Optimisation de la maintenance préventive avec mise a jour des données

Abstract

Dans ce mémoire, nous nous sommes intéressés à évolution d’un modèle de maintenance qui peut contribuer à l’aide de décision. Ce modèle est la maintenance préventive avec apprentissage, qui a comme but de rendre compte de l’évolution de l’état d’un système et quantifier les coûts et les gains engendrés par cette politique. Nous nous sommes ainsi concentrés sur la formalisation d’une structure de représentation pouvant décrire cette politique. Suite au constat de la nécessité de disposer un modèle mathématique pour évaluer et optimiser cette politique, nous avons proposé l’approche bayésienne qui nous a permis de donner une solution pour notre problème. La démarche bayésienne est l’une des approches qui se base sur les probabilités, et elle combine l’information a priori sur l’information apportée par les données en une information a posteriori. Dans cette application nous avons souligné le fait que le bénéfice économique d’une politique de maintenance est fonction de la quantité d’information disponible mais sa mise en place s’en trouve complexifiée. Les perspectives possibles qui se dégagent de ce travail sont les suivantes. Tout d’abord, nous n’avons pas pris en compte dans notre étude de nombreux facteurs tels que la disponibilité des ressources liées à l’activité de maintenance. Il semble nécessaire de les introduire dans la règle de maintenance. Cependant, l’augmentation de nombre de paramètres de décision et la complexité des critères associés laissent présager une exploitation des difficultés numériques. De plus, l’acquisition des connaissances est complexe. En pratique il est rare que l’information qui concerne l’état du système puisse être mesurée directement.