Surveillance et diagnostic par le flux d’ateliers de production cyclique

Concepts fondamentaux du diagnostic

Terminologies :Cette partie vise à rappeler les terminologies utilisées pour la surveillance et le diagnostic, rencontrées dans la littérature et retenues dans ce mémoire. Les définitions que nous présentons sont extraites des références suivantes : [Villemeur, 1988], [Toguyeni, 1992], [Combacau et al.,2000], [Philippot, 2006] et [Ding, 2008].
Défaut ou Faute (Fault) : Un défaut est considéré comme un écart du comportement normal qui n’empêche pas le système de remplir sa fonction. Il s’exprime par une déviation d’une propriété du système pouvant présager d’une défaillance à venir.
Défaillance (Failure) : Une défaillance est une anomalie fonctionnelle qui empêche partiellement ou totalement l’aptitude d’un système à remplir sa fonction. Une défaillance conduit à l’existence d’un défaut, puisqu’elle aboutit à un écart entre la caractéristique mesurée et la caractéristique spécifiée. Inversement, un défaut n’induit pas nécessairement une défaillance. En effet, le système peut conserver son aptitude à assurer une fonction requise, si les défauts qui l’affectent n’ont pas d’impacts significatifs sur la fonction. Si une défaillance peut conduire à une suspension de l’exécution de la fonction principale du système, ce dernier est déclaré en état de panne [Zwingelstein, 1995].
Panne (Break-down) : Une panne représente la conséquence d’une défaillance dans la réalisation du fonctionnement du système. Elle provoque un arrêt complet du système dans