Pascal VRIGNAT
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
REMERCIEMENTS
Je tiens tout dabord remercier Monsieur Frdric KRATZ Professeur des Universits, quipe LVR, davoir
accept dencadrer ce sujet et de mavoir permis de prsenter mon travail. Merci aussi Monsieur Manuel
AVILA enseignant chercheur du LVR pour ses conseils de recherche et de rdaction, ainsi qu Monsieur
Florent DUCULTY et Monsieur Stphane BEGOT enseignants chercheurs du LVR pour leurs conseils. Je suis
galement particulirement reconnaissant Monsieur Christian ETIENNE et Monsieur Jean-Christophe
BARDET enseignants chercheurs du LVR de mavoir soutenu dans ma dmarche. Enfin, jai beaucoup apprci
de travailler avec Monsieur Herv LEGAGNEUX (Responsable technique Harrys France S.A.S /
MONTIERCHAUME) sur cette problmatique applique un sujet sensible pour la socit, et je len remercie.
Pascal Vrignat
2/67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
3/67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
4/67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
5/67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Glossaire
Acceptable : Qualifie un vnement jug
acceptable au regard d'objectifs de sret de
fonctionnement.
Terme anglais : "Acceptable"
Accident : Evnement ayant des consquences
catastrophiques ou susceptible d'en avoir. Dans le
nuclaire, l'accident est dfini comme l'vnement
pouvant entraner l'endommagement d'une ou
plusieurs barrires et donc conduire un
relchement de produits radioactifs et demandant la
mise en service de systmes de protection.
Terme anglais : "Accident"
Amlioration de la sret de fonctionnement :
Procd intentionnellement destin produire une
croissance d'une caractristique de la sret de
fonctionnement
(disponibilit,
fiabilit,
maintenabilit, scurit, etc. ) en vue d'atteindre des
objectifs spcifis par limination de dfaillance ou
rduction de leur probabilit d'occurrence.
Terme anglais : "Dependability Improvement"
Analyse d'un systme : Processus orient vers
l'acquisition, l'investigation et le traitement
ordonns d'informations spcifiques au systme et
pertinentes vis --vis d'une dcision ou d'un objectif
donn. Ce processus conduit l'obtention d'un
modle et, ventuellement, son valuation
quantitative.
Terme anglais : "System Analysis"
Analyse de criticit de dfaillance : Analyse ayant
pour objet d'valuer le couple gravit/probabilit
associ une dfaillance.
Terme anglais : "Criticality Analysis"
Analyse des modes de dfaillance et de leurs
effets (AMDE) : Mthode d'analyse quantitative
d'un systme ayant pour objet d'identifier les modes
de dfaillance des composants du systme, leurs
causes et leurs effets.
Terme anglais : "Failure Modes and Effects
Analysis" (FMEA)
Analyse des modes de dfaillance, de leurs effets
et de leur criticit (AMDEC) : Mthode d'analyse
d'un systme qui comprend une analyse des modes
de dfaillance et de leurs effets, complte par une
analyse de criticit des modes de dfaillance.
Terme anglais : "Failure Modes, Effects and
Criticality Analysis" (FMECA)
Analyse prliminaire des risques : Analyse ayant
pour objet d'identifier et d'valuer des risques
(conomiques, humains...) lis l'utilisation d'un
systme, et ce de manire prliminaire l'utilisation
de mthodes d'analyse plus prcises.
Terme anglais : "Preliminary Hazard Analysis
(PHA)" ;"Preliminary Risks Analysis"
A sret intgre : Qualifie une entit qui est
conue en vue d'viter que ses dfaillances
n'entranent des consquences critiques ou
Pascal Vrignat
6/67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
7/67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
8/67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
9/67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
10/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
11/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Il nen demeure pas moins que de nombreux problmes existent sur les modles doptimisation de la
maintenance. Les plus frquemment rencontrs sont :
la collecte et lanalyse des donnes,
le problme de rsolution numrique,
la modlisation de la dfaillance,
la comprhension et linterprtation difficile des modles pour les techniciens de maintenance
et de production,
lcriture en langage mathmatique,
la confidentialit des informations dtenues par les entreprises pour des raisons de
concurrence.
Il nexiste pas de modle gnrique doptimisation de la maintenance ; lessentiel est dindiquer la
meilleure dcision prendre et dobtenir les informations sur la disponibilit. Les perspectives davenir pour les
modles doptimisation de la maintenance sont intressantes pour deux raisons essentielles :
la pousse technologique et la ncessit conomique,
laugmentation du capital dinvestis sement.
En gnral les modles auront donc pour mission dvaluer les consquences conomiques des
dcisions prises.
Parmi lensemble des mthodes de diagnostic et de dtection, deux approches ressortent
rgulirement: la premire est une approche dterministe ou dite classique, la deuxime est une approche
probabiliste.
Ces raisonnements et mthodes mathmatiques impliquent souvent des travaux complexes. Ils
aboutissent galement et rgulirement des plans daction. Nanmoins, la dcision finale est choisie par le
financier lorsquil analyse par exemple des tableaux synthtiques et trs pragmatiques comme peut lvoquer
le Tableau 1.
Machines
SP1
SQ1
Nb arrts
14
8
Dure cumule
Disponibilit
des arrts- Disponibilit 1
depuis le
1/100H
an glissant
1/1/2006
98
98
97,02
54
96
95,4
% Objectif
98,2
96,8
Pnalit
43 000
28 500
Pascal Vrignat
12/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
1.1
Le Laboratoire Vision et Robotique (LVR) est une Unit Propre de Recherche de l'Enseignement
Suprieur cre en 1988 et qui regroupe aujourd'hui une cinquantaine de membres dont trente permanents. Ses
thmatiques se situent dans les domaines de la Recherche Mthodologique et de la Recherche Applique.
Elles concernent :
la Robotique, thmatique fdratrice, dans plusieurs de ses aspects (conception, perception,
contrle-commande),
le Traitement du Signal et de l'Image pour leur interprtation et l'imagerie mdicale,
l'Automatique en terme d'outils pour :
o l'observation et la commande,
o la surveillance, le diagnostic et la dtection de dfaut.
Les domaines d'activits concerns sont :
le gnie bio mdical,
le gnie des procds,
l'environnement,
l'automobile...
La finalit du LVR est de dvelopper de nouvelles connaissances dans ces domaines et de favoriser
leurs applications dans le monde industriel. Le couplage Recherche - Industrie constitue un des lments moteur
du laboratoire.
Le LVR est un laboratoire commun l'Universit d'Orlans et l'Ecole Nationale Suprieure
d'Ingnieurs (ENSI) de Bourges.
Ses activits sont ainsi menes par les enseignants -chercheurs affects l'Universit d'Orlans (aux IUT
de Bourges, Chteauroux et Orlans, ainsi qu' Polytech'Orlans) et par les enseignants -chercheurs affects
l'ENSI de Bourges.
Les activits de recherche du LVR se partagent entre trois quipes :
Robotique :
o robotique autonome, mobile ou tlopre,
o perception de l'environnement,
o conception et commande de robots,
o chanes de tlopration (projet OTELO) et de tlprsence,
o micro robotique;
Automatique :
o commande et diagnostic de systmes, avec un domaine d'application privilgi portant sur les :
systmes en dimension infinie,
Systmes Dynamiques Hybrides.
Pascal Vrignat
13/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
CHAPITRE 1
2 Dfinition de la maintenance
Les normes NF X 60-010 et 60-011 dfinissent la maintenance comme lensemble des actions permettant
de maintenir ou de rtablir un bien dans un tat spcifi ou en mesure dassurer un service dtermin.
Retour et al. [1] prsentent la fonction maintenance comme un ensemble dactivits regroupes en deux
sous-ensembles : les activits dominante technique et les activits dominante gestion (voir Figure 2)
Pascal Vrignat
14/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Selon la dfinition propose par lAssociation Franaise dIngnierie Systme (AFIS) - www.afis.fr.
Pascal Vrignat
15/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
4 Evolution de la discipline
4.1 La sret de fonctionnement
La sret de fonctionnement est appele la science des dfaillances . Dautres dsignations existent
suivant les domaines dapplications : analyse de risque (exemple : milieu ptrolier), cyndinique (science du
danger), FMDS 2 , en anglais RAMS3 . Elle se caractrise la fois par les tudes structurelles statiques et
dynamiques des systmes, du point de vue prvisionnel mais aussi oprationnel et exprimental (essais,
accidents), en tenant comp te des aspects probabilistes et des consquences induites par les dfaillances
techniques et humaines. Cette discipline intervient non seulement au niveau des systmes dj construits mais
aussi au niveau conceptuel pour la ralisation des systmes.
Introduite en 1962 pour traduire le terme anglais reliability, la fiabilit est la probabilit de nondfaillance dun quipement sur un intervalle de temps donn (du latin fidare : faire confiance, fidus : fidle et
du latin mdival fiablete ce qui est digne de confiance). La disponibilit se dfinit par la probabilit dtre en
tat daccomplir sa fonction un instant donn. Anglicisme introduit vers 1965, la maintenabilit est laptitude
dun systme tre maintenu en tat. Elle correspond la probabilit que la remise en tat dune entit en panne
soit effectue dans un intervalle de temps .
Les mots sret et scurit ont en fait la mme racine tymologique (latin securus : sr). La scurit,
en particulier en France, implique actuellement les aspects rglementaires de la scurit des personnes. Cest
ainsi que les comits hygine et scurit ont vu leur apparition dans les tablissements commerciaux et
industriels. Le terme sret est plutt utilis par les techniciens pour la conception ou lexploitation de biens et
de services pour qualifier la fiabilit et la disponibilit du fonctionnement des installations [6].
2
3
Pascal Vrignat
16/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
La sret de fonctionnement sest dveloppe principalement au cours du 20me sicle pour tre
actuellement un domaine incontournable pour les industries risques mais aussi, de plus en plus, pour toute
lindustrie, en raison de sa corrlation avec la notion de qualit, les problmes ergonomiques (relation hommemachine) et limpact sur lenvironnement. Jusquavant la seconde guerre mondiale, la sret de fonctionnement
est demeure plus un art empirique quune science exacte.
(1)
Rappelons que la dure de vie dun systme est une mesure de la quantit de service rendu. Selon le
systme tudi, elle sexprime en terme de temps, de kilomtres, ou autre.
Le fait que la dfaillance dun systme puisse survenir nimporte quel moment nous amne
considrer cette grandeur comme une variable alatoire laquelle nous pouvons associer une fonction de densit
de probabilit f(t). Il importe de rappeler que f(t).dt est la probabilit que la dure de vie dun systme soit
comprise entre t et t + dt, ou encore la probabilit quil tombe en panne entre t et t + dt (Figure 6 : La fonction
densit de dure de vie).
f(t). dt = P { t < dure de vie du systme < t + dt }
(2)
Il est souvent difficile de caractriser la dfaillance dun systme. Nous convenons dans ce qui suit quun
systme est considr dfaillant ou hors dusage sil nest pas en mesure de raliser la fonction pour laquelle il a
t conu. Pour certains systmes, nous parlons de dfaillance lorsque les grandeurs caractristiques voluent en
dehors de certaines limites de fonctionnement tablies auparavant. Cette seconde dfinition sera exploite
lorsque nous introduisons les concepts de maintenance conditionnelle. Nous dsignons par F(t), la fonction de
rpartition ou la fonction de distribution associe aux dures de vie. F(t) peut sinterprter comme la probabilit
que le systme fonctionne encore linstant t
F(t) = P { dure de vie du systme
Pascal Vrignat
t}
(3)
17/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Nous supposons quen tout temps, le systme est soit en opration ou hors dusage, il sensuit que :
t > 0
R(t) + F(t) = 1
(4)
Lapplication des proprits de la fonction logarithme nprien et de calcul intgral conduit aux relations :
d (ln( u )) =
du
du
du
= ln( u ) u = exp
u
u
u
(t ) =
t
R' (t )
d [ln( R (t ))]
=
R (t )
dt
(5)
(6)
(7)
Comme nous mesurons la fiabilit partir de t=0 (condition initiale du systme), il est vident que R(0)=1
(pas de dfaillance t=0), do les relations entre F(t), R(t), f(t) et (t) dfinies dans le Tableau 2.
La dfaillance dun quipement peut tre caractrise par un taux () appel taux de panne. Ce taux est
aussi appel taux de dfaillance, taux de hasard ou taux de mortalit. Il est dfini comme tant la probabilit
conditionnelle que lquipement tombe en panne entre linstant t et t + t sachant quil a survcu jusqu' linstant
t. Il peut aussi tre dfini comme la proportion de composants ayant survcu jusqu linstant t (quation 8). Il
reprsente galement la vitesse darrive de la panne [10].
(t ) =
Pascal Vrignat
N (t) N (t + t )
N ( t) t
(8)
18/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Avec :
Pendant la dure de vie dune entit, on constate que son taux de dfaillance volue au cours du temps.
Aprs la premire mise en service, sur une priode appele priode de jeunesse, le taux de dfaillance est lev
puis a tendance dcrotre. Cela correspond la priode de rodage des systmes mcaniques ou au
dverminage de cartes lectroniques. Ensuite le taux de dfaillance de la majorit des entits est caractris
par une valeur constante, ce qui signifie que la probabilit dune dfaillance est identique pour chaque instant
considr. Cest la priode de dfaillance taux constant. Ensuite, en raison du vieillissement des matriaux,
des composants ou de leur usure, on observe gnralement un taux de dfaillance qui se met crotre de faon
significative. Cette priode de la vie de lentit est appele la priode de vieillissement ou dusure. Cette
volution est connue sous le nom de courbe en baignoire comme le montre la Figure 7.
La distribution de Weibull est la plus utilise pour modliser la fonction de fiabilit R(t) dun
composant ou dune machine. En effet, elle permet de modliser lvolution du taux de dfaillance (t) (8), lors
des trois priodes de sa vie : jeunesse, exploitation et vieillesse (Figure 7) :
(9)
avec paramtre de forme, paramtre dchelle, paramtre de dcalage
Pour ces 3 zones temporelles (Jeunesse, Vie active, Vieillissement), nous pouvons associer des causes et des
remdes [12] (voir Tableau 3).
Pascal Vrignat
19/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Selon le type de produit (lectronique, informatique ou mcanique), lallure de la courbe peut changer.
Lewis (1987) [13] prsente plusieurs types de courbes en baignoire (Voir Figure 8).
Vlok et al. [46] utilisent ainsi un modle Weibull PHM ou modle de rgression Weibull (10) pour modifier
dynamiquement le taux de dfaillance de moteurs partir dun vecteur dusure z(t) :
(10)
(11)
Laptitude contraire est appele indisponibilit et est dfinie par (quation 12) :
4
Une variable exogne exerce une influence sur une autre variable ou alors en explique les variations. Elle est dtermine en dehors du
systme tudi.
Pascal Vrignat
20/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
A = 1 - A(t)
(12)
Attention : la disponibilit A(t) est une grandeur instantane. Lentit peut donc avoir subi une panne
puis une rparation avant linstant t, contrairement la fiabilit R(t) qui est une grandeur mesure sur une dure
(intervalle [0, t]). La confusion entre disponibilit et fiabilit est due au fait que ces deux concepts sont
quivalents quand le systme est non rparable.
Linterprtation physique est illustre sur la Figure 9 : Disponibilit en fonction du temps t o sont
reprsents les cas dentits disponibles et non disponibles linstant t = 0.
le TMD ou dure de bon fonctionnement aprs rparation, ou MUT : dure moyenne de fonctionnement
aprs la rparation et la dfaillance suivante ;
le TMI ou dure moyenne dindisponibilit, ou MDT : dure moyenne entre une dfaillance et la remise
en tat suivante ;
la dure moyenne entre dfaillance note MTBF : dure moyenne entre deux dfaillances conscutives
de lentit. En gnral, on a la relation :
MTBF = MUT + MDT
(13)
Remarque : ces trois notions sont indpendantes des considrations initiales sur les tats des entits.
La Figure 10 fournit les reprsentations graphiques de ces dfinitions en fonction du temps.
Pascal Vrignat
21/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
A =
MUT
MTBF
(14)
5 Concepts et terminologie
5.1 Systme et composants
Un processus assure la fabrication dun produit ou fournit un service (Exemples : une raffinerie produit
des produits ptroliers labors, une centrale lectrique produit du courant lectrique, un avion sert aux
transports des biens ou des personnes, un ordinateur rpond des services de calculs scientifiques, de gestion,
de multi-mdia). Un processus industriel est une installation complexe assumant un objectif fonctionnel de haut
niveau (production de bien ou de service). Pour assurer ces objectifs fonctionnels de haut niveau, le processus
fait appel un ensemble de systmes interconnects (voir Figure 11). Chaque systme assure une ou plusieurs
fonction(s) bien dfinie(s).
Les systmes peuvent tre dcomposs en sous-systmes assumant leur tour gnralement un seul
objectif fonctionnel. Ltape suivante concerne la dcomposition des systmes ou sous-systmes en composants
ou matriels bien dtermins. Dans la suite de ce document, les termes composants ou matriels seront utiliss
de faon quivalente. A titre dillustration, des moteurs lectriques, des moteurs diesels, des vannes, des
pompes ou des units centrales dordinateurs sont des composants ou des matriels bien identifis. Selon les
spcificits des secteurs industriels concerns, les mthodes de description des lments constitutifs dun
procd industriel font appel des dcoupages matriels qui prennent en compte la morphologie physique des
matriels par un descriptif mettant en oeuvre la notion, par exemple, de matriels, composants, pices
lmentaires. Dans le cas dune description fonctionnelle, on sattache dcrire le procd laide dentits
fonctionnelles telles que des groupements fonctionnels, ensembles fonctionnels, sous-ensembles fonctionnels...
La lecture attentive des normes concernant la qualit, la maintenance, la maintenabilit 5 , la maintenance intgre
la conception, le SLI 6 , la TPM 7 font appel une telle varit de termes quil est souvent difficile de dialoguer
mme entre spcialistes. En effet, suivant les cultures de maintenance rencontres dans les diffrents pays
industrialiss (Europe, tats-Unis, Canada, Japon, Core, Russie) les termes utiliss possdent un sens et un
contenu diffrents.
Les mthodes de description des procds industriels complexes sont multiples, dpendent de la finalit
recherche et utilisent des vocabulaires spcifiques normaliss, tout au moins en France (normes AFNOR cf.
[Doc. R 8 250]).
Les mthodes fonctionnelles utilisent des formalismes ou des arborescences bases sur des fonctions
principales, secondaires, externes et redondantes permettant de comprendre le fonctionnement sans se
proccuper des ralisations matrielles. Ce sont ces mthodes qui sont lheure actuelle appliques par les
concepteurs et les quipes charges des tudes de sret de fonctionnement.
Les dfinitions qui suivent aideront le lecteur comprendre les subtilits des terminologies utilises
pour des dcompositions matrielles et fonctionnelles.
Suivant la norme AFNOR cest : dans les conditions donnes dutilisation, laptitude dune entit tre maintenue ou rtablie, sur un
intervalle de temps donn, dans un tat dans lequel elle peut accomplir une fonction requise, lorsque la maintenance est accomplie dans des
conditions donnes, avec des procdures et des moyens prescrits .
6
Soutien Logistique Intgre
7
Productive Totale Productive Maintenance
Pascal Vrignat
22/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
10
Pascal Vrignat
23/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Une dfaillance est laltration ou la cessation de laptitude dun ensemble accomplir sa ou ses
fonction(s) requise(s) avec les performances dfinies dans les spcifications techniques . Lensemble est
indisponible suite la dfaillance. La cessation de laptitude conduit lentit tre dans un tat appel panne.
Un ensemble est dfaillant si ses capacits fonctionnelles sont interrompues (panne ou arrt volontaire
par action dun systme interne de protection ou une procdure manuelle quivalente). Dans le cas dune
dgradation sans perte totale de la fonction, on considre quil sagit dune dfaillance si sa performance tombe
au dessous dun seuil dfini, lorsquun tel seuil minimal est contenu dans les spcifications fonctionnelles du
matriel.
Il sensuit quun ensemble est dfaillant sil est considr ou dclar incapable dassurer les fonctions
requises par lexploitant utilisant des critres fonctionnels simp les. Toute tude de fiabilit implique
lacceptation de deux tats totalement exclusifs : le fonctionnement normal et le fonctionnement dfaillant. Les
passages dun tat de fonctionnement normal un tat dfaillant pouvant se manifester en fonction du temps de
12
13
Pascal Vrignat
24/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
manire progressive, soudaine ou de faon alatoire, la fiabilit ne connat pas la notion de dfaillance partielle
ou progressive. La Figure 14 reprsente trois cas conduisant tous une dfaillance.
5.4.2
Une tude de sret de fonctionnement passe ncessairement par une analyse exhaustive des diffrentes
phases de fonctionnement faisant appel des termes prcis tels que missions et fonctions assures par un bien. Il
est particulirement indispensable de dfinir les notions de fonction et de mission. Ces dfinitions sont, en effet,
trs variables dun secteur dactivit un autre ou dun pays un autre. Les missions et fonctions dune entit
dcoulent directement de la dfinition et de la spcification de ses exigences oprationnelles :
5.4.2.1
Missions
Le profil de la mission dune entit se dcompose en plusieurs phases distinctes dans lesquelles il est
indispensable pour chacune dentre elles de disposer dun ensemble de fonctions bien dfinies. Par exemple : une
des missions de la navette spatiale amricaine est de mettre en orbite des satellites. Les phases de la mission qui
doivent tre ralises par la navette, une fois mise en orbite, sont reprsentes sur la Figure 15. La mission sera
considre comme remplie si toutes les phases se droulent conformment aux spcifications.
Pascal Vrignat
25/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
5.4.2.2
Fonctions
La comprhension de la notion de fonction et de ses paramtres est llment cl sur lequel reposent les
analyses de sret de fonctionnement car on recherche les lments matriels qui vont entraner la perte ou la
dgradation des fonctions.
LAFNOR dfinit une fonction comme laction dune entit ou de lun de ses constituants exprime
en termes de finalit .
Cette dfinition de nature qualitative est indispensable pour dcrire de faon globale une fonction. La
fonction fait appel des notions qualitatives et quantitatives.
Pour un systme tel quun propulseur poudre, la description de sa fonction est simple : fournir une
pousse nominale de 15 t pendant 30 s. Cette dfinition donne ses caractristiques en termes quantitatifs. Un
moteur lectrique possde une fonction de base consistant convertir de lnergie mcanique en nergie
lectrique. Les diffrences entre ces fonctions sont quelquefois subtiles et lacceptation de leur terminologie doit
toujours faire lobjet dune acceptation au sens dune mme entreprise et de ses prestataires. Pour des systmes
plus complexes, il est indispensable de classer et de hirarchiser la nature des fonctions :
principales,
secondaires,
de protection,
redondantes.
5.4.2.3
Fonctions principales
Une fonction principale peut se dfinir comme tant la raison dtre dun bien ou dun systme avec ses
caractristiques associes (dure, caractristiques physiques, chimiques...).
Par exemple, une premire dfinition gnrale de la fonction principale dune chaudire est de fournir
de la vapeur.
Une seconde dfinition de la fonction de la chaudire vapeur est de fournir de la vapeur 110 C avec
un dbit de 40 t/heure pendant 24 h.
Ces deux exemples de dfinitions montrent la difficult de dcrire une fonction quand on sintresse
ses modes de dfaillance. En effet, dans la premire dfinition, la perte de la fonction correspondra une nonfourniture de vapeur. Il nexistera dans ce cas quun seul mode de dfaillance.
Par contre, en utilisant la deuxime dfinition, trois modes de dfaillance de la fonction apparaissent :
Les fonctions principales de la navette spatiale pour la mission lancement dun satellite sont
reprsentes sur la Figure 15.
Pascal Vrignat
26/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
CHAPITRE 2
modlisation
des
Principalement utilise lorsque le nombre de donnes de retour dexprience est suffisamment important,
cette approche des dysfonctionnements des systmes consiste identifier les conditions qui peuvent conduire
des dfaillances et prvoir leurs consquences sur la fiabilit, la maintenabilit, la disponibilit et la scurit
des systmes en cours de conception ou dj oprationnels [9].
Elle est ralise partir dinformations diverses dont le tri et lanalyse permettent de concevoir un modle
du systme.
Pascal Vrignat
27/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Introduction
Ces mthodes sont principalement utilises lorsque le nombre de donnes de retour dexprience est
suffisamment important.
Parmi ces mthodes, on peut noter lutilisation des diagrammes, des histogrammes, de lAMDEC, de
ltude MBF (Maintenance Base sur la Fiabilit). Ce terme trouve son origine dans la RCM (Reliability
Centered Maintenance) dveloppe au cours des annes 60 dans le domaine de laronautique. La MBF, lors de
ces dernires dcennies, a fait lobjet de diverses dclinaisons dont lOMF (Optimisation de la Maintenance par
la Fiabilit) applique la production nuclaire dlectricit [19], la mthode despace des tats (Markov), des
arbres de dfaillances, les rseaux de Petri stochastiques,
Pascal Vrignat
28/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Gnralement pour la mthode despace des tats, le systme est modlis sous forme dtats : ltat i
dans lequel se trouve le systme un instant t ne dpend que des tats (i-1) ou (i+1). Le passage dun tat un
autre se ralise suivant une loi exponentielle, les taux de dfaillance ? et de rparation sont souvent supposs
constant. Les diffrents tats de fonctionnement et de pannes sont dfinis par un graphe o lon fait apparatre la
possibilit de passage dun tat lautre. Cest ce que lon appelle un graphe de transition. Les probabilits de
passage dun tat lautre caractrisent la disponibilit du systme. La probabilit de fonctionnement dun
systme se stabilise vers une valeur constante au cours du temps. Cest lasymptote de la fonction de
disponibilit A(t).
Lapplication industrielle de S. Deniau [20] conduit dvelopper un modle qui repose sur le concept de
rparation minimale enrichi par lintroduction de lactualisation des donnes. Loptimisation est base sur le
concept de maximisation du revenu global dexploitation.
Lapplicabilit de ces mthodes dterministes trouve galement des applications au niveau conomique
comme le montre les travaux de K. Matsuyama [21] o le besoin du retour dexprience se fait ressentir pour la
rduction des carts entre le niveau dinventaire prvu et le niveau ralis.
Par consquent, le travail de recherche bibliographique a occup une place cruciale dans le droulement
de ce travail.
Ltat de lart que nous proposons ci-dessous a pour ambition de synthtiser les rsultats de cette tude
bibliographique et galement dintroduire et dexposer les concepts principaux qui sont prsents dans la suite de
ce rapport.
6.2.2
Cest une construction top->down (du gnral au particulier). Cette mthode a t dveloppe en 1961-1962
la Socit Bell Telephone par A. Watson (Fault Tree Analysis, FTA). Elle a fait lobjet damliorations peu
aprs par Haasl (Boeing), avant de se gnraliser de nombreux domaines de lindustrie. Loutil de cette
mthode dductive couramment appel Arbre de Dfaillance (AdD) est une reprsentation statique du systme.
Cette mthode consiste donc considrer une dfaillance donne du systme et construire dune manire
arborescente (descendante) lensemble des combinaisons de dfaillances des composants mis en jeu
(comportement binaire des vnements lmentaires). Lvnement indsirable ou non souhait est au sommet
de larbre do la dnomination dvnement-sommet , les vnements indsirables intermdiaires ou de base
tant relis en cascade laide de symboles correspondant des oprations logiques. Une branche se termine
toujours par un vnement de base. Ces oprateurs appels portes sont :
portes ET, ET prioritaire ou squentiel, ET avec condition,
portes OU, OU exclusif, OU avec condition,
porte SI condition,
porte k /n combinaison,
porte DELAI,
porte NON,
porte matricielle (sortie gnre pour certaines combinaisons dentre).
La Figure 16 reprsente les symboles les plus courants utiliss pour construire un arbre de dfaillance. Elle
montre galement quil ny a pas de construction unique pour modliser la raction du systme par rapport aux
dfaillances [16]. T. Gaudre [33], propose un outil pour la gnration automatique darbres de dfaillances un
systme lectronique embarqu.
Pascal Vrignat
29/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
30/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
M. Bouissou et A. Floria [17] montrent que cette approche peut tre utilise pour construire, formaliser et
exploiter des modles avec une base de connaissances de type BDMP (Boolean logic Driven Markov Process).
Dautres applications rcentes montrent que cet outil de description est galement utilis dans le cadre dune
BDMP rattache la recherche de squences dans le concept FIGSEQ [18]. FIGSEQ contient des algorithmes de
quantification permettant de calculer la fiabilit et la disponibilit partir de lexploitation de squences, en
faisant des approximations matrises.
Avant deffectuer cette valuation, des techniques de rduction de larbre peuvent tre appliques
(simplification).
On distingue plusieurs types dAdD suivant leur complexit :
AdD-c : arbres de dfaillance cohrents composs de portes ET, OU, et de variables monoformes
(vnements lmentaires de mme catgorie : dfaillance),
AdD-nc : arbres de dfaillance non cohrents composs de portes ET, OU, et de variables biformes
(vnements lmentaires de catgories diffrentes),
AdD dlai : arbres de dfaillance composs de portes ET, OU et DELAI,
AdD-r : Arbres de Dfaillance avec restriction, gnralisant les AdD-nc pour des vnements
lmentaires exclusifs non complmentaires,
AdD-mp : Arbres de Dfaillance multiperformants, gnralisation des oprateurs n entres.
6.2.3
Base sur lalgbre boolenne, la mthode de la table de vrit permet didentifier tous les tats
(fonctionnement ou panne) du systme partir de comportements binaires. Elle reste limite aux cas simples
pour lanalyse manuelle, mais peut tre automatise. La construction de la table est ralise aprs identification
des modes de dfaillance des composants et de leurs tats de panne, ainsi que leurs effets (AMDE). A chaque
tat du composant est associe une variable qui peut prendre la valeur 0 (fonctionnement) ou 1 (panne). Le
nombre de combinaisons devenant important quand le nombre de composants crot, cette mthode reste limite
aux systmes comportant peu de composants. La table de dcision est une extension de la table de vrit
permettant de traiter un nombre quelconque dtats pour chaque entre de la table. Elle peut servir llaboration
dun arbre de dfaillance. Le Tableau 4 illustre le contenu dune table de vrit pour un systme compos de
deux lments en srie. Sur cet exemple simple, la conclusion vidente est quil suffit davoir un seul des
composants en panne pour perdre la fonction du systme [9].
6.2.4
Lutilisation de cette mthode remonte aux annes 70 aux tats-Unis pour lvaluation des risques dans les
centrales nuclaires. Cette mthode est drive de la mthode des arbres de dcision (analyse de dcision) et est
principalement utilise dans lindustrie nuclaire [25], [26], [27]. Une squence dvnements est constitue
dun vnement initiateur et dune combinaison de dfaillances et fonctionnements de systmes de sret. Elle
est qualifie dinacceptable ou dacceptable suivant les consquences quelle engendre [9]. La Figure 18
reprsente un arbre dvnements que lon parcourt de gauche droite et en retenant la branche suprieure si le
systme est dans un tat oprationnel quand il est sollicit.
14
Pascal Vrignat
31/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
15
Pascal Vrignat
32/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Figure 19 : Schma rcapitulatif des principales mthodes pour la sret de fonctionnement des systmes
industriels
6.2.5
Dveloppe dans les annes 70 par le laboratoire national Ris0 au Danemark, la mthode du diagramme
causes -consquences (cause-consequence diagram method) est une combinaison des mthodes MAC et MACQ
[9]. Elle met en oeuvre la fois les logiques inductives de larbre des consquences (AC) et dductives de larbre
des causes des dfaillances (AdD). Donc, un diagramme causes -consquences (DCC) est constitu dun ou
plusieurs sommets comme un AdD conduisant des consquences indsirables, redoutes ou inacceptables, et
dune partie consquences qui correspond aux consquences des vnements sommets. Comme pour les
AdD, des symboles spcifiques sont utiliss pour la construction des DCC, la partie cause conservant les
conventions des AdD. Les symboles spcifiques aux DCC sont donns sur le Tableau 5 [9]. La construction dun
DCC suit les rgles cumules des AdD et AC, et seffectue en slectionnant un vnement initiateur, puis en
cherchant les causes (AdD) et les consquences (AC) de cet vnement. Ensuite, ltablissement des coupes,
puis des coupes minimales permettent dobtenir des rsultats quantitatifs.
Pascal Vrignat
33/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
6.2.6
Cette approche est assez ancienne (annes 50) et sest dabord dveloppe pour ltude des processus
stochastiques; du type markovien . On considre le systme comme un ensemble de composants pouvant se
trouver dans un nombre fini dtats de fonctionnement ou de panne (il est possible dadmettre des tats dits
dgrads ). On dispose donc dun ensemble dtats de composants qui, combins, permettent de dfinir
lensemble des tats du systme. Cet ensemble est divis en deux sous-ensembles des tats de fonctionnement et
de panne, devant tre dfinis pralablement. Dans le cas de n composants binaires , on obtient un nombre
maximal de 2n tats. Ensuite, il faut recenser toutes les transitions possibles entre les diffrents tats du
systme en identifiant leurs causes.
Un support graphique appel graphe des tats permet de visualiser les tats, les transitions et leurs
caractristiques (taux de dfaillance, de remise en service ou de rparation...). Il consiste relier des tats
(reprsents par des cercles) par des arcs orients (transitions dtats de dpart vers des tats darrive) avec des
paramtres (taux de dfaillance) et (taux de rparation) spcifis (caractristiques des transitions) comme le
reprsente la Figure 20.
6.2.6.1
On considre souvent les processus markoviens pour tudier lvolution des systmes dans le temps. Un
systme est dit markovien si la probabilit conditionnelle de transition dun tat prsent vers un tat
suivant est indpendante du pass du systme. On parlera aussi de chanes de Markov si le processus est
discret (temps valeurs entires). Remarquons que, sous certaines conditions, un processus markovien peut
tendre vers un rgime stationnaire (notion de disponibilit asymptotique). Si les transitions entre les tats se
caractrisent par des taux constants (indpendants du temps : densit de probabilit de type
exponentielle), le processus est dit markovien homogne [9].
Ltude dun tel systme ncessite la rsolution dun systme dquations diffrentielles linaires couples
du premier ordre et coefficients constants. De nombreuses mthodes analytiques et numriques permettent de
rsoudre ce type dquations (transformation de Laplace, exponentiation de matrices, intgrations numriques,
calculs de valeurs propres...) et dobtenir fiabilit, disponibilit et maintenabilit en fonction du temps. De
surcrot, des grandeurs moyennes (MTTF, MTTR, MUT, MDT, MTBF) et la disponibilit asymptotique A , si
le processus est rgime permanent, peuvent tre facilement obtenues par inversion dun systme dquations
linaires :
Pascal Vrignat
34/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
dA(t )
= A(t ) + (1 A(t ))
dt
(15)
A =
(16)
(17)
C. Meier-Himer [34] propose une approche dans lestimation des paramtres des lois de dure de vie des pices
catnaires en utilisant une mthode statistique base sur les chanes de Markov et les processus markoviens de
sauts. Cette approche permet ainsi dtudier la fiabilit de ces pices.
6.2.6.2
Un processus semi -markovien est tel que la probabilit de transition dun tat vers un autre ne dpend que
du temps coul depuis larrive dans cet tat. Ce type de processus conduit un systme dquations couples
qui peut tre rsolu analytiquement [9]. M.A. Boyd [35] expose largement dans cette note dapplication cette
mthode. J. Lonchampt [36] propose un modle mathmatique de quantification des risques dun programme de
maintenance prventive pour un composant rparable. Le modle mathmatique dcrit est fond sur lutilisation
de graphes semi-markoviens, le risque tant reprsent par les moments des distributions des consquences sur
des enjeux additifs (cots, indisponibilit). Le modle mathmatique est mis en oeuvre sur un cas de recherche
de programme de maintenance optimal.
Pascal Vrignat
35/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
6.2.6.3
La dfinition d'un processus stochastique ncessite dans un premier temps d'expliciter l'espace d'tats E du
phnomne, cet espace d'tats devant tre si possible minimum, cest dire. dans le cas discret, tel que pour tout
i E la probabilit pour le systme modlis d'tre dans cet tat soit non nulle. Un rseau de Ptri stochastique
est un rseau de Ptri dans lequel est associ chaque transition, une variable alatoire valeurs relles
positives. Ces variables modlis ent alors une dure alatoire de sensibilisation. Une transition t de dure de
sensibilisation constante correspond alors une variable alatoire de loi, la mesure de Dirac au point .
Lorsque =0, la transition sera appele immdiate, elle sera tire en priorit sur les transitions pouvant tre
temporises [37]. Dautres lois de probabilit (Exponentielle, Weibull, Uniforme,...) rgissent les dlais
alatoires de franchissement des transitions [38]. En gnral, la probabilisation des franchissements de
transitions est obtenue laide des RdP temporiss, [39]et [40]. Dans les RdP temporiss, une dure de
franchissement est associe chaque transition, ce qui reprsente le temps dattente entre linstant dautorisation
et le franchissement de la transition. Dans les RdP stochastiques (SPN 16 ) ce temps dattente est une variable
alatoire. Dans le cas le plus simple, on suppose que la variable alatoire associe une transition t est distribue
selon une loi exponentielle avec le paramtre at = 1/(temps dattente moyen) [41].
La Figure 22 prsente un exemple d'un rseau stochastique, qui modlise n quipements pouvant tomber en
panne suivant une loi exponentielle de paramtre et tre rpars suivant une loi exponentielle de paramtre .
16
Pascal Vrignat
36/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Figure 23 : RdP modlisant une procdure de dmarrage dun groupe lectrogne suite un panne
secteur
A. Aghasaryan [41] apporte une attention particulire lextension des SPN ; la plus utilise tant les rseaux
de Ptri stochastiques gnraliss (GSPN17 ), [42] [40]. Les GSPN sont obtenus en dfinissant deux classes de
transitions :
les transitions immdiates,
les transition temporises.
Ces dernires ont la mme signification que dans les SPN standard. Les transitions immdiates, par contre,
ont une dure de franchissement nulle, et elles ont donc une priorit de tir suprieure par rapport aux transitions
temporises (si les deux types de transitions sont autoriss dans le mme marquage, alors naturellement ce sont
les transitions immdiates qui tirent dabord18 ). Les marquages o seules des transitions temporises sont
autorises sont appels tangibles. Les autres (o au-moins une transition immdiate est franchissable) sont les
marquages transitoires. Les marquages tangibles reprsentent des tats o le systme reste pendant une dure
non nulle. Par contre, dans les marquages transitoires, les changements logiques se produisent sans temps
dattente [41].
6.2.7
Le Erreur ! Source du renvoi introuvable. propose un ensemble synthtique des diffrentes mthodes
prsentes.
17
Pascal Vrignat
37/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
38/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
39/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
CHAPITRE 3
Un peu dhistoire
Harrys est une socit ne en France, dune double histoire : un boulanger de Chteauroux, qui a su
importer et valoriser le savoir-faire amricain en matire de fabrication de pain de mie, et un boulanger de
Talmont, qui a dvelopp une gamme de spcialits de viennoiseries inspires de recettes de brioches
vendennes. De ce lignage, Harrys France a hrit des deux principes fondateurs de son activit : qualit et
innovation. Au lendemain de la Libration, un certain Paul Picard, fils de boulanger Chteauroux, fait la
connaissance des Amricains de la base de lOTAN, ce qui incite le boulanger franais effectuer un premier
voyage aux tats-Unis. Quelques annes plus tard, Paul Picard dcide d'importer le savoir-faire des boulangers
d'Outre-Atlantique pour fabriquer du pain de mie.
7.1.2
Harry's dtient une place unique sur le march de la boulangerie de marque courte dure de vie. A partir de
sa position en France, le Groupe s'est dvelopp en Europe et est aujourd'hui prsent en Belgique, Espagne,
Russie et en Turquie, des travers de crations, des reprises et joint ventures19 . L'association avec Barilla, qui a
fait lacquisition du Groupe Harry's en 2003, a permis de constituer le premier groupe europen de boulangerie
pr-emballe.
Avec un effectif de 3 200 salaris, le Groupe Harry's a ralis un chiffre d'affaires de plus de 640 millions
deuros en 2006.
Au niveau europen, Harrys est, avec le Groupe Barilla, le seul acteur de son domaine d'activit possder un
savoir-faire industriel et marketing sur les trois catgories de produits que sont le pain, la viennoiserie et la
ptisserie. Les 3 grandes marques commercialises par le Groupe Harrys sont : Harry's en France, en Russie et
en Belgique, La Bella Easo en Espagne et Dan Cake en Turquie.
19
Joint venture : ce terme est habituellement associe aux fonctionnements des grandes affaires rattach aux multinationales.
Pascal Vrignat
40/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
7.1.3
Lusine fonctionne toute lanne sans interruption en quipes organises en 3x8. Pour chaque quipe
rattache la production, il y a 20 agents de maintenance encadrs par un responsable global. A lissu dune
intervention de maintenance (prventive ou non), chaque agent consigne le dtail de ses actes sur une base de
donnes centralise et gre par Access20 (pour exemple, voir Tableau 7). Dans le cas de la peseuse
volumtrique (repre : M2), il ny a pas de variation du temps douverture sur lanne (144 heures par
semaine sur lanne) et aucun taux de vieillissement nest appliqu. La Figure 25 dcrit lorganisation du
processus.
Microsoft Access ou MS Access (officiellement Microsoft Office Access) est un systme de gestion de base de donnes relationnelles
dit par Microsoft
Pascal Vrignat
41/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
42/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
43/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Le philosophe Dennett [47] parle dun point de vue dinterprtation qui permet de comprendre les
phnomnes qui sont rgis par un mcanisme : le point de vue du plan (design stance), dont lide est quun
objet se comporte en gnral de la manire dont il est construit pour se comporter , cest--dire selon son
plan. Daprs Dennett, de ce point de vue presque tout le monde peut prdire le moment o un rveil-matin va
sonner simplement en observant son tat extrieur. Si lon veut faire des prdictions plus prcises et plus
dtailles au niveau du plan, il faut descendre un degr de description de son plan qui soit moins abstrait ; par
exemple, au niveau o lon dcrit les engrenages, mais o leur composition matrielle nest pas spcifie :
autrement dit parce quon sait comment fonctionne thoriquement le rveil, on a besoin uniquement daccder
son tat extrieur pour prdire son comportement.
Les chanes de Markov Caches (Hidden Markov Models ou HMM ou CMC) modlisent des phnomnes
alatoires dont on suppose quils sont composs un premier niveau dun processus alatoire de transition entre
des tats inobservables (les tats cachs) et, un second niveau, dun autre processus alatoire qui, dans chaque
tat, engendre des valeurs observables (appeles observations). On retrouve donc dans ce formalisme une
application de lide nonce par Dennett de deux niveaux : ltat extrieur (les observations) et un degr de
description plus dtaill que lon a pas besoin dobserver parce quon connat son fonctionnement thorique (on
possde un modle thorique de ses tats cachs). Larticulation de ces deux niveaux confre aux modles de
type HMM une grande flexibilit et ces mo dles bass sur des transitions entre tats sont bien adapts pour
rendre compte de processus organiss dans le temps. De plus, les modles de Markov cachs permettent un
alignement lastique entre un nombre quelconque dobservations temporelles et un ensemble dtats dfinis a
priori. Ces caractristiques en font des outils appropris comme le montrent les travaux en reconnaissance de la
parole [48], [49], [50] et comme cela a t dmontr dans diffrents domaines :
biosciences [51], [52], [53],
climatologie [54], [55],
reconnaissance de lcriture [56], [57], [58],
vrification de lidentit (base sur lcriture) [59], [60],
mdecine (aide au diagnostic) [61], [62],
...
7.3.2
Une chane de Markov cache ? dcrit un systme qui chaque instant se trouve dans un des N tats dun
ensemble {S1, S2,, SN} : il sagit donc dun automate probabiliste d'tats finis constitu de N tats (Figure
26). Les flches reprsentent les transitions possibles entre tats.
Exemple : Soit le modle = (A,B, ) comprenant trois tats S1,S2,S3 et permettant dobserver deux
0,6
0 ,3 0 ,5 0,2
1 0
symboles a et b. A = 0
0,3 0,7 , B = 0,5 0, 5 , = 0,4
0
0
0 1
0
1
Pascal Vrignat
44/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Un processus alatoire gre la transition dtat tat, mais ltat du systme nest pas observable (il est
cach ), on ne voit que les missions de ces tats : les observations. Autrement dit, au temps t le systme est
dans ltat q t (invisible) et met lobservation Ot (visible).
Ces observations Ot peuvent prendre leurs valeurs dans un ensemble fini de valeurs discrtes ou de
symboles, ou dans un ensemble continu et infini. Dans notre situation, nous sommes en prsence dun
ensemble de valeurs discrtes dcrites par des symboles.
A chaque instant t, le systme va donc effectuer des tirages alatoires deux niveaux : le premier
dtermine la transition depuis ltat qt-1 vers ltat qt , le second dtermine lobservation tire dans ltat q t . On
peut donc dfinir :
aij = P (qt = S j qt 1 = Si )
(18)
(19)
Le vecteur p caractrise les probabilits de transitions depuis un tat dentre virtuel o se trouve le
systme en t = 0. On peut galement considrer un N+1me tat, ou tat de sortie 21 , auquel cas A contiendra aussi
les probabilits aiN+1 .
7.3.3
Emploi gnral
Une CMC est dfinie par un triplet de matrices not ? = (A, B, p) qui suppose la connaissance de N (nombre
dtats cachs) et de M (symboles observables). Plusieurs types de problmes sont rencontrs lors de leur
utilisation (L. Rabiner [48]). Pour valuer une CMC ? partir dune observation O, on recherche avec quelle
probabilit la CMC ? engendre lobservation O, cest dire P(O|?). Ce problme est rsolu par exemple grce
aux algorithmes Forward ou Backward.
Lapprentissage permet la dtermination des coefficients des trois matrices de la CMC ? qui, pour une
observation O, maximisent P(O|?). Cela est ralis grce lalgorithme de Baum-Welch (L.E. Baum [63]).
Lalgorithme de Baum-Welch est ladaptation aux CMC de lalgorithme EM 22 . Il sagit dun algorithme de
gradient. Afin de surmonter cette limitation de lapprentissage, lalgorithme GHOSP23 qui rsulte de
lhybridation dun algorithme gntique (AG) et de lalgorithme de Baum-Welch comme tape doptimisation a
t dvelopp (T. Brouard [67]). Il permet de dterminer de manire automatique le nombre dtats et la
structure de ?.
Le troisime type de problme concerne la recherche du meilleur chemin pour la squence dobservations O
au sein des tats du modle ? = (A, B, p). Cet algorithme permet didentifier, partir dune squence
21
Un tat de sortie est un tat virtuel de la chane auquel aucune observation nest assortie. Cet tat peut savrer ncessaire une bonne
utilisation du modle HMM dans certains cas particulier
22
Expectation Maximization
23
Genetic Hybrid Optimization and Search of Parameters
Pascal Vrignat
45/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
dobservations, le chemin le plus vraisemblable, c'est--dire la squence dtats la plus probable pour produire
cette squence dobservations. Pour cela, nous faisons appel lalgorithme de Viterbi (A.J. Viterbi [69]).
7.3.4
Dans notre cas, nous avons effectu un codage des diffrentes observations dcrivant des moments o
les actions de maintenance rattaches ce sous-systme peuvent aboutir un arrt ou non de celui-ci (voir
Tableau 8). Lensemble des observations a t cod suivant le Tableau 9 .
Dans notre tude, nous pourrions presque parler doccurrence dobservations . Le nombre total
des observations sur la squence ( priode entre le 3 janvier 2005 et le 8 novembre 2005 inclus) est de 475.
La base de temps choisie est la journe.
Tableau 9 : Principe de codage de la squence dobservations avec ses insertions de codage (10) ntant
pas prsent dans le tableau initial Tableau 7
La phase d'apprentissage va donc dterminer les diffrents lments de la CMC (nombre d'tats,
probabilits de transition inter-tats, probabilits de gnration des symboles) qui maximisent la probabilit
que la CMC gnre les squences de valeurs apprises. Gnralement on considre au dbut de
l'apprentissage que la connectivit de la chane est totale, cest dire quaucune probabilit de transition
n'est nulle. C'est alors l'algorithme d'apprentissage employ de faire voluer cette connectivit. Mais il
peut arriver que l'on impose cette connectivit afin de respecter des contraintes du domaine tudi. Ce sera
le cas, dans les rsultats prsents pour la modlisation du sous-systme par chane de Markov cache
topologie force. La connectivit est suppose totale afin d'offrir l'espace de recherche le plus vaste possible
l'algorithme d'optimisation. De nombreux algorithmes d'apprentissage de CMC existent. Ils sont bass,
gnralement, sur des descentes de gradient tel que l'algorithme de Baum-Welch [63]. Deux problmes
majeurs se posent lors de leur utilisation. Il s'agit d'une part d'viter les minimums locaux de la fonction
d'valuation des CMC et d'autre part de dterminer le bon nombre d'tats cachs des chanes susceptibles de
mieux apprendre les donnes.
Les rsultats prsents dans ce rapport concerneront uniquement le nombre dtats cachs ayant
rpondu correctement aux attentes souhaites.
Lalgorithme utilis est en annexe [Algorithme de Baum-Welch [68]]
A la suite, nous utiliserons lalgorithme de Viterbi, celui-ci jouant un rle fondamental en modlisation
stochastique. Cet algorithme de Viterbi permettra de retrouver la squence la plus vraisemblable a posteriori,
conditionnellement aux observations prleves sur notre sous-systme.
Lalgorithme utilis est en annexe [Algorithme de Viterbi [68]]
7.3.4.1
Tests et rsultats
La Figure 27 re-prcise quelle a t la dmarche dans notre protocole de travail pour rpondre la question
suivante :
Peut-on modliser ce sous-systme partir dobservations ? La configuration allant de ltat S1 (cas le
plus dfavorable car le systme est arrt) ltat S4 (cas le plus favorable le systme fonctionne seul).
Peut-on disposer dun pseudo-vumtre progressif rpondant nos attentes ?
Pascal Vrignat
46/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
0.002768
0.576354
0.197167
0.115782
0.045816
0.001485
0.640700
0.050878
0.207580
0.037031
0.006781
0.817007
0.119851
0.041389
0.001297
0.001305
0.025625
0.001101
0.001074
0.011656
0.081083
0.001479
0.002523
0.042932
0.001247
0.001003
0.001001
0.001511
0.002614
0.654622
0.017400
0.002720
0.027164
0.202553
0.187650
0.001870
0.001170
0.001495
0.082317
0.001135
0.001000
0.064481
0.001031
0.001792
0.374906
0.074395
0.008074
0.065938
0.461437
0.001837
0.653984
Figure 28 : Rsultat de la modlisation du sous-systme par chane de Markov cache connectivit totale
Pascal Vrignat
47/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Deuxime essai (contraindre la topologie) : Cet essai nous a conduit pr-disposer le modle pour quil
rponde aux exigences que nous nous tions fixes (voir Figure 29), cest--dire :
pouvoir disposer dun modle dont le passage entre tats serait progressif. Par exemple, lorsque le
systme commence se dgrader, il passe de S4 S3 ,
pouvoir disposer dun pseudo-vumtre progressif allant de S4 S1 en passant pour S3 et S2
conformment au respect de la lgende Figure 28.
Figure 29 : Rsultat de la modlisation du sous-systme par chane de Markov cache topologie force
Nous avons par la suite appliqu lalgorithme de Viterbi (voir Figure 30) aux observations disponibles
pour le 1er semestre 2006 (voir Tableau 10, Tableau 11 et Tableau 12) et le 1er trimestre 2007 (voir Tableau 13 et
Tableau 14). Ces observations ayant t au pralable codes par des symboles de 1 10 suivant les dsignations
fournies (voir Tableau 8). La Figure 31 prcise comment interprter les rsultats dans les tableaux qui suivent.
Figure 30 : Estimation des tats du systme par lalgorithme de Viterbi (CMC 4 tats)
Figure 31 : Comment interprter les rsultats dans les tableaux qui suivent ?
Pascal Vrignat
48/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Tableau 10 : Comparaison des rsultats entre le modle Figure 28 et le modle Figure 29 pour le 1 er
semestre 2006
Pascal Vrignat
49/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Tableau 11 : Comparaison des rsultats entre le modle Figure 28 et le modle Figure 29 pour le 1 er
semestre 2006 (suite)
Pascal Vrignat
50/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Tableau 12 : Comparaison des rsultats entre le modle Figure 28 et le modle Figure 29 pour le 1 er
semestre 2006 (fin)
Pascal Vrignat
51/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Tableau 13 : Comparaison des rsultats entre le modle Figure 28 et le modle Figure 29 pour le 1 er
trimestre 2007
Pascal Vrignat
52/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Tableau 14 : Comparaison des rsultats entre le modle Figure 28 et le modle Figure 29 pour le 1 er
trimestre 2007 (fin)
7.3.4.2
Commentaires sur les rsultats : Tableau 10, Tableau 11, Tableau 12, Tableau 13
et Tableau 14
Les rsultats du Tableau 15 issus des estimations des tats du systme du Tableau 10 montrent clairement
la diffrence entre le modle connectivit totale et le modle topologie force que nous souhaitions
prconiser.
En effet, dans le cas du modle topologie force, nous avons bien cette notion destimation progressive
sur ltat du systme que nous avions au pralable voque comme un pseudo-vumtre progressif . La
premire alerte / verte (tat S3) arrive dans ce modle au numro 9 des observations, puis une seconde
alerte / orange (tat S2) de niveau suprieur arrive au numro 11 des observations avant de confirmer larrt
du systme (tat S1). Cet arrt signifie quune intervention de dpannage (code symbolique : DEP) mener par
un agent de maintenance est obligatoire ! Cela montre galement que lon peut mettre en place des actions et/ou
des moyens matriels et humains partir de ltat S2 pour tenter de revenir soit dans ltat S3, soit dans ltat S4.
Nanmoins, les deux modles ne se trompent pas dans les deux topologies (Tableau 15). Ils apportent bien tous
les deux une confirmation de larrt du systme lorsquil est effectivement bien arrt (codes symboliques du
Tableau 8).
Pascal Vrignat
53/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Tableau 16 : Taux derreur de lestimation de ltat S1 pour la totalit des observations sur 2006 et 2007
Pascal Vrignat
54/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
CHAPITRE 4
8 Discussion et perspectives
Le problme des donnes insuffisantes :
Il a t dmontr dans [64] que les paramtres de la CMC convergent vers les vraies valeurs quand le
nombre d'observations tend vers l'infini. Dans la ralit, le nombre d'observations pour l'apprentissage est
ncessairement fini. Par consquent, cette diffrence entrane une perte d'information, et certains vnements trs
peu probables risquent de ne pas tre inclus dans le corpus d'apprentissage. La convergence vers les "vraies"
valeurs n'est pas atteinte, et la CMC risque par la suite de rencontrer des transitions qui n'ayant jamais t
rencontres ont t oublies .
Dtermination a priori de l'architecture de la CMC :
Le choix du nombre d'tats d'une CMC pose toujours un srieux problme, tant donn qu'il n'existe pas de
mthode thorique pour le rsoudre. De plus, les tats ne sont pas ncessairement lis un phnomne physique
observable. En gnral deux approches sont suivies :
on effectue des tests avec diffrents nombres d'tats, afin de slectionner une valeur
optimale ,
on donne la CMC une explication physique, et on trouve un nombre d'tats d'aprs des
connaissances a priori du domaine.
Dans notre tude, la dtermination du nombre dtats de la CMC a t choisie en fonction des informations
dont nous disposions dans le tableau des relevs dinterventions. En effet, 4 cas typiques se dgageaient de cette
analyse Tableau 8 :
le systme tait arrt sur intervention de dpannage,
le systme pouvait sarrter ou non parfois en fonction de certaines interventions,
le systme tait sous intervention sans sarrter,
le systme fonctionnait seul.
Nous avons pu confirmer le bon choix de cette dmarche par des rsultats de simulations pour 3 et 5 tats
totalement incorrects (voir annexe : Tableau 17).
Des travaux de M.J. Russel [65] prconisant d'essayer diffrentes architectures et d'en dduire l'architecture
la mieux adapte nont pas t tests dans notre tude. Il en est de mme, pour les travaux de Ponting [66]
proposant un critre statistique pour dterminer automatiquement le nombre d'tats optimal d'une CMC d'aprs
un corpus d'apprentissage.
Dtermination des estimations initiales :
Nous avons vu que la solution donne par l'algorithme de Baum-Welch est fortement dpendante dun
tirage alatoire (dans lapplication logicielle utilise [68]) de valeurs au lancement de lapplication informatique
utilise. Si le modle initial est mal choisi, l'algorithme de Baum-Welch risque de converger vers un extrema
local. Il n'existe pas de solution thorique ce problme. Dans notre tude, nous avons pu montrer, que sil ny
avait pas une r-estimation du modle initial en forant certaines conditions pour lapprentissage (cas du modle
topologie force), les rsultats attendus notamment pour S1 et S4 ntaient pas en adquation nos attentes
(deuxime essai) pour linterprtation du modle (CMC 4 tats).
Dtermination dalgorithmes d'estimation des paramtres des CMC :
Il existe de nombreux algorithmes diffrents pour estimer les paramtres dune CMC. Ces derniers sont
largement dcrit dans T. Brouard [67] :
Algorithme SEM,
Algorithme ICE,
...
Dans notre tude, nous avons uniquement utilis lalgorithme de Baum-Welch (algorithme le plus
frquemment utilis).
Pascal Vrignat
55/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Nous pouvons constater (voir Tableau 10et Tableau 13) que notre modle prconis est de bonne qualit
car il respecte les contraintes que nous nous tions fix sur le deuxime essai.
Commentaires gnraux :
Les rsultats obtenus nous donnent dj des premires estimations intressantes dtats sur notre systme.
Cependant, il reste optimiser le modle !
Les pistes envis ages sont les suivantes :
-
influence de laspect temporel sur lestimation du modle (ne plus travailler la journe, mais sur des
fractions de journes),
influence sur le choix des squences dobservations (ne plus estimer le modle sur la totalit des
observations dune anne, 2005, mais sur un volume de plusieurs squences dobservations diffrentes
conduisant systmatiquement larrt du systme).
Il reste cependant un travail essentiel mener qui est de prdire quel sera ltat du systme aprs la 124me
observations (par exemple : Tableau 14). Autrement dit, lobjectif trs concret, de Monsieur Herv
LEGAGNEUX (Responsable technique Harrys France S.A.S / MONTIERCHAUME) est davoir un outil lui
permettant de disposer dune prvision sur les priorits dinterventions mener chaque matin sur lensemble des
systmes rattachs la production.
Ce travail en maintenance prdictive devrait tre men ds le mois de septembre 2007 et rejoindra une
thmatique qui est la e-maintenance. Aujourdhui, la e-maintenance est bien plus quun problme dassemblage
de nouvelles technologies car combine avec une nouvelle faon de penser la maintenance. Cest un sujet
rellement trs mergent avec un bouillonnement industriel et scientifique hyper actif aujourdhui.
Pascal Vrignat
56/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
9 Conclusion
Cet aperu des travaux engags souligne avant tout la complexit et la richesse de la problmatique
pose. Les travaux effectus dans le cadre de ce stage de recherche mont conduit aborder un problme
complexe, et assimiler une masse de donnes et de connaissances sur le sujet tudi. Jy ai dcouvert un
environnement enrichissant et motivant, pluridisciplinaire et baign dans une dynamique dinnovation continue.
Il nest que le dbut dune exprience qui devrait se poursuivre ds lanne prochaine dans le cadre dune thse
en collaboration avec lUniversit: CADI AYAD / Maroc et lUniversit dOrlans pour un projet dAction
Intgr (COMITE VOLUBILIS Programme des Actions Intgres). Notre objectif est dapporter une expertise
supplmentaire sur les systmes communicants. Les systmes de supervision associs des capteurs
communicants offrent de relles perspectives pour la mise en place de maintenances intelligentes . La gestion
de lhistorique des vnements ouvre des perspectives dapprentissages de situations particulires qui , par
exemple, peuvent conduire des pannes ou des dfauts. De ce fait, partir de mthodes stochastiques (Markov,
) ou dalgorithmes dintelligence artificielle (rseaux de neurones, ), il sera possible dassurer une tlmaintenance prdictive. Une fois les modles tablis, limplmentation dun systme de supervision sera mme
de prvoir les actions de maintenance lorsque ces situations particulires sont sur le point de se reproduire.
Il est souligner, quun article crit sur ce sujet t retenu au colloque CNRIUT en 2007 :
Que peut-on attendre aujourdhui des nouveaux produits dautomation pour la e-maintenance ?
(P. VRIGNAT, M. AVILA, JC BARDET, F. KRATZ / Laboratoire Vision et Robotique).
Il est souligner galement quun dossier dpos dernirement par notre quipe et toujours sur cette thmatique
(Savoir faire en agro -alimentaire : Ptisserie Michel KREMER / Argenton sur Creuse 36200) auprs du
challenge international Xplore 2008 a pass le cap des qualifications nationales et se retrouve aujourdhui en
finale avec vingt nations.
Ce stage a donc t la fois une grande ouverture sur le monde de la recherche et ses insertions avec le
monde professionnel, mais aussi un important prliminaire pour un travail de thse qui sannonce fructueux,
dans une quipe dynamique et soude.
Pascal Vrignat
57/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Bibliographie
[1]
[2]
[3]
[4]
[5]
[6]
G. Zwingelstein, Diagnostic des dfaillances, thorie et pratique pour les systmes industriels. , Ed.
HERMES,1995.
[7]
Three Mile Island , USNRC Special Inquiry Group, Washington, USA, 1980.
[8]
A System for the Feedback of Experience from Events in Nuclear Installations, IAEA Safety Guide,
Vienne, Austria 2005.
[9]
G. Zwingelstein, Sret de fonctionnement des systmes industriels complexes , Revue ISSN 16323831, 1999.
[10]
[11]
Jautomatise, Techniques de maintenance : vers une disponibilit sans cesse accrue, N 42 - Septembre Octobre 2005
[12]
Pascal Vrignat
58/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
[13]
E. Lewis, Introduction to Reliability Engineering. , John Wiley & Sons, New York. 1987.
[14]
[15]
OCDE 2006, NEA n6137, Lutilisation du retour dexprience : dfis pour les autorits de sret
nuclaire. ISBN 92-64-01-087-4, 2006.
[16]
B. Guaglio, Fiabilit : Comment rpondre la question le systme, marchera-t-il ?, CERN, juin 2005.
[17]
M. Bouissou, A. Floria, Manuel dutilisation de la base de connaissances BDMP pour KB3 , HT52/03/039/A, EDF-R&D, 2003.
[18]
M. Bouissou, Recherche de squences avec FIGSEQ : Exemples dapplication avec les BDMP, EDF
R&D et CNRS UMR 8050 , 2005.
[19]
[20]
[21]
K. Matsuyama, Maintaining optimal inventory level by feedbacks , Pages 57-69, Volume 53, Issue 1,
International Journal of Production Economics, 6 Novembre 1997.
[22]
R. Dekker, Applications of maintenance optimization models : a review and analysis , pages 229240, volume 51, Issues 3, Reliability Engeniering and Safety Journal, March 1996.
[23]
J.L. Combeau, Situation et tendances de lvolution de la maintenance chez les donneurs dordres
industriels , Etude ralise en 2002 par lADEPA sous lgide du Ministre de lEconomie, des
Finances et de lIndustrie, avec le concours de lAFNOR, lAFIM et du CNMI. 2002.
[24]
[25]
M. Bouissou, Deux mthodes originales pour calculer les performances dun systme possdant des
tats de fonctionnement dgrad , 12me colloque de fiabilit et maintenabilit, lm12, Montpellier,
mars 2000.
Pascal Vrignat
59/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
[26]
[27]
Fiches mthodes, Groupe de travail Management Mthodes Outils Standard (M2OS), avril 2006.
[28]
F. Moussa, C. Kolski, M. Riahi, Analyse des dysfonctionnements des systmes complexes en amont
de la conception des IHM, apport, difficults et tudes de cas , Revue d'Interaction Homme Machine
(RIHM), volume 7, n.2, pp. 79-111, 2006.
[29]
A. Villemeur, Reliability, availability, maintainability and safety assessment , (vol.1 & 2). John
Wiley & Sons,1992.
[30]
[31]
[32]
[33]
[34]
[35]
M.A. Boyd, What Markov Modeling can do for you : An Introduction , Annual Reability and
Maintainability Symposium, Tutorial notes , 1994.
[36]
[37]
Pascal Vrignat
60/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
[38]
R. Garnier, Une mthode efficace dacclration de la simulation des rseaux de Petri stochastiques ,
Thse de doctorat, Universit de Bordeaux 1, 1998.
[39]
R. David, H. Alla, Petri Nets for Modeling Dynamic systems - A Survey, Automatica, Vol.40,
No.2, pp.175-202, 1994.
[40]
[41]
A. Aghasaryan, Formalisme HMM pour les rseaux de Petri partiellement stochastiques : Apllication
au diagnostic des pannes dans les systmes rpartis , Thse de doctorat, Universit de Rennes 1, 1998.
[42]
M. Ajmone, G. Balgo, G. Conte, A class of Generalized Stochastic Petri Nets for performance
Analysis of Multiprocessor Systems , ACM Transactions on Computer Systems, Vol.2, No.2, pp.93122, may 1984.
[43]
[44]
D. Coit and J. English, System Reliability Modeling Considering the Dependence of Component
Environmental Influences , In: 1999 Reliability and Maintainability Symposium (RAMS), pp. 214218,Washington, USA, 1999.
[45]
[46]
P. Vlok, J. Coetzee, D. Banjevic, A. Jardine and V. Makis, Optimal component replacement decisions
using vibration monitoring and the proportional-hazards model , Journal of the Operational Research
Society, 53, 193-202, 2003.
[47]
D.C, Dennett, la stratgie de linterprte , (1987), d. nrf essais Gallimard, page 29 1990.
[48]
L. Rabiner, A tutorial on Hidden Markov Model and Selected Applications in Speech Recognition ,
Proceedings of the IEEE vol.77 n2, 1989.
[49]
Pascal Vrignat
61/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
[50]
M. Magimai Doss, Using Auxiliary Sources of Knowledge for Automatic Speech Recognition ,
Thse n 3263, cole Polytechnique Fdrale de Lausanne, 2005.
[51]
W.N. Grundy, T.L. Bailey, M.E. Baker, Meta-MEME :Motif-based Hidden Markov models of protein
families , Computer applications in the biosciences, 13(4), p. 397, Aug 1997.
[52]
H. Mamitsuka, Predicting Peptides ThAT Bind to MHC Molecules Using Supervised Learning of
Hidden Markov Models, Proteins, 33(4), p. 460, 1998.
[53]
[54]
J.P. Hugues, P. Guttorp, A hidden Markov model for downscalling synoptic atmospheric patterns to
precipitation amounts , Climate research, 15(1), p. 1, may 2000.
[55]
J.P. Hugues, P. Guttorp, S.P. Charles, A non-homogeneous Hidden Markov Model for precipitation
occurrence , Applied statistics, 48(1), p. 15, 1999.
[56]
[57]
[58]
[59]
A. Schalapbach, H. Bunke, Using HMM-based recognizers for writer identification and verification ,
Proc. 9th Int. Workshop on frontiers in Handwriting Recognition, pp. 167-172, 2004.
[60]
[61]
F.B, Vialatte, Aide au diagnostic danomalies cardiaques , mmoire de DEA de Sciences Cognitives,
Paris VI, 2002.
[62]
B.W, Koes, V.D, Hoogen, Efficacy of bed rest and orthoses of low back pain , A review of
randomized clinicaltrials. Eur. J. Phys. Med. Rehabit. 4: 86-93 (systematic review), 1994.
Pascal Vrignat
62/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
[63]
L.E, Baum, J.A Eagon, An inequality with applications to statistical stimation for probabilistic
functions of Markov processes and to a model for ecology , Bull, American Society, vol. 73, pp. 360363, 1967.
[64]
L.E, Baum, T. Petrie, Statistical inference for probabilistic functions of nite state Markov chains ,
Annals of Mathematics & Statistics, vol. 37, pp. 1554-1563 , 1966.
[65]
M.J, Russel, A.E, Cook, Experiments in speecker-dependent isolated digit recognition using hidden
Markov models , Proc. Inst of Acoust., vol. 8-7, pp. 291-298, 1986.
[66]
K.M, Ponting, A statistical approach to the determination of hidden Markov models structure , Proc.
of the 7th FASE Symposium, 1988.
[67]
[68]
K. Tapas, Hidden Markov Models, Center for Automation Research, University of Maryland.
[69]
A.J. Viterbi, Error bounds for convolutional codes and asymptotically optimum decoding algorithm,
IEEE transactions on Information Theo, vol . 13, pp. 260-269, 1967.
www.inria.fr/
www.iec.ch/
http://www.univ-valenciennes.fr/GDR-MACS/
Pascal Vrignat
63/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
64/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
ANNEXES
Pascal Vrignat
( )
65/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Pascal Vrignat
66/ 67
LVR Modlisation des dysfonctionnements dun systme dans le cadre dactivits de maintenance
Tableau 17 : Comparaison des rsultats des estimations des tats du systme : modle connectivit totale
(CMC 3 et 5 tats)
Pascal Vrignat
67/ 67