Article

1 - DIAGNOSTIC ET PRONOSTIC FONDÉS SUR LES MÉTHODES HYBRIDES

2 - MÉTHODES HYBRIDES POUR LE DIAGNOSTIC ET LE PRONOSTIC

3 - PRINCIPALES MÉTHODES HYBRIDES

4 - EXEMPLES DE CAS D’APPLICATION

5 - AVANTAGES ET INCONVÉNIENTS DES MÉTHODES HYBRIDES

6 - CONCLUSION

7 - GLOSSAIRE

Article de référence | Réf : MT9135 v1

Méthodes hybrides de diagnostic et de pronostic

Auteur(s) : Gilles ZWINGELSTEIN

Date de publication : 10 janv. 2021

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

RÉSUMÉ

Cet article présente un panorama des principales méthodes hybrides de diagnostic et de pronostic de défaillance mises en œuvre pour la CBM/PHM. Leurs principes reposent sur l’utilisation conjointe de méthodes fondées sur l’expérience, la connaissance, les données et les modèles physiques. Après un rappel de terminologie, leur classification et leurs contenus sont détaillés. Quatre exemples d’applications sont ensuite présentés. L’article conclut sur leurs avantages et leurs inconvénients.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

ABSTRACT

Diagnosis and failure prognosis methods based on hybrid methods

This article provides an overview of the main hybrid methods developed for the  diagnostic and the prognosis of failures in the frame  of  the CBM/PHM. Their principles are based on the joint use of methods based on experience, knowledge, data and physical models. After a reminder of terminology, their classification and content are detailed. Four examples of applications are then presented. The article concludes on their benefits and disadvantages.

Auteur(s)

  • Gilles ZWINGELSTEIN : Ingénieur de l’École nationale supérieure d’électrotechnique, d’électronique, d’informatique et d’hydraulique et des télécommunications de Toulouse (ENSEEIHT), docteur-ingénieur, docteur ès sciences, professeur associé des universités en retraite, université Paris-Est

INTRODUCTION

Pour les exploitants de procédés industriels, la surveillance de l’état de santé de leurs équipements est l’une des préoccupations majeures pour éviter l’indisponibilité de leurs installations. Dans cet objectif, de nombreuses méthodes et outils ont été développés ces dernières décennies pour détecter l’apparition des dégradations, réaliser le diagnostic et estimer la durée de vie restante avant l’apparition de la défaillance (DEFAD, RUL en anglais). La grande majorité d’entre eux reposent exclusivement et uniquement sur l’exploitation de l’expérience et de la connaissance, des données ou des modèles physiques. Cet article présente un état de l’art des méthodes hybrides combinant les avantages des méthodes précédentes pour réaliser le diagnostic et le pronostic de défaillance. Pour éviter toute ambiguïté dans les termes utilisés dans cet article, la première section présente les principales définitions et terminologies proposées par les normes internationales ISO et NF-EN (ISO 13372:2012, ISO 13379-1 ISO 13381-1, ISO 16079-1 et NF EN 13306). La seconde section, après un rappel succinct des enjeux et des étapes principales, présente les principes généraux des méthodes hybrides. Ensuite, un inventaire bref rappelle les caractéristiques principales des méthodes élémentaires fondées sur l’expérience et la connaissance, des méthodes fondées sur les données et des méthodes fondées sur les modèles physiques indispensables à la mise au point des méthodes hybrides. Les différentes méthodes hybrides décrites dans la littérature reposant sur la mise en série ou en parallèle des méthodes élémentaires précédentes, la troisième section présente leur classification en cinq catégories proposées par Linxia Liao. Cette typologie prend en compte : 1) les méthodes fondées sur l’expérience, la connaissance et sur les données, 2) les méthodes fondées sur l’expérience et la connaissance et les modèles fondés sur la physique, 3) les méthodes fondées sur plusieurs traitements de données, 4) les méthodes fondées sur les données et sur les modèles physiques, 5) les méthodes fondées sur l’expérience, la connaissance, les données et sur les modèles physiques.

Pour illustrer la diversité des approches hybrides et leur efficacité, la quatrième section présente quatre études de cas. Le premier cas concerne une méthode hybride utilisant des données et des modèles physiques pour prédire l’érosion d’une vanne à étranglement d’une installation pétrolière sous-marine. Elle met en œuvre une procédure qui utilise un lissage des données par modèles autorégressifs, un réseau de neurones standard et un modèle de fiabilité fondé sur la loi Gamma. Le second cas propose une méthode de prédiction de la fiabilité d’un roulement à billes avec une approche utilisant plusieurs méthodes de traitement de données (analyse en composantes principales, ACP et régression logistique). La fiabilité des batteries lithium-ion jouant un rôle important dans le stockage et la fourniture d’énergie électrique, le troisième cas propose une méthode de prédiction de la capacité de charge d’une batterie au lithium reposant sur des modèles autorégressifs ARMA et des réseaux de neurones. Le dernier cas propose une méthode destinée à modéliser la vitesse de propagation de la fissure sans connaissance des lois de propagation en vue de la prédiction du RUL. Elle utilise une méthode hybride à base d’un modèle de représentation et d’un réseau de neurones. Les performances obtenues avec ces quatre méthodes hybrides illustrent de façon très explicite les difficultés liées à la résolution des problèmes de diagnostic et de pronostic et démontrent que chaque application nécessite la mise en œuvre d’une méthode hybride adaptée. En conclusion, compte tenu du fait qu’il n’existe pas de méthode hybride « miracle », les trois défis majeurs que l’on doit relever pour sélectionner la meilleure approche sont énumérés : recherche de la meilleure méthode hybride en fonction des données et des informations disponibles, conception des mécanismes de fusion entre les sources d’information hétérogènes et les modèles mis en concurrence, et gestion des incertitudes dans la prédiction du RUL.

Cet article est réservé aux abonnés.
Il vous reste 94% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

KEYWORDS

diagnostic   |   methods   |   prognosis   |   RUL

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-mt9135


Cet article fait partie de l’offre

Maintenance

(76 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Maintenance

(76 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - ISO 13372:2012 -   Surveillance et diagnostic de l'état des machines – Vocabulaire,  -  ISO 13372 :2012 (2012).

  • (2) - ISO 13381-1 -   Surveillance et diagnostic des machines – Pronostic – Partie 1 : Lignes directrices générales,  -  ISO 13381-1 (2015).

  • (3) - ISO 16079-1 -   Condition monitoring and diagnostics of wind turbines – Part 1 : General guidelines,  -  ISO 16079-1 (2017).

  • (4) - NF EN 13306 -   Maintenance – Terminologie de la maintenance,  -  NF EN 13306 (2018).

  • (5) - SAXENA (A.), CELAYA (J.), BALABAN (E.), GOEBEL (K.), BHASKAR (S.), SAHA (S.), SCHWABACHER (M.) -   Metrics for evaluating performance of prognostic techniques,  -  2008 International Conference on Prognostics and Health Management, Denver, CO (2008).

  • (6)...

1 Sites Internet

The Prognostics and Health Management Society (PHM Society)

https://www.phmsociety.org/

Site sur les banques de données d’essais roulements de l’université de Cincinatti : NSF I/UCRC on Intelligent Maintenance Systems (IMS)

https://www.iucrc.org/center/nsf-iucrc-intelligent-maintenance-systems

Institut de la maîtrise des risques

https://www.imdr.eu/

FIDES

https://www.fides-reliability.org

CETIM, Centre technique des industries mécaniques

http://www.cetim.fr/

Cœur des matériaux cristallins

https://nte.mines-albi.fr/SciMat/co/SM6uc3-2.html

HAUT DE PAGE

2 Normes et standards

ISO 13372 (2012), Surveillance et diagnostic de l’état des machines – Vocabulaire

ISO13379-1 ((2012)), Condition monitoring and diagnostics of machines – data interpretation and diagnostics techniques – Part 1 : General guidelines

ISO 13381-1 ((2015)), Surveillance et diagnostic des machines – Pronostic – Partie 1 : Lignes directrices générales

ISO 16079-1 ((2017)), Condition monitoring...

Cet article est réservé aux abonnés.
Il vous reste 92% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Maintenance

(76 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS