"Optimisation de la maintenance basée sur l'intelligence artificielle pour des systèmes à dépendances multiples"
(Thèse Van Thai NGUYEN)
Résumé :
Le maintien en condition opérationnel de systèmes industriels reste un challenge important en regard des dépendances multiples entre composants (ex. dépendance économique, stochastique et structurelle) et du grand nombre de variables de décision en maintenance à optimiser.
Pour faire face à ce défi, cette thèse vise à proposer une approche d'optimisation de la maintenance basée sur l'intelligence artificielle permettant de prendre en compte différents types de dépendances entre composants. En particulier, l'approche de maintenance proposée intègre un modèle de prédiction basé sur des réseaux des neurones, pour l'estimation des coûts de maintenance au niveau du système sans avoir besoin des coûts individuels au niveau des composants, dans le cadre de l'apprentissage par renforcement profond multi-agents, qui peut être appliqué à la décision séquentielle de grande échelle, afin d'optimiser les décisions en maintenance. En outre, un nouveau modèle de dépendance d'états entre composants est également développé et ensuite intégré dans l'approche de maintenance proposée. De nombreux études numériques sont menées sur des systèmes avec différentes configurations sous différents scénarios d'observabilité pour étudier la performance et les avantages ainsi que des limites de l'approche de maintenance proposée.
Mots clés : Décision en maintenance, dépendance, systèmes à composants multiples, intelligence artificielle, apprentissage par renforcement profond, systèmes multi-agents.
Jury : | |
- Rapporteurs : | Anne BARROS (CentraleSupelec) |
Chi-Guhn LEE (Uniniversity of Toronto) | |
- Autres membres : | Examinateurs: -Antoine GRALL (Université de technologie de Troyes) -TP Khanh NGUYEN, (Université de Toulouse) -Phuc DO, (Université de Lorraine - Directeur de thèse) -Alexandre VOISIN (Université de Lorraine - Co-encadrement) |