La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

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

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Blancke, Olivier (2020). Développement d’une approche de pronostic pour les équipements complexes permettant l’application de la maintenance prévisionnelle. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

[thumbnail of BLANCKE_Oliver.pdf]
Prévisualisation
PDF
Télécharger (16MB) | Prévisualisation
[thumbnail of BLANCKE_Oliver-web.pdf]
Prévisualisation
PDF
Télécharger (1MB) | Prévisualisation

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.

Titre traduit

Development of a prognostic approach for complex equipment to enable the application of predictive maintenance

Résumé traduit

Predictive maintenance is a discipline that allows planning maintenance actions based on prognostic models. It aims to enhance the decision-making capabilities of organizations by allowing them to plan the right actions at the right time. Unlike reliability-based maintenance approaches, predictive maintenance approaches can consider the dynamic and individual aspects of each asset's data using prognostic algorithms. Based on equipment health data, its load conditions, and its operating environment, these algorithms can predict the occurrence of equipment failure modes as new data become available and estimate the uncertainties intrinsically associated with them.

Despite the arrival of new sensor technologies and data acquisition devices, the lack of exploitable historical data remains a common problem for a large proportion of industrial applications in the field. In addition, a large majority of existing approaches are applied to specific equipment with a relatively limited number of critical components and failure mechanisms. In the industry, equipment is often complex and typically has multiple failure modes and failure mechanisms that can be interdependent and evolve across many components. Their diagnostic information comes from different sources (for example, measurements and inspections) at discreet intervals over time. As a result, component-level prognostic models have limited applicability to complex devices because they do not manage the inherent complexity of failure mechanisms or the interrelationships between components. It is therefore difficult to implement predictive maintenance approaches.

To deal with these issues, the thesis proposes a holistic approach to the development of prediction models for complex equipment allowing the application of predictive maintenance. As a first step, a diagnostic and prognostic approach for complex equipment is proposed. The approach is essentially based on the understanding and the modelling of the physics of degradation (mechanisms of degradation) to identify and follow up the evolution of the failure mechanisms through a succession of physical states of degradation detectable by diagnostic tools. The diagnostic algorithm integrates information from various diagnostic tools and tracks the evolution of active failure mechanisms through graphical representations in the form of dynamic causal graphs. It is then possible to follow the evolution of the failure mechanism. Based on the diagnostic results, the prognostic algorithm propagates the failure mechanisms to failure modes of the equipment. It then allows the estimation of the remaining time to the occurrence of each failure mode for each prediction date. In a second step, a predictive maintenance approach is proposed based on the formalism of the prognostic algorithm. The approach differs from the other approaches proposed in the literature, as it enables the identification of the required maintenance actions according to the detected active failure mechanisms and the results of the prognostic algorithms. The results allow the organization to automatically identify any mitigation actions that are possible to avoid the occurrence of failure modes and suggest their potential effects on the system. To ensure the long-term viability of the approach a new method is proposed to evaluate the performance of the prognostic algorithms for repairable systems considering the organization's operational processes. Finally, the process of updating prognostic models is proposed considering the evolution of the business context and new information available. The proposed approach is successfully applied and validated in the case of hydroelectric generators considering their operational contexts. It shows great potential for applications in various industries for future research.

The contributions of this thesis do not only focus on the development of prognostic algorithms, but also aim at ensuring the applicability of these algorithms in an operational context. This thesis proposes the development of a multi-failure mode prognosis approach for complex equipment considering the complexity of their failure mechanisms. For this, the definition of a mathematical formalism of diagnostic and prognostic algorithms based on graph theory is presented to ensure the genericity of the proposed algorithms and the interactive visualization of their results. In addition, it offers a predictive maintenance approach allowing to predict the intervals of application of the maintenance actions that will be required, considering the active detected failure mechanisms, prognosis results and operational context. To ensure the accuracy of the results, this work presents the first approach allowing the performance evaluation of prognosis algorithms for repairable systems and the definition of the acceptable prediction area based on their operational context. Finally, a process for updating and evolving prognostic algorithms is proposed to ensure their long-term viability.

Type de document: Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires: "Thèse présentée à l’École de technologie supérieure comme exigence partielle à l’obtention de docteur en philosophie". Comprend des références bibliographiques (pages 173-182).
Mots-clés libres: maintenance prévisionnelle, pronostic, diagnostic, système complexe, théorie des graphes, validation
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Tahan, Souheil-Antoine
Codirecteur:
Codirecteur
Komljenovic, Dragan
Programme: Doctorat en génie > Génie
Date de dépôt: 07 janv. 2021 18:50
Dernière modification: 07 janv. 2021 18:50
URI: https://espace.etsmtl.ca/id/eprint/2585

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt