Maintenance conditionnelle et détection en ligne pour des

systèmes à dégradation graduelle

Antoine GRALL

Université de Technologie de Troyes

ICD - CNRS FRE 2848

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 1 / 30

 Modèles de maintenance
conditionnelle

“Maintenance modelling vs. practice ? (see e.g. Dekker & Scarf,

1998)
• Introduction
Modélisation de la
dégradation

Maintenance et
• Actuellement : politiques classiques bien établies en pratique
dégradation graduelle • Développement de moyens de surveillance et de systèmes de
Maintenance et
détection en ligne
gestion de maintenance
• Besoins d’amélioration des performances de maintenance sous
contraintes de resources (budgétaires, matérielles...)

Intérêt de la maintenance conditionnelle (ou prédictive)

• Nécessité de modèles de performance orientés vers la pratique,

• aide au passage de politiques préventives statiques (et robustes)
vers des politiques de maintenance conditionnelle dynamiques.

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 2 / 30

 Modélisation de la
maintenance

X Évaluation de performances (coût, disponibilité) de politiques

exploitant l’information disponible sur l’état courant du système (ou
• Introduction
des composants) dans le processus de décision de maintenance.
Modélisation de la
dégradation

Maintenance et
• Politiques de maintenance conditionnelle pour des systèmes à
dégradation graduelle détérioration continue
Maintenance et
détection en ligne • Maintenance de systèmes multi-composants sous surveillance
partielle ou imparfaite
• Politiques d’inspections et de maintenance pour des systèmes
de sécurité passifs (inspections partielles, dépendances entre
composants, maintenance imparfaite)

➟ Éléments pour la prise de décision de maintenance et son

optimisation

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 3 / 30

 Étapes de modélisation &
difficultés

X Modélisation des dégradations et de la surveillance

• Prise en compte des incertitudes
• Introduction
Modélisation de la
• Manque fréquent de données de maintenance
dégradation

Maintenance et
dégradation graduelle X Processus de décision de maintenance
• Structure paramétrique prédéfinie ou non
Maintenance et
détection en ligne

• Cadre stationnaire Markovien

• Règles d’inspection

X Construction du modèle de performance

X Optimisation de la maintenance

X Validation du modèle
Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 4 / 30
• Introduction
Modélisation de la
dégradation
• dégradation Modélisation de la dégradation
• exemple
Maintenance et
dégradation graduelle

Maintenance et
détection en ligne

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 5 / 30

 Modélisation de dégradation

«Information de surveillance» ?

• Introduction
Modélisation de la • Grandeurs physiques
dégradation
• dégradation ◦ Température : Gaz d’échappement de turboréacteurs
• exemple
Maintenance et
◦ Géométrie : alignement et écartement de voies ferrées
dégradation graduelle
◦ Érosion : diamètre et nombre de trous d’érosion dans des
Maintenance et
détection en ligne digues
• Indicateurs de performance (nombre de défauts, qualité de
production, . . . )
• État des composants d’un système

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 6 / 30

 Modèle de dégradation

• État du système caractérisé par un indicateur scalaire de niveau

• Introduction
de dégradation
Modélisation de la
dégradation
• dégradation • Indicateur de dégradation monotone croissant
• exemple
Maintenance et
dégradation graduelle • Niveau de dégradation résultant d’une succession de
Maintenance et
détection en ligne
dégradations aléatoires, sans considération d’ordre au cours du
temps

➫ Processus Gamma
(processus de sauts)

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 7 / 30

 Modèle de dégradation

• Défaillances exclusivement consécutives à la détérioration

• Processus de détérioration markovien
• Introduction
état du système
Modélisation de la
Xt
dégradation
• dégradation
zone de défaillance
• exemple
Maintenance et
seuil de
dégradation graduelle
défaillance L
Maintenance et zone opérationnelle
détection en ligne

s de Xt-Xs 
((t-s),)
u n
e ss a t i o
oc d
pr é g r a
d

X 
(s,)
s

0 s t temps

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 8 / 30

 Exemple : acier soumis à
irradiation

X Vieillissement d’un acier sous l’effet de l’irradiation.

• Introduction
Modélisation de la
dégradation X Indicateur : augmentation de la température de transition
• dégradation
• exemple ductile/fragile ∆TT en fonction de la fluence cumulée Φ (irradiation
Maintenance et subie)
dégradation graduelle

Maintenance et
détection en ligne
X Connaissance disponible ➡ Tendance d’évolution en Φδ

Z Processus Gamma «homogène», paramètre de forme αΦδ,

paramètre d’échelle β.

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 9 / 30

 Exemple : acier soumis à
irradiation

Comparaison tole xxxxxx

25
• Introduction
Valeurs mesurees
Modélisation de la Tendance moyenne gamma
dégradation Quantile gamma 97%
• dégradation 20
• exemple
Maintenance et
dégradation graduelle
Delta temp. trans.

15
Maintenance et
détection en ligne

10

0
0 1 2 3 4 5 6 7 8
Fluence
Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 10 / 30
 Exemple : acier soumis à
irradiation

X Disponibilité de données complémentaires relatives à la

composition de l’acier (teneur en différents composants)
• Introduction
➟ Covariables θ ∈ Rp.
Modélisation de la
dégradation
• dégradation

Z Cadre du processus Gamma : paramètre de forme α(θ)Φδ,

• exemple
Maintenance et
dégradation graduelle paramètre d’échelle β(θ).
Maintenance et

E(Xφ1 − Xφ2 ) = α(θ)(φδ δ

détection en ligne

1 − φ 2)β(θ)
var(Xφ1 − Xφ2 ) = α(θ)(φδ δ
1 − φ2)β(θ)
2

Quel niveau de complexité du modèle en fonction des données

disponibles, des objectifs et des capacités d’exploitation ? Contexte
de la prise de décision de maintenance.
Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 11 / 30
• Introduction
Modélisation de la
dégradation
Maintenance et dégradation
Maintenance et
dégradation graduelle
• Généralités
graduelle
• Décision
• Critère
Maintenance et
détection en ligne

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 12 / 30

 Modèle de maintenance

Système soumis à maintenance

• Introduction état observé

du
Modélisation de la en-ligne
système
dégradation

Maintenance et
dégradation graduelle
Maintenance conditionnelle
• Généralités règle de décision :
• Décision état
(action,date)
• Critère
Maintenance et
détection en ligne hors-ligne

Critère d'évaluation Modèle <<dysfonctionnel>>

(coût, disponibilité, sécurité...) du système

(modèle de maintenance)

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 13 / 30

 Surveillance par inspection

Objectif : construction d’un modèle d’aide à la décision en

maintenance
• Introduction
Modélisation de la
dégradation

Maintenance et
Z prise en compte conjointe
dégradation graduelle
• Généralités • de la planification des inspections
• Décision
• Critère
• des décisions d’opération de maintenance
Maintenance et
détection en ligne Z possibilité de différentes opérations de maintenance

➫ Choix d’une stratégie, évaluation et optimisation

Nécessité de développer un modèle de coût

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 14 / 30

 Règle de décision

Méthodologie générale :

• Introduction
• règle de décision à structure paramétrique imposée
Modélisation de la Niveau de Niveau de
dégradation dégradation dégradation

Maintenance et
Remplacement correctif Remplacement correctif
dégradation graduelle L L
• Généralités Remplacement préventif Remplacement préventif
M2 M2
• Décision M1
Réparation partielle Réparation partielle
M1
• Critère 5
Maintenance et 4
détection en ligne y
1

t nombre de périodes avant
durée avant prochaine
prochaine inspection
Ty
inspection

• exploitation des propriétés stochastiques des processus

sous-jacents (propriétés «semi-régénératives»).

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 15 / 30

 Exemple d’évolution

niveau de dégradation Xt début d'opération

fin d'opération

• Introduction remplacement correctif

L
Modélisation de la
dégradation remplacement préventif
Maintenance et M2
dégradation graduelle réparation partielle préventive
• Généralités M1
• Décision
• Critère
inspection

Maintenance et
détection en ligne ξ1

ς
zone de redémarrage

Tn T T T T temps
n+1 n+2 n+3 n+4
cycles de renouvellement Markovien
S Sj+1 Sj+2
j
cycles de renouvellement
Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 16 / 30
 Critère d’évaluation

Choix du coût moyen par unité de temps à long terme :

• Introduction
Modélisation de la
E(Cop (t) + Cind (t))
dégradation
EC∞ = lim
Maintenance et t→∞ t
dégradation graduelle
• Généralités
• Décision
• Critère
Maintenance et
détection en ligne
Z Cop (t) : coût lié aux opérations de
maintenance/inspection

Z Cind (t) : coût d’indisponibilité du système

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 17 / 30

 Modèle de coût

Propriétés semi-régénératives du processus d’évolution du système

maintenu :
• Introduction
Modélisation de la
dégradation
E(C(t)) Eπ(C(T ))
Maintenance et

EC∞ = lim =
dégradation graduelle
• Généralités
t→∞ t Eπ(T )
• Décision
• Critère
Maintenance et
détection en ligne © scénarios sur un cycle de renouvellement markovien

§ détermination de la loi stationnaire de l’état aux instants

d’inspection

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 18 / 30

• Introduction
Modélisation de la
dégradation

Maintenance et Maintenance et détection en ligne

dégradation graduelle

Maintenance et
détection en ligne
• Généralités
• Décision
• Detection
• Isolation
• Évaluation
• Conclusion

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 19 / 30

 Modèle de dégradation

X Identification de différents régimes de dégradation correspondant

• Introduction
à une séparation des covariables en plusieurs classes Θi
Modélisation de la
dégradation

Maintenance et
dégradation graduelle
X Début d’un cycle de vie en régime nominal et changement de
Maintenance et régime possible à un instant donné (régime i si θ ∈ Θi)
détection en ligne
• Généralités
• Décision X Covariable non surveillées directement ➯ nécessité de détection
• Detection
• Isolation de changement sur la base des mesures de dégradation
• Évaluation
• Conclusion

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 20 / 30

 Degradation - Monitoring

X Connaissance parfaite du niveau de dégradation par le biais

• Introduction
d’inspections périodiques
Modélisation de la
dégradation
dates d’inspections : ti = i ∆t
Maintenance et
dégradation graduelle

Maintenance et
détection en ligne
X Actions de maintenance conditionnelle préventives ou correctives
• Généralités
• Décision
• Detection X Processus de dégradation :
• Isolation
• Évaluation 1

1 2,i

• Conclusion Xt = Xt I{t≤T0 } + XT0 + Xt−T0 I{t>T0 ,θ∈Θi }

X Défaillance non auto-déclarative (indisponibilité possible)

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 21 / 30

 Décision de maintenance

Cadre de décision paramétrique :

• Principe du cas mono-régime : replacement (préventif) dès que
le niveau de dégradation dépasse un seuil donné
• Introduction
Modélisation de la • Cas limites ➟ différentes zones de maintenance préventive
dégradation
➲ Régime 1 (nominal) : remplacement préventif à l’instant ti si
Maintenance et
dégradation graduelle
Mnom ≤ Xti < L
Maintenance et
détection en ligne
• Généralités
• Décision
• Detection
• Isolation
• Évaluation
• Conclusion

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 22 / 30

 Décision de maintenance

Cadre de décision paramétrique :

• Principe du cas mono-régime : replacement (préventif) dès que
le niveau de dégradation dépasse un seuil donné
• Introduction
Modélisation de la • Cas limites ➟ différentes zones de maintenance préventive
dégradation
➲ Régime 1 (nominal) : remplacement préventif à l’instant ti si
Maintenance et
dégradation graduelle
Mnom ≤ Xti < L
Maintenance et
➲ Régime 2 (accéléré) : remplacement préventif à l’instant ti if
détection en ligne Mac ≤ Xti < L
• Généralités
• Décision
• Detection
• Isolation
• Évaluation
• Conclusion

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 22 / 30

 Décision de maintenance

Cadre de décision paramétrique :

• Principe du cas mono-régime : replacement (préventif) dès que
le niveau de dégradation dépasse un seuil donné
• Introduction
Modélisation de la • Cas limites ➟ différentes zones de maintenance préventive
dégradation
➲ Régime 1 (nominal) : remplacement préventif à l’instant ti si
Maintenance et
dégradation graduelle
Mnom ≤ Xti < L
Maintenance et
➲ Régime 2 (accéléré) : remplacement préventif à l’instant ti if
détection en ligne Mac ≤ Xti < L
• Généralités
• Décision
• Detection ➲ Mac ≤ Mnom (taux de dégrad. accél. > taux de dégrad. nom. )
• Isolation
• Évaluation
• Conclusion • Détection en ligne de changement de régime à partir des
niveaux de dégradation observés ➫ tdetect .

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 22 / 30

 Décision de maintenance

• Introduction
Modélisation de la
dégradation

Maintenance et
dégradation graduelle

Maintenance et
détection en ligne
• Généralités
• Décision
• Detection
• Isolation
• Évaluation
• Conclusion

Z Xtdetect < Mac : remplacement à l’instant tn t.q.

Xtn−1 < Mac < Xtn
Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 23 / 30
 Décision de maintenance

• Introduction
Modélisation de la
dégradation

Maintenance et
dégradation graduelle

Maintenance et
détection en ligne
• Généralités
• Décision
• Detection
• Isolation
• Évaluation
• Conclusion

Z Mac ≤ Xtdetect ≤ Mnom : remplacement à l’instant tdetect

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 23 / 30

 Décision de maintenance

• Introduction
Modélisation de la
dégradation

Maintenance et
dégradation graduelle

Maintenance et
détection en ligne
• Généralités
• Décision
• Detection
• Isolation
• Évaluation
• Conclusion

Z Mnom ≤ Xtdetect : remplacement à l’instant tn t.q.

Xtn−1 < Mnom < Xtn
Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 23 / 30
 Détection de changement en
ligne
X Règle d’arrêt (type CUSUM) : tdetect = N∆t avec
 n

 fmode 2 (xk∆t)
N = min n ≥ 1, max log ≥ h
• Introduction
1≤k≤n
t=k
fmode 1 (xk∆t)
Modélisation de la
dégradation

Maintenance et
dégradation graduelle
où fmode i = pdf de Γ(αi ∆t, βi ), i = 1, 2.
Maintenance et
détection en ligne X Résultats théoriques asymptotiques : taux de fausse alarme tend
• Généralités
• Décision
vers 0
• Detection ➟ choix du paramètre h dans un cadre Bayesien (π0 loi a priori de
• Isolation
• Évaluation T0) :  ∞
• Conclusion
π0(u)Pr0(N < u)du ≤ a.
0

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 24 / 30

 Détection de changement en
ligne
X Règle d’arrêt (type CUSUM) : tdetect = N∆t avec
 n

 fmode 2 (xk∆t)
N = min n ≥ 1, max log ≥ h
• Introduction
1≤k≤n
t=k
fmode 1 (xk∆t)
Modélisation de la
dégradation

Maintenance et
dégradation graduelle
où fmode i = pdf de Γ(αi ∆t, βi ), i = 1, 2.
Maintenance et
détection en ligne X Résultats théoriques asymptotiques : taux de fausse alarme tend
• Généralités
• Décision
vers 0
• Detection ➟ choix du paramètre h dans un cadre Bayesien (π0 loi a priori de
• Isolation
• Évaluation T0) :  ∞
• Conclusion
π0(u)Pr0(N < u)du ≤ a.
0

X Du point de vue de la maintenance : valeur du paramètre h liée au

coût de maintenance.
Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 24 / 30
 Détection et isolation

X Identification de K différents régimes de dégradation après

• Introduction
changement. Chaque classe Θi dans l’espace des covariables
Modélisation de la
dégradation correspond à des paramètres de dégradation (α2i, β2i).
Maintenance et
dégradation graduelle

Maintenance et X Règle de décision de maintenance :

détection en ligne
• Généralités • Paramètres de maintenance optimisés pour chaque régime de
• Décision
• Detection dégradation identifié.
• Isolation
• Évaluation
• Début de chaque cycle en conditions nominales.
• Conclusion • Si détection de changement : isolation du régime de dégradation
après changement puis adaptation des paramètres de décison
de maintenance.

