Sujet de Thèse
Titre :
Méthodologie d'élaboration du potentiel restant de systèmes manufacturiers à partir du couplage pronostic-aide à la décision pour son exploitation en production
Dates :
2020/02/25 - 2024/05/31
Etudiant :
Encadrant(s) : 
Description :
Dans le cadre du développement de ses activités de maintenance prédictive, Renault suit une démarche de type PHM (Prognostics and Health
Management). La finalité d'une telle démarche est centrée sur le système manufacturier et sur le produit qu'il réalise (impact de l'état machine sur
la qualité du produit). L'approche utilisée est structurée en 5 étapes clés: (i) la formalisation des connaissances des moyens de production pour le
PHM, (ii) l'élaboration de leur bilan de santé, (iii) le pronostic, (iv) l'aide à la décision et (v) la capitalisation. Les 2 première étapes ont été
abordées dans un premier travail de thèse et ce nouveau travail de thèse abordera les deux étapes suivantes relatives au pronostic et à l'aide à la
décision. Le pronostic permet d'évaluer l'état de santé futur, cette évaluation venant en soutien à une prise de décision proactive. Le couplage
entre ces deux processus fait émerger la notion de potentiel restant comme la capacité résiduelle du système à accomplir sa ou ses mission(s).

Au-delà du contexte Renault, la thèse est fondée sur un protocole de recherche de type abductif, basé sur de la généralisation des problématiques
attaquées afin de pouvoir s'appliquer à tous systèmes industriels (et non pas uniquement pour résoudre le cas des machines de production
RENAULT). Ce travail s'inscrit au sein des communautés IFAC, IEEE, CIRP et PHM society (dans lesquelles le CRAN et RENAULT sont
fortement impliqués) à travers par exemple les travaux de (Voisin et al., 2010), (Nguyen, Do and Grall, 2015) et (Rozas et al., 2018). Cependant
ces travaux n'abordent le pronostic dans son couplage avec l'aide à la décision qu'à travers une vision centrée sur les composants et rarement le
système. Ainsi le pronostic fournit un RUL (Remaining Useful Life) qui est exploité par l'aide à la décision de manière séquentielle et linéaire. Le RUL est attachée à "la quantité de temps restant durant laquelle le composant ou système pourra assurer la fonction définie par ses spécifications
en conception" (Zio, 2013). Cette vision bien qu'importante et nécessaire, montre ses limites en exploitation, car la gestion des missions d'un
équipement dépend de sa capacité à produire en conformité, dans une durée impartie et sur une échelle de temps définie. Ainsi pour un même
RUL, deux machines n'auront pas nécessairement la même capacité. Cette vision n'est donc pas suffisante par rapport au contexte Renault puisque
n'abordant pas les aspects qualité produit, caractéristiques process, etc. La plus-value scientifique de la thèse est ainsi de développer des
contributions pour prendre en considération une vision holistique du système de production (Colledani et al., 2014 ; Voisin et al., 2018) et en
adaptant d'une part le concept de potentiel restant principalement utilisé en aéronautique au domaine du manufacturier et ses spécificités et d'autre
part en formalisant le couplage entre le pronostic et aide à la décision.

Par conséquent, l'objectif de la thèse est de proposer une méthodologie d'élaboration du potentiel d'utilisation restant d'un moyen d'usinage (et
plus globalement de production au sens large) pour la prise de décision au plus juste considérant non seulement l'état du moyen, mais également le
produit qu'il réalise. Cette méthodologie se veut générique (portabilité à l'ensemble des moyens des usines du groupe).

Le développement de ce système de pronostic soulève trois défis majeurs en lien avec des solutions PHM :
- Identifier les indicateurs pertinents à pronostiquer supportant la vision de potentiel restant et nécessaires à l'aide à la décision potentiellement
multi-métiers (ex. conduite, maintenance).
- Formaliser les besoins de l'aide à la décision en regard des besoins métiers. Ainsi, plusieurs indicateurs étant à disposition avec leur évolution
future, l'utilisation de plusieurs critères de décision pour un métier donné se doit d'être étudié tant dans la combinaison des critères que dans
l'utilisation de leurs niveaux pouvant impliquer différents scénarii, i.e. des actions de maintenance ou conduite différentes.
- Définir les approches de pronostic les plus pertinentes au regard des indicateurs de santé et pouvant supporter le couplage avec l'aide à la
décision en intégrant dans leur calcul les paramètres des différents scenarii de l'aide à la décision. Proposer une méthode de sélection
d'algorithmes les mieux adaptés.

La thèse vise donc à attaquer ces trois défis pour poursuivre à l'élaboration d'un processus d'ingénierie générique du PHM, initiée par T. Laloix,
en traitant des processus de pronostic et d'aide à la décision. Dans le cadre de la thèse le cas d'application sera de type machine-outil et localisé à
l'usine de Cléon (Normandie) sur une ligne produisant des carters cylindre de moteur. Deux uses cases, l'un basé sur la maintenance et l'autre
basé sur la production, seront définit à partir pour servir à démontrer la plus-value de cette approche.

Vous serez rattaché au département Maintenance du Production Engineering Renault, localisé au Technocentre Renault à Guyancourt. Des
déplacements seront à prévoir sur les sites de production (particulièrement l'usine de Cléon).

Références :
Colledani, M. et al. (2014) 'Design and management of manufacturing systems for production quality', CIRP Annals - Manufacturing Technology,
63(2), pp. 773-796.
Nguyen, K. A., Do, P. and Grall, A. (2015) 'Multi-level predictive maintenance for multi-component systems', Reliability Engineering and
System Safety. Elsevier, 144, pp. 83-94.
Rozas, H. et al. (2018) 'An Approach to Prognosis-Decision-Making for Route Calculation of an Electric Vehicle Considering Stochastic Traffic
Information', PHM Society European Conference, 4(1), pp. 1-9.
Voisin, A. et al. (2010) 'Generic prognosis model for proactive maintenance decision support: Application to pre-industrial e-maintenance test
bed', Journal of Intelligent Manufacturing, 21(2), pp. 177-193.
Voisin, A. et al. (2018) 'Predictive Maintenance and part quality control from joint product-process-machine requirements: application to a
machine tool', Procedia Manufacturing, 16, pp. 147-154.
Zio, E. (2013) Diagnostics and Prognostics of Engineering Systems, Diagnostics and Prognostics of Engineering Systems: Methods and
Techniques.
Mots clés :
PHM, Prognostics, Decision-making, Residual Performance Lifetime, Predictive Maintenance
Département(s) : 
Modélisation Pilotage des Systèmes Industriels