Post on 24-Feb-2016
description
Optimisation de la maintenance préventive des systèmes compte-tenu de leur performance et dégradation
ICD-LM2S, UMR STMR, CNRS
Université de technologie de Troyes, France
LSI, IUT-Saida, EDST Université Libanaise
Liban
Imane Maatouk
FIMA – 14 mars 2013
Sous la direction de Pr. Eric CHATELET et Pr. Nazir CHEBBO
1
2
Plan de l’exposé
1. Présentation synthétique des travaux de thèse
2. Modélisation et étude de la disponibilité d’un Système Multi-Etats (SME)
3. Optimisation de la maintenance préventive des SME
4. Conclusions et perspectives
3
Plan de l’exposé
1. Présentation synthétique des travaux de thèse• Contexte et problématique• Objectifs de la recherche• Travaux réalisés
2. Modélisation et étude de la disponibilité des SME
3. Optimisation de la maintenance préventive des SME
4. Conclusions et perspectives
Présentation synthétique des travaux de thèse
4
Contexte et problématique
Opérations de la maintenance• Prévenir, éviter, et corriger les dysfonctionnements d’un système.• Limitation par les moyens techniques et financiers
Nécessité de modélisation et évaluation de la disponibilité des SME• Modélisation des systèmes Calcul de leur disponibilité Evaluation de la
performance d’une politique de maintenance• Modèles permettant d’intégrer la dépendance dans le processus d’évaluation
de la disponibilité
Problématique : Construction d’une politique de maintenance préventive optimale• Évaluer la performance d’une politique de maintenance• Trouver une politique optimale vérifiant les contraintes imposées
Présentation synthétique des travaux de thèse Contexte problématique
5
Objectifs de la recherche
• Construire un modèle d’évaluation de la disponibilité– Dans un SME, Multi-composants, dépendance stochastique
• Améliorer la disponibilité d’un SME– Par distribution de charge uniforme entre les composants
• Analyser les caractéristiques fiabilistes des composants d’un SME– Effet de la dépendance sur ces caractéristiques
• Optimiser une politique de maintenance préventive– Minimisant le coût de la maintenance, sous contraintes de disponibilité exigée
• Améliorer l’optimisation
Présentation synthétique des travaux de thèse Démarche de l’étude
6
Pistes de recherche exploitées
SME, composants multi-états
• Hybridation Markov et Fonction Génératrice Universelle (FGU )(Lisnianski
2004, Lisnianski & Levitin 2003)
– Dépendance stochastique
• Optimisation de la distribution de charge (Levitin, G., & Amari, S. 2009)
– Propagation d’échec à effet sélectif
• Facteur d’importance de Birnbaum (Levitin, G., & Lisnianski, A. 1999)
– Effet de la dépendance
SME, composants binaires
• Optimisation de la maintenance préventive périodique (Bris, R., Châtelet, E.,
& Yalaoui, F. 2003)
– Hybridation algorithme génétique et recherche locale
Présentation synthétique des travaux de thèse Démarche de l’étude
7
Travaux réalisés-Modélisation
Système multi-états-Multi-composants
Configuration simple
Série, parallèle, combinaison
Modèles de dégradation d’un composant
Exponentielle
Weibull
Gamma, etc
Evaluation de la performance du système
Processus stochastiq
ues
Markov
Semi-Markov
FGUMéthodes booléenn
es
Simulation Monte Carlo
Dépendance
Structurelle
Economique
Stochastique
PE
PE sélectif
PE Global
Charge
Uniforme
Locale
Croissante
Autres
Structure de pont
Configuration complexe
Présentation synthétique des travaux de thèse Travaux réalisés
8
Travaux réalisés-Optimisation
Amélioration de la performance d’un SME
Maintenance
Maintenance corrective
Maintenance préventive
Multi-composants
Prévisionnelle Conditionnelle Périodique
Optimisation de la
maintenance
Mono-composant
Redondance active et/ou
passive
Surveillance et/ou
diagnostic
Gestion de la dépendance
Distribution de charge
Charge statique
Uniforme
Optimisation de la distribution de charge
Locale Monotone Croissante
Charge dynamique
Résumé des travaux de thèse Travaux réalisés
9
Plan de l’exposé
1. Résumé des travaux de thèse
2. Modélisation et étude de la disponibilité des SME• Motivations et objectifs• Processus stochastique et fonction génératrice universelle (FGU)• Distribution de charge optimale dans un SME• Importance des composants dans un SME• Discussions
3. Optimisation de la maintenance préventive des SME
4. Conclusions et perspectives
Modélisation et étude de la disponibilité des SME
10
Motivations et objectifs
Distribution de Performance (DP) dans un SME• Passé : systèmes simples, composants indépendants• Actuellement : systèmes complexes, composants dépendants (système de production
électrique, ordinateurs, etc.)
• Modèle de représentation du comportement des composants• Méthode d’évaluation de la DP du système entier
Intégration de la dépendance stochastique dans le modèle du système• Propagation d’échec à effet sélectif et distribution de charge statique uniforme• Gestion de la dépendance• Effet de la dépendance
Modélisation et étude de la disponibilité des SME Motivations et objectifs
DP des composan
ts
Fonction de
structure du
système
DP du système entier
11
Hypothèses et modélisation
Hypothèses et modèles de base• Evolution dynamique, système dégradé, taux de transitions constants• État futur du système dépend seulement de son état présent
Processus de Markov Homogène (PM)
• Evolution statique, système multi-états série-parallèle• Nombre des états du système augmente rapidement avec celui de ses composants
Fonction Génératrice Universelle (FGU)
Hypothèses et modèle choisi• Evolution dynamique, dépendance stochastique, structure série-parallèle
Hybridation PM et FGUGrandeurs évaluées• Disponibilité, performance moyenne, facteur d’importance, …
Modélisation et étude de la disponibilité des SME Processus stochastique et FGU
12
Processus de Markov et FGU
Hybridation Markov et FGU• PM DP de chaque composant à chaque instant• FGU DP du système entier à chaque instant• Evolution dynamique d’un système série-parallèle ou parallèle-série.
Modélisation et étude de la disponibilité des SME Processus stochastique et FGU
jj m
k
ijkbik
m
k
ikjaijij ttPttPdtdP
1)(
1)( )()()()(/
1
1
2
1
),(21 ))(),(()(
n
i
n
j
bawji
jiZzUzUzU
Processus de Markov• Résolution de l’équation de Chapman-Kolmogorov
FGU
1
11 ,)(
n
i
aiiZzU
2
12 )(
n
j
bjjZzU
3
1
2
Graphe de Markov pour un élément i
i12
i21
i13
i31
• Composants 1 et 2 connectés :- Série
- Parallèle ),min(),( jiji babaw
jiji babaw ),(
13
Intégration de la dépendance
• Chaque combinaison– Evaluation de l’UGF de chaque composant – DP dynamique conditionnelle du système entier
• Loi de probabilité totale DP dynamique non conditionnelle du système entier.
Modélisation et étude de la disponibilité des SME Processus stochastique et FGU
rgig
ii .
m2
Affecté par PE
Ne cause pas de PE Intact par PE
ihiGngi
hi i
ihii Z
PPzu
2 11
)(~ihiGngi
hiihii ZPzu
2)(~xzZU )(
Distribution de charge uniforme constante• Entre les composants parallèles dans un système série-parallèle• Défaillance d’un composant distribution de charge entre les composants
survivants Taux de défaillance • Reprise du processus de Markov
Propagation d’échec effet sélectif (PE)• D’un composant vers les composants d’un sous-système• Combinaisons possibles des composants causant PE
(.).gii
14
Application numérique
Module de production industrielle (Levitin & Xing, 2010)
Modélisation et étude de la disponibilité des SME Processus stochastique et FGU
0 62.5 125 187.5 250 312.5 375 437.5 5000.4
0.5
0.6
0.7
0.8
0.9
1
Temps en heure
1t/h2t/h3t/h4t/h5t/h6t/h
Evolution de la disponibilité du système entier pour différentes valeurs de demande
Evolution de la DP du système pour une demande de 3 t/h
0 62.5 125 187.5 250 312.5 375 437.5 5000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temps en heures
p1p2p3p4p5p6p7
Pi=probabilitéque le système
entier soit àl'état i
0 62.5 125 187.50
0.05
0.1
0.15
Pompe 11 : Propagation
d’échec2 : Echec local
3 : Performance
normale
1 : Propagation d’échec --- --- 0.1068/h
2 : Echec local --- --- 0.1068/h
3 : Performance normale 0.01068/h 0.01602/h ---
Pompe 21 : Propagation
d’échec2 : Echec local
3 : Performance
normale
1 : Propagation d’échec --- --- 0.05/h
2 : Echec local --- --- 0.05/h
3 : Performance normale 0.005/h 0.0075/h ---
Réacteur 3,4 1 : Echec local 2 : Performance normale
1 : Echec local --- 0.0138/h
2 : Performance normale 0.000345/h ---
Réacteur 5 1 : Echec local 2 : Performance normale
1 : Echec local --- 0.0138/h
2 : Performance normale 0.00153/h ---
0 62.5 125 187.5 250 312.5 375 437.5 5000.7
0.75
0.8
0.85
0.9
0.95
1
Temps en heures
Propagation d'échecPropagation d'échec et distribution de charge
Disponibilité du système pour une demande de 3t/h
Validé par (Levitin & Xing, 2010)
15
Distribution de charge optimale dans un SME
Objectif• Distribution de charge optimale• Optimisation de la disponibilité sous contrainte de performance demandée• Intégration de la propagation d’échec
Modélisation et étude de la disponibilité des SME Distribution de charge optimale dans un SME
• Multi-états multi-composants, série-parallèle• Coût d’exploitation = coût de perte de productivité
+ coût de réparationSystème
• Indépendants ou dépendants, non identiques• Immédiatement et parfaitement réparables• Charge d’un composant Li min ≤ Li ≤ Li max
Composants
• λ et μ constants et indépendantsDéfaillance
16
Distribution de charge optimale dans un SME
Modélisation et étude de la disponibilité des SME Distribution de charge optimale dans un SME
• Taux de défaillance d’un composant i :
• Disponibilité asymptotique :
• Coût d’exploitation de système :
• PM
iiiiiii LLLL )/)(()( 00
iii
iii L
LA
)(
)(
N
iiii tLwALC
1)()1()(
Distribution de performance pour chaque composant
},...,,{ 21 NLLLL
Algorithme Génétique
FGU
k
hhh gpLE
1)(
17
Algorithme d’optimisation - Algorithme Génétique (AG)
Modélisation et étude de la disponibilité des SME Distribution de charge optimale dans un SME
• Algorithme d’optimisation dans le domaine de SDF des systèmes• Large espace de solutions, informations insuffisantes• Méthode itérative
• Inspiré du génie biologique, et basé sur le principe de recherche évolutionnaire
• Paramétrage simple, Nécessite un codage• Une distribution de charge est représentée par une chaîne de N entiers
)(100 minmaxmin ii
iii LL
xLL
ix
1000 ix
18
Algorithme GENITOR-Whitley 1989
1. Population initiale aléatoire de taille Ns2. Croisement des deux solutions aléatoirement sélectionnées3. Mutation de la solution avec une probabilité Pm
Modélisation et étude de la disponibilité des SME Distribution de charge optimale dans un SME
g1 gi gn
Croisement
Point de croisement
P1 P2
N
g1 g'i gnN’
Mutation
4. Décoder la chaîne et évaluer la solution (valeur de la fonction objectif)5. Comparaison. La meilleure solution rejoint la population, et l'autre sera
éliminée6. Répétez les étapes 2 à 5 Nr fois7. Nouvelle population et nouveau cycle de l’algorithme génétique8. Répétez la procédure globale Nc fois.
19
Demande(t/h)
Séquence optimale (xi) Disponibilité (A)
Performance Moyenne
(PM)
Coût (C)
58 27 9 3 8 22 40 8 58 11 0.9530 58.056 7.489
59 33 5 2 7 22 48 56 59 22 0.9468 59.176 8.523
60 27 16 8 21 22 38 35 86 75 0.9375 60.307 9.693
61 46 19 10 30 28 62 36 58 75 0.9251 61.030 11.149
62 51 38 24 40 40 54 46 29 22 0.9109 62.005 12.497
62.5 52 49 29 45 45 51 48 48 45 0.8993 62.500 13.957
Demande (t/h) Séquence optimale (xi) Disponibilité (A)
Performance Moyenne (PM)
Coût (C)
54 30 9 39 1 0 13 50 2 12 0.9624 56.346 6.500
55 17 19 5 1 5 11 9 85 59 0.9632 55.974 6.543
56 24 14 8 4 3 16 47 6 4 0.9629 56.930 6.294
57 52 4 6 7 7 23 27 54 6 0.9582 57.3424 6.963
Application numérique
Modélisation et étude de la disponibilité des SME Distribution de charge optimale dans un SME
Centrale électrique (Levitin & Amari, 2009)
• Paramètres de AGNs=100, Nr=2000, pm=0.8, Nc=30
Numéro de composant ki αi ti(h) Limin(t/h) Limax(t/h)
1 0,5 1,9 5,0 30,0 60,02 1,3 1,7 4,0 30,0 70,03 1,3 1,8 4,0 30,0 60,04 1,0 1,4 10,0 40,0 100,05 1,0 1,4 10,0 40,0 100,06 2,0 1,8 4,0 20,0 50,07 2,0 1,8 4,0 20,0 50,08 2,5 1,7 6,0 25,0 40,09 2,5 1,7 6,0 25,0 40,0
20
Intégration de la PE
• Des composants du système peuvent causer une PE• Plusieurs combinaisons possibles• Plus ou moins des composants critiques et/ou redondants• Différentes valeurs de demande exigée
Modélisation et étude de la disponibilité des SME Distribution de charge optimale dans un SME
Cas Combinaison Séquences quasi optimales (xi) Disponibilité (A) PM
1 14 0 2 0 11 1 18 23 39 28 0,9547 55,1449
2 151 2 4 0 13 33 17 7
340,9543 55,0945
3 14 et 5 0 11 2 22 4 38 49 28 26 0,8921 55,0066
6 24 et 5 20 0 2 11 17 40 42 12 8 0,8879 55.0006
8 9825 28 22 4 2 13 29 37
00,9553 55,0237
Séquences quasi-optimales, demande 55 t/h
21
Facteur d’importance fiabiliste dans un SME
• Quantifier la contribution des éléments du système à sa performance• SME multi-composants
• Facteur d’importance de Birnbaum (Birnbaum, Z. W. (1968))
• Composant i multi-états facteur d’importance pour chaque état j
• Théorème de probabilités totales
• Système simple Calcul analytique (fonction dérivée)• Système complexe : dérivée taux de variation
• FGU Calcul de la disponibilité des composants et du système entier• Extension dans le cas de présence de PE.
Modélisation et étude de la disponibilité des SME Importance des éléments dans un SME
i
iB P
pAI
)()(
iiii
iB PP
AAPP
AI
''
')(
ij
ijB P
pAI
)()(
ik
jij
ijB
iB PII
2
)()( .
22
Application numérique-Composants indépendants et binaires
Modélisation et étude de la disponibilité des SME Importance des éléments dans un SME
N BIM BIM en %
1 0.0861 9.6%
2 0.0771 8.6%
3 0.0571 6.37%
4 0.2665 29.73%
5 0.2665 29.73%
6 0.0375 4.18%
7 0.0375 4.18%
8 0.0341 3.8%
9 0.0341 3.8%
N Echec Fonction Performance (t/h)
1 0,257 0,743 45
2 0,286 0,7133 50
3 0,3297 0,6703 45
4 0,2769 0,7231 70
5 0,2769 0,7231 70
6 0,3249 0,6751 35
7 0,3249 0,6751 35
8 0,358 0,6421 32,5
9 0,358 0,6421 32,5
Caractéristiques des composants BIM
23
Application numérique-Composants dépendants PE
Modélisation et étude de la disponibilité des SME Importance des éléments dans un SME
Cas PE I1 I2 I3 I4 I5 I6 I7 I8 I9
1 1 4 14,0706 9,1681 7,9714 22,805 32,590 3,513 3,513 3,185 3,185
3 1 4 et 5 32,8750 6,2198 6,3200 21,510 21,510 3,033 3,033 2,750 2,750
6 2 4 et 5 6,9280 32,6709 5,4007 21,446 21,446 3,027 3,027 3,027 3,027
8 9 8 8,7010 7,7981 6,7823 26,955 26,955 7,819 7,819 2,965 4,207
11 1 4 et 5, 2 4 et 5 26,1840 26,0927 4,2797 17,127 17,127 2,405 2,405 2,190 2,190
12 Pas de PE 9.6 8.6 6.37 29.73 29.73 4.18 4.18 3.8 3.8
BIM en % en présence de propagation d’échec
Facteur d’importance d’un composant dépend de :• Sa position dans la structure du système• Sa distribution de performance• La combinaison des composants concernés par la propagation échec
24
Discussions
Apport du modèle hybride Markov et FGU– Évaluer la DP dynamique d’un système série-parallèle– Intégrer la dépendance et étudier son effet
Intérêt d’étudier la distribution de charge– Optimisation de la disponibilité d’un SME, composants dépendants– Evaluation de probabilité d’insatisfaction à une demande exigée
Efficacité de la méthode de calcul de mesure d’importance fiabiliste– Facteur d’importance des composants d’un SME, effet de la dépendance
Proposer et évaluer une politique de maintenance préventive optimale– En se basant sur le modèle d’évaluation de la disponibilité d’un SME– En intégrant le facteur d’importance fiabiliste.
Modélisation et étude de la disponibilité des SME Discussions
25
Plan de l’exposé
1. Résumé des travaux de thèse
2. Modélisation et étude de la disponibilité des SME
3. Optimisation de la maintenance préventive des SME• Motivations et objectifs• Modèle de maintenance préventive pour un système série-parallèle• Nouvelle technique d’optimisation du coût de la maintenance dans un
SME• Discussions
4. Conclusions et perspectives
Optimisation de la maintenance préventive des SME
26
Motivations et objectifs
• Gestion de la maintenance corrective et préventive optimiser le coût de la maintenance• Type de la maintenance et répartition des actions politique de maintenance• Minimiser un coût global d’indisponibilité et de maintenance optimisation de la maintenance
Politiques de la maintenanceProposer une politique de maintenance préventive périodique optimale (minimisant le coût d’indisponibilité et de maintenance sous contraintes de
disponibilité exigée) dans un SME
Optimisation de la maintenance préventive des SME Motivations et objectifs
27
Maintenance préventive périodique
• Inspections périodiques à des temps fixes KT (K=1,2,…)
• Optimiser pour chaque composant du système, la politique de maintenance:– Périodes optimales de maintenance préventive pour chaque composant– Dates des premières inspections– En minimisant une fonction coût de maintenance– Sous contrainte de disponibilité exigée – Pendant une durée déterminée ( TM: Temps de Mission).
• Système multi-états série-parallèle• Facteur d’importance dates de premières inspections• FGU Disponibilité du système• Algorithme génétique optimisation du coût de maintenance du système
Optimisation de la maintenance préventive Modèle de maintenance préventive pour un système série parallèle
28
Modèle de maintenance pour les composants
• Les composants d’un système série-parallèle sont soumis à des inspections périodiques
• Le système est toujours disponible pendant les actions de la maintenance
• Les actions de maintenance préventive rendent le composant neuf
• Coût total de la maintenance fonction :– du coût de chaque inspection– de l’intervalle de la maintenance– de la date de la première inspection
Optimisation de la maintenance préventive Modèle de maintenance préventive pour un système série parallèle
Modèle de maintenance préventive pour les composants maintenus périodiquement
],...,,[ 002010 NTTTT
],...,,[ 21 pNppp TTTT
29
Modèle du coût du système (Bris, Châtelet, & Yalaoui, 2003)
• Structure série-parallèle
• Coût de l’inspection d’un composant au cours du temps de mission est constant
• Le nombre d’inspections pour un composant est :
Optimisation de la maintenance préventive Modèle de maintenance préventive pour un système série parallèle
K
k
E
i llPM
k kie
kiecC1 1 1
),(
)),((
1,1 1,k 1,K
i,k i,Ki,1
Ek,k EK,KE1,1
)),((.)),(()),(( ),(1
),(
kieckieckieC kiel
lPMkie
)),(()),(()),((
1 0),( kieT
kieTkieT
p
Mkie
30
Formulation du problème
Calcul de la disponibilité du système• Composants binaires, système entier : système multi-états• Distribution de défaillance d’un composant j suit la loi exponentielle• Disponibilité du composant j à la date de maintenance
• FGU DP du système entier Disponibilité du système entier
Optimisation de la maintenance préventive Nouvelle technique d’optimisation du coût de la maintenance
M
PM
TtAtA
MinC
0)(
jGjjj zAzAzu 0)1()(
)( jTp
))(
)(exp()(
jMTTF
jTtA p
j
31
Vecteur des premiers temps d’inspections
• Premières inspections : efficaces du point de vue coût de la maintenance et de la disponibilité du composant
• Pour chaque composant j
Facteur d’importance• vecteur de M temps de génération de maintenance
• Facteur d’importance pour chaque composant
• Pour chaque composant j on calcule
• Date de la première inspection du composant j : maximal
Optimisation de la maintenance préventive Nouvelle technique d’optimisation du coût de la maintenance
MinNjtIFB
jctRj
j ,...,2,1,)(
)()(
MaxtIFBMintR jj )()(
)(),...,2(),1( Mtttt mmmm
jj
jj
jmj PP
EE
PEitIFB
12
12))((
)]((),...,1(([ MtIFBtIFB mjmj
)(0 jT )(( itIFB mj
)](),...,2(),1([ 0000 NTTTT
32
Technique d’optimisation du coût
Optimisation de la maintenance préventive Nouvelle technique d’optimisation du coût de la maintenance
Initialisation des chromosomes de la population (taille fixe)
Créations des nouveaux chromosomes : croisement et mutation
Evaluation des nouveaux chromosomes
Enlever les chromosomes non sélectionnées
Codage direct
Chaque chromosome N sous-chromosomes
Gènes de ces chromosomes périodes de la maintenance préventive des composantsNombres réels sélectionnés aléatoirement dans l’intervalle [BI BS], distribution uniforme
Solution politique de maintenance préventive Coût de la maintenance préventive et disponibilité du système
Meilleure solution : vérifiant la contrainte de disponibilité et fonction objectif minimaleLa procédure de génération est répétée Nr fois
33
Algorithme génétique hybride
Hybridation AG et Recherche locale• Rendre un AG plus efficace• Ajout d’une recherche locale en plus de la mutation• Multiples façons pour concevoir une hybridation AG et recherche locale
Proposition d’un algorithme hybride
Optimisation de la maintenance préventive Nouvelle technique d’optimisation du coût de la maintenance
Le croisement est associé à une petite diversification des solutions par la recherche locale
Une action de maintenance préventive saut de coût de maintenance optimal
)(401
)()(
1 0),( jTjT
jTT
pp
Mkie
5)(101)(
4)(121)(
4)(11)(
jjT
jjT
jjT
p
p
p
Modification du gène du premier né Comparaison Meilleure solution
Modification du gène du deuxième né Comparaison Meilleure solution.
34
Application numérique
Optimisation de la maintenance préventive Nouvelle technique d’optimisation du coût de la maintenance
)( jc)(0 j
Vecteur des premiers temps d’inspections]1414151599131312[0 T
100Ns 2000rN50MT ans
Numéro du composant1 0,0692 6,922 0,1005 8,043 0,1229 9,834 0,0383 7,665 0,0383 7,666 0,1203 9,637 0,1203 9,638 0,0929 11,159 0,0929 11,15
35
Application numérique
Plan de maintenance optimal-AG
Hybridation AG-Recherche locale
Optimisation de la maintenance préventive Nouvelle technique d’optimisation du coût de la maintenance
]0259.239099.154262.16764.25556.51010.38538.70785.81329.2[pT
02.0mp 75.813PMC
]5357.39376.79838.51912.51262.52542.47992.48774.4953.3[pT
05.0mp 63.653PMC
9.00 A
0,9 0,85 0,8 0,75 0,7 0,6
653,63 556,34 487,41 443,88 409,57 340,590A
PMC
36
Discussions
Intérêt de la politique proposée– Système série-parallèle multi-états multi-composants – Intégration de facteur d’importance fiabiliste– Evaluation de la disponibilité : méthode exacte : FGU
Apport du modèle hybride AG et Recherche locale– Amélioration du plan de maintenance optimal (coût diminue)– Equilibrage de la périodicité de maintenance des composants
Extension de la méthode d’optimisation– Maintenance plus réaliste (maintenance imparfaite)– Système complexe, composants dépendants
Proposer d’autres méthodes d’obtention de politique de maintenance préventive quasi-optimale– Systèmes de colonies de fourmis
Modélisation et étude de la disponibilité des SME Discussions
37
Plan de l’exposé
1. Résumé des travaux de thèse
2. Modélisation et étude de la disponibilité des SME
3. Optimisation de la maintenance préventive des SME
4. Conclusions et perspectives
Conclusions et perspectives
38
Conclusions
Conclusions et perspectives
Problème de l’étude : Construction d’une politique de maintenance préventive optimale– Représentation du comportement du système et évaluation de sa disponibilité– Modèle de coût de maintenance
Représentation du comportement du système– Evolution dynamique– SME multi-composants, dépendance stochastique– Optimisation de la distribution de charge entre les composants d’un SME
Politique de maintenance préventive– Maintenance préventive périodique, SME, multi-composants– Date des premières inspections– Période de maintenance des composants
39
Conclusions
Conclusions et perspectives
Approches utilisées– Approche purement analytique, méthode exacte : FGU, Markov– Méthodes approximatives : Algorithme évolutionnaire : méthodes
métaheuristiques, algorithmes génétiques, Recherche locale.
Apport de l’hybridation Markov et FGU– SME multi-composants– Dépendance stochastique
Apport de l’hybridation AG et Recherche locale– Gain de important par rapport au coût de la maintenance préventive des
solutions obtenu dans le cas non hybride ( presque 20 % pour le cas étudié )– Regroupement des actions de maintenance
40
Perspectives
Conclusions et perspectives
Au niveau de modélisation des systèmes– Evolution de la disponibilité- demande variable au cours du temps– Effet de dépendance plus complexe (taux de défaillance variable au cours du
temps)– Systèmes multi-états plus complexes
Au niveau de l’optimisation de la maintenance– Tenir compte des dépendances– Maintenances plus réalistes (maintenance imparfaite)– Système de colonies de fourmis– Paramétrage des algorithmes génétiques (plan d’expérience, contrôleurs flous,
etc.)
41
Liste des publications
Revues internationales
1. Maatouk, I., Châtelet, E., & Chebbo, N. (2013). Birnbaum Importance in Multi-States System with Dependent Components by Using Universal Generating Function Method. Journal of Reliabiltiy and Risk , 1-12 (en revision)
2. Maatouk, I., Châtelet, E., & Chebbo, N. (2013). Availability maximization in Multi-States-System with propagation failure. IEEE Transactions on Reliability , 1-15 (soumis)
Conférences internationales
3. Maatouk, I., Châtelet, E., & Chebbo, N. (2011). Reliability of multi-states system with load sharing and propagation failure dependence. IEEE explore , ICQRMS, 42-46, Xian, Chine
4. Maatouk, I., Châtelet, E., & Chebbo, N. (2012). Cost minimizaton of maintained multi-state system using optimal load distribution. IEEE explore , ICQRMS, 1005-1009, Chengdu, Chine
5. Maatouk, I., Châtelet, E., & Chebbo, N. (2013). Availability maximization and cost study in multi-states system. RAMS, Orlando, Florida, Amérique.
42
MERCI POUR VOTRE ATTENTION
QUESTIONS??