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 25 / 30

 Détection et isolation

X Pour chaque second mode l possible :

 
∗ l
• Introduction
N (l) = inf N (p)
Modélisation de la p≥1
dégradation

Maintenance et
dégradation graduelle  
Maintenance et avec Nl(p) = inf q ≥ p | min Sq
p(l, j) ≥ hl
détection en ligne 0≤j=l≤K
• Généralités q
• Décision  fl(Yi)
• Detection Sq
p(l, j) = log .
• Isolation
i=p
fj(Yi)
• Évaluation
• Conclusion

X Temps d’arrêt et décision finale :

∗
∗

N = min N (l), 1 ≤ l ≤ K
ν∗ tel que N∗(ν∗) = N∗
Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 26 / 30
 Détection et isolation

X Pour chaque second mode l possible :

 
∗ l
• Introduction
N (l) = inf N (p)
Modélisation de la p≥1
dégradation

Maintenance et
dégradation graduelle  
Maintenance et avec Nl(p) = inf q ≥ p | min Sq
p(l, j) ≥ hl
détection en ligne 0≤j=l≤K
• Généralités q
• Décision  fl(Yi)
• Detection Sq
p(l, j) = log .
• Isolation
i=p
fj(Yi)
• Évaluation
• Conclusion

X Du point de vue de la maintenance : K paramètres hl à déterminer

pour minimiser le coût de maintenance.

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 26 / 30

 Évaluation de la politique de
maintenance

X Coût de maintenance à long terme par unité de temps

E(C(t))
• Introduction C∞ = lim
t→∞ t
Modélisation de la
dégradation

Maintenance et
où
dégradation graduelle C(t) = Ci Ni (t) + Cp Np (t) + Cc Nc (t) + Cu du (t)
Maintenance et
détection en ligne
• Généralités • Ni (t) nombre d’inspections avant t.
• Décision
• Detection
• Np (t) (Nc (t)) nombre de remplacements preventifs (correctifs)
• Isolation avant t.
• Évaluation • du (t) durée d’indisponibilité cumulée du système avant before t.
• Conclusion

X Optimisation de (∆T, Mnom ) and Mac (à régime unique),

X Optimisation des paramètres de détection/isolation h (Simulation

de Monte Carlo).
Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 27 / 30
 Résultats numériques
(détection)

X Optimisation de la détection de changement en fonction du coût de

maintenance
• Introduction
Modélisation de la
dégradation

Maintenance et
dégradation graduelle

Maintenance et
détection en ligne
• Généralités
• Décision
• Detection
• Isolation
• Évaluation
• Conclusion

(Ci = 5, Cp = 50,Cc = 100, and Cu = 250, T0 ∼ E(1/30))

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 28 / 30
 Résultats numériques
(détection)

X Intérêt du développement d’un modèle de dégradation avec prise

en compte de covariables et algorithme de changement de mode ?
• Introduction
Modélisation de la case α2 β2 Mac τ∆t
dégradation
1 2 1 85.6 41.57
Maintenance et
dégradation graduelle 2 1 3 74.6 15.32
Maintenance et 3 2 2 73.7 8.42
détection en ligne
4 1 7 51.6 3.41
• Généralités
• Décision
• Detection
• Isolation case π0 ∼ U(0, 100) π0 ∼ E(1/50) one threshold
• Évaluation
• Conclusion 1 1.97 (0%) 2.00 (-1.5%) 1.97
2 2.11 (4.5%) 2.15 (3%) 2.21
3 2.15 (9%) 2.21 (6%) 2.36
4 2.32 (13%) 2.41 (9.5%) 2.66
Coût de maintenance pour deux distributions de T0.
Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 29 / 30
 Conclusion

X Expérimentation d’une prise en compte de changement de régime

• Introduction
de dégradation
Modélisation de la
dégradation

Maintenance et
dégradation graduelle
X Algorithme de mise à jour en ligne des paramètres de décision
Maintenance et

X Problème d’optimisation complexe (nécessité de calcul du coût

détection en ligne
• Généralités
• Décision par simulation - cas de l’isolation)
• Detection
• Isolation
• Évaluation
• Conclusion
X Quel critère de décision pour choisir entre un modèle à «régime
de dégradation unique» ou à «régimes de dégradation multiple»

Pau - 6 février 2009 Journée SMAI(MAS)-IMdR – 30 / 30