21/11/2016 - 10H45 - Salle Emile Gallé - Bâtiment Présidence, 2 avenue de la Forêt de Haye, 54516 Vandoeuvre-Lès-Nancy

"Evaluation quantitative de séquences d'événements en sûreté de fonctionnement à l'aide de la théorie des langages probabilistes"

Résumé :
Les études de sûreté de fonctionnement (SdF) sont en général basées sur l'hypothèse d'indépendance des événements de défaillance et de réparation ainsi que sur l'analyse des coupes qui
décrivent les sous-ensembles de composants entraînant la défaillance du système. Dans le cas des systèmes dynamiques pour lesquels l'ordre d'occurrence des événements a une incidence directe
sur le comportement dysfonctionnel du système, il est important de privilégier l'utilisation de séquences d'événements permettant une évaluation des indicateurs de SdF plus précise que les
coupes. Ainsi, nous avons proposé, dans une première partie de nos travaux, un cadre formel permettant la détermination des séquences d'événements qui décrivent l'évolution du système
ainsi que leur évaluation quantitative, en recourant à la théorie de langages probabilistes et à la théorie des processus markoviens/semi-markoviens. L'évaluation quantitative des séquences
intègrent le calcul de leur probabilité d'occurrence ainsi que leur criticité (coût et longueur des séquences). Pour l'évaluation des séquences décrivant l'évolution des systèmes complexes présentant
plusieurs modes de fonctionnement ou de défaillance, une approche modulaire basée sur les opérateurs de composition (choix et concaténation) a été proposée. Celle-ci consiste à calculer
la probabilité d'une séquence d'événements globale à partir d'évaluations réalisées localement, mode par mode. Les différentes contributions sont appliqués sur deux cas d'étude de taille et
complexité croissante.

Jury :
- Rapporteurs : Antoine Grall : Professeur, Université de Technologie de Troyes
Eric Niel : Professeur, INSA Lyon
- Autres membres : Examinateurs :
Frederic Kratz : Professeur, ENSI Bourges
Alain Richard : Professeur, UL
Invité :
Gilles Deleuze : EDF R&D MRI