Contribution au pronostic de défaillances d’un système de production à base d’une approche neuro-flou (ANFIS). Application au système CTA de l’unité SAIDAL.

Abstract

Aujourd’hui reconnu comme un processus clef pour l’amélioration de la sureté de fonctionnement des équipements industriel, le pronostic industriel joue un rôle important dans la diminution des couts de maintenance et les dégâts industriel. Notre mémoire a pour objectif de proposer un système de pronostic au sein de l’entreprise SAIDAL, qui nous a permette de générer les indicateurs utiles à l’optimisation des stratégies de maintenance, et cela à l’aide des données capteurs ou les observations des experts. De plus, notre travail vise à pallier certains problèmes liés au manque de connaissance sur les événements de dégradation des biens, en utilisant le système neuro-flou (ANFIS) comme outil, qui nous a permis de prédire la dégradation d’un bien, à l’aide d’une procédure de sélection des données (entrées) du système prédictif. L’approche est basée sur le principe de l’apprentissage, elle donne la possibilité de déterminer la structure de réseau neuro-flou en regard d’exigences de performance de prédiction. Ce mécanisme d’évaluation de la fiabilité d’un bien est adapté au cas prédictif afin de générer les métriques de pronostic permettant d’optimiser les stratégies de maintenance, notamment, le temps résiduel avant défaillances RUL (Remaining Useful Life).