Many recent works show the interest of the study of these multi-state systems, their complexity of study, modeling or optimization. Indeed, our work aims among others at the follow-up of the production system during its exploitation phase, to understand the evolution of its behavior in time, to improve its performance. This work is based on the identification of the choice of an optimal maintenance policy among several possible configurations of maintenance actions of the multi-state systems through the simulation. In our proposed approach, the study of the model of the degradation process named \"multi-states model \", is led under various angles (scenarios) with or without learning about the decision node maintenance policy. An identification of the maintenance policy selection is conducted by the simulation according to the various configurations rate transitions between states occupied by the system over time. Finally an aggregation of several bayesian sub-models of multi-state systems is proposed according to their structural architectures to close to real case of production study.
|
![[RDF Data]](/fct/images/sw-rdf-blue.png)
