Sujet de Postdoc
Titre :
Formalisation de la connaissance appliquée au domain de la maintenance prédictive pour une gestion durable des opérations
Dates :
2022/07/03 - 2024/07/02
Encadrant(s) :
Description :
Les questions de durabilité sont aujourd'hui au coeur des débats politiques et universitaires, de même que le rôle central des
organisations industrielles en tant que parties prenantes essentielles du développement durable mondial. Par conséquent, la
fabrication durable est un paradigme nécessaire à la survie à long terme de l'industrie manufacturière, qui doit donner la priorité
à la création de valeur durable, afin de faire face à plusieurs défis, tels que l'épuisement des ressources physiques, des lois et des
règles plus strictes, et la demande des clients pour une meilleure qualité des produits (Eslami, Dassisti, Lezoche, & Panetto,
2019).
Des cycles de vie plus longs des équipements et des performances plus élevées et durables peuvent être obtenus grâce à une
maintenance efficace, ce qui rend cette fonction d'entreprise fondamentale pour la fabrication durable. Les processus de
maintenance ont des impacts non négligeables sur les objectifs de durabilité des entreprises de production qui devraient être
étudiés pour contribuer à la discussion scientifique ainsi que pour sensibiliser les acteurs industriels aux relations entre la
maintenance et la durabilité, et au rôle stratégique que le département de maintenance peut avoir (Franciosi, Voisin, Miranda,
Riemma, & Iung, 2020). Par conséquent, les décisions de maintenance devraient être prises non seulement sur la base de
critères techniques et économiques, mais en considérant de manière synergique l'impact des activités de maintenance sur les
dimensions économiques, environnementales et sociales de la durabilité.
En outre, une condition obligatoire pour une gestion durable des opérations est de faciliter la prise de décision des processus de
l'organisation en s'appuyant sur la collaboration et l'échange et le partage d'informations (Eslami, Ashouri, & Lezoche, 2021). Il
faut donc s'assurer que les informations échangées ont la même signification pour tous les processus concernés (Szejka,
Canciglieri, Panetto, Rocha Loures, & Aubry), ce qui conduit à l'interopérabilité sémantique. L'interopérabilité sémantique
permet de saisir un sens partagé (sémantique) à partir d'informations partagées en s'appuyant sur la formalisation de la
connaissance des processus.
L'utilisation d'une approche d'ingénierie ontologique pour formaliser les connaissances dans la maintenance et permettre la
prise de décision dans la maintenance a été abordée dans la littérature, et la maintenance et la gestion des actifs sont parmi les
processus d'affaires qui peuvent bénéficier de l'application des ontologies (Polenghi, Roda, Macchi, Pozzetti, & Panetto, 2021) :
en effet, les approches basées sur l'ontologie permettent de capitaliser les connaissances et les données et pourraient ensuite
aider les décideurs à identifier les causes des opérations anormales (Medina-Oliva, Voisin, Monnin, & Leger, 2014). De plus,
dans le scénario industriel actuel et futur de l'usine intelligente, c'est-à-dire à forte intensité de connaissances, les ontologies
permettent de (Polenghi, Roda, Macchi & Pozzetti, 2021) :
1. récupérer et répartir correctement les données/informations entre les parties intéressées pour une prise de décision
interfonctionnelle ;
2. fournir un vocabulaire unique et normalisé, évitant les erreurs d'interprétation entre les parties prenantes ;
3. augmenter le contenu de l'information grâce à leurs capacités de raisonnement et d'inférence.
La chaîne de valeur durable peut être créée grâce au potentiel offert par la quatrième révolution industrielle souvent appelée
Industrie 4.0 (Stock, Obenaus, Kunz, & Kohl, 2018), qui par ses technologies permet la collecte et l'élaboration d'un grand
nombre de données issues des différents équipements des usines (Panetto, Iung, Ivanov, Weichhart, & Wang, 2019). Par
exemple, les données générées par les actifs industriels, c'est-à-dire les Cyber Physical Systems, étant contextualisées, génèrent
de l'information, puis une source potentielle de connaissances qui doivent être extraites, formalisées, puis potentiellement
réutilisées (Lezoche M., mémoire HDR, 2021). Par conséquent, la grande quantité de données collectées par ces systèmes
contient des informations précieuses sur les processus industriels, qui, en appliquant des approches basées sur les données ou
des méthodes d'apprentissage automatique, il est possible de trouver des résultats interprétatifs pour la prise de décision
stratégique de maintenance prédictive (Carvalho, Soares, Vita, Francisco, Basto, & Alcalá, 2019). Pour toutes ces raisons, en
combinant la collecte de données à travers les technologies I4.0, les techniques d'intelligence artificielle et la formalisation des
connaissances, il est possible de réaliser des stratégies de maintenance prédictive pour la fabrication intelligente durable.
De manière cohérente avec le contexte du projet, ce que nous proposons dans cette étude est d'acquérir des connaissances
concernant :
- Les méthodes d'ingénierie ontologique visant à développer une approche adéquate basée sur l'ontologie et adaptée aux
applications industrielles ;
- La gestion de la santé des actifs et les stratégies de maintenance prédictive ;
- Les impacts de la maintenance sur la performance durable (c'est-à-dire économique, environnementale et sociale) des
entreprises manufacturières.
Les questions de recherche (RQs) auxquelles ce projet vise à répondre sont :
- RQ1 : Comment les connaissances sont-elles modélisées dans le domaine de la maintenance prédictive ?
- RQ2 : Quels sont les ontologies/graphes de connaissances existants dans le domaine de la maintenance prédictive dans le
contexte de la fabrication et les facteurs/indicateurs de durabilité sont-ils pris en compte pour prendre des décisions durables
dans les processus de production ?
- RQ3 : Quelles sont les relations entre les processus de maintenance, les pratiques de gestion des actifs et leurs impacts sur les
dimensions économiques, environnementales et sociales de la durabilité ?
- RQ4 : Comment ces relations peuvent-elles être prises en compte dans les ontologies existantes ?
- RQ5 : Comment adopter correctement une méthode d'ingénierie ontologique pour développer une approche de maintenance
enrichie en connaissances pour la gestion des opérations durables ?
organisations industrielles en tant que parties prenantes essentielles du développement durable mondial. Par conséquent, la
fabrication durable est un paradigme nécessaire à la survie à long terme de l'industrie manufacturière, qui doit donner la priorité
à la création de valeur durable, afin de faire face à plusieurs défis, tels que l'épuisement des ressources physiques, des lois et des
règles plus strictes, et la demande des clients pour une meilleure qualité des produits (Eslami, Dassisti, Lezoche, & Panetto,
2019).
Des cycles de vie plus longs des équipements et des performances plus élevées et durables peuvent être obtenus grâce à une
maintenance efficace, ce qui rend cette fonction d'entreprise fondamentale pour la fabrication durable. Les processus de
maintenance ont des impacts non négligeables sur les objectifs de durabilité des entreprises de production qui devraient être
étudiés pour contribuer à la discussion scientifique ainsi que pour sensibiliser les acteurs industriels aux relations entre la
maintenance et la durabilité, et au rôle stratégique que le département de maintenance peut avoir (Franciosi, Voisin, Miranda,
Riemma, & Iung, 2020). Par conséquent, les décisions de maintenance devraient être prises non seulement sur la base de
critères techniques et économiques, mais en considérant de manière synergique l'impact des activités de maintenance sur les
dimensions économiques, environnementales et sociales de la durabilité.
En outre, une condition obligatoire pour une gestion durable des opérations est de faciliter la prise de décision des processus de
l'organisation en s'appuyant sur la collaboration et l'échange et le partage d'informations (Eslami, Ashouri, & Lezoche, 2021). Il
faut donc s'assurer que les informations échangées ont la même signification pour tous les processus concernés (Szejka,
Canciglieri, Panetto, Rocha Loures, & Aubry), ce qui conduit à l'interopérabilité sémantique. L'interopérabilité sémantique
permet de saisir un sens partagé (sémantique) à partir d'informations partagées en s'appuyant sur la formalisation de la
connaissance des processus.
L'utilisation d'une approche d'ingénierie ontologique pour formaliser les connaissances dans la maintenance et permettre la
prise de décision dans la maintenance a été abordée dans la littérature, et la maintenance et la gestion des actifs sont parmi les
processus d'affaires qui peuvent bénéficier de l'application des ontologies (Polenghi, Roda, Macchi, Pozzetti, & Panetto, 2021) :
en effet, les approches basées sur l'ontologie permettent de capitaliser les connaissances et les données et pourraient ensuite
aider les décideurs à identifier les causes des opérations anormales (Medina-Oliva, Voisin, Monnin, & Leger, 2014). De plus,
dans le scénario industriel actuel et futur de l'usine intelligente, c'est-à-dire à forte intensité de connaissances, les ontologies
permettent de (Polenghi, Roda, Macchi & Pozzetti, 2021) :
1. récupérer et répartir correctement les données/informations entre les parties intéressées pour une prise de décision
interfonctionnelle ;
2. fournir un vocabulaire unique et normalisé, évitant les erreurs d'interprétation entre les parties prenantes ;
3. augmenter le contenu de l'information grâce à leurs capacités de raisonnement et d'inférence.
La chaîne de valeur durable peut être créée grâce au potentiel offert par la quatrième révolution industrielle souvent appelée
Industrie 4.0 (Stock, Obenaus, Kunz, & Kohl, 2018), qui par ses technologies permet la collecte et l'élaboration d'un grand
nombre de données issues des différents équipements des usines (Panetto, Iung, Ivanov, Weichhart, & Wang, 2019). Par
exemple, les données générées par les actifs industriels, c'est-à-dire les Cyber Physical Systems, étant contextualisées, génèrent
de l'information, puis une source potentielle de connaissances qui doivent être extraites, formalisées, puis potentiellement
réutilisées (Lezoche M., mémoire HDR, 2021). Par conséquent, la grande quantité de données collectées par ces systèmes
contient des informations précieuses sur les processus industriels, qui, en appliquant des approches basées sur les données ou
des méthodes d'apprentissage automatique, il est possible de trouver des résultats interprétatifs pour la prise de décision
stratégique de maintenance prédictive (Carvalho, Soares, Vita, Francisco, Basto, & Alcalá, 2019). Pour toutes ces raisons, en
combinant la collecte de données à travers les technologies I4.0, les techniques d'intelligence artificielle et la formalisation des
connaissances, il est possible de réaliser des stratégies de maintenance prédictive pour la fabrication intelligente durable.
De manière cohérente avec le contexte du projet, ce que nous proposons dans cette étude est d'acquérir des connaissances
concernant :
- Les méthodes d'ingénierie ontologique visant à développer une approche adéquate basée sur l'ontologie et adaptée aux
applications industrielles ;
- La gestion de la santé des actifs et les stratégies de maintenance prédictive ;
- Les impacts de la maintenance sur la performance durable (c'est-à-dire économique, environnementale et sociale) des
entreprises manufacturières.
Les questions de recherche (RQs) auxquelles ce projet vise à répondre sont :
- RQ1 : Comment les connaissances sont-elles modélisées dans le domaine de la maintenance prédictive ?
- RQ2 : Quels sont les ontologies/graphes de connaissances existants dans le domaine de la maintenance prédictive dans le
contexte de la fabrication et les facteurs/indicateurs de durabilité sont-ils pris en compte pour prendre des décisions durables
dans les processus de production ?
- RQ3 : Quelles sont les relations entre les processus de maintenance, les pratiques de gestion des actifs et leurs impacts sur les
dimensions économiques, environnementales et sociales de la durabilité ?
- RQ4 : Comment ces relations peuvent-elles être prises en compte dans les ontologies existantes ?
- RQ5 : Comment adopter correctement une méthode d'ingénierie ontologique pour développer une approche de maintenance
enrichie en connaissances pour la gestion des opérations durables ?
Mots clés :
Formalisation des connaissances, ingénierie ontologique, maintenance prédictive, fabrication durable
Conditions :
La durée du contrat est de 24 mois
L'employeur est le CNRS et le lieu d'emploi est le laboratoire CRAN pour le 80% du temps et l'entreprise Vosges Immobilier
Entreprendre pour le restant 20%.
La rémunération sera de 2100 euros net par mois.
Le profil attendu est d'un chercheur qui connait et pratique les domaines de recherche suivants :
- Ingénierie des Ontologies
- Formalisation de la connaissance
- Analyse formelle des concepts
- Ingénierie et gestion de la maintenance
- Maintenance prédictive
- Fabrication durable et économie circulaire
- Industrie 4.0 et technologies intelligentes
- Techniques d'intelligence artificielle appliquées à des scénarios industriels
- Jumeau numérique et systèmes cyber-physiques
- Facteurs humains et fiabilité humaine dans les systèmes de fabrication
L'employeur est le CNRS et le lieu d'emploi est le laboratoire CRAN pour le 80% du temps et l'entreprise Vosges Immobilier
Entreprendre pour le restant 20%.
La rémunération sera de 2100 euros net par mois.
Le profil attendu est d'un chercheur qui connait et pratique les domaines de recherche suivants :
- Ingénierie des Ontologies
- Formalisation de la connaissance
- Analyse formelle des concepts
- Ingénierie et gestion de la maintenance
- Maintenance prédictive
- Fabrication durable et économie circulaire
- Industrie 4.0 et technologies intelligentes
- Techniques d'intelligence artificielle appliquées à des scénarios industriels
- Jumeau numérique et systèmes cyber-physiques
- Facteurs humains et fiabilité humaine dans les systèmes de fabrication
Département(s) :
| Ingénierie des Systèmes Eco-Techniques |
Financement :
Le financement est issu du dispositif France Relance
Publications :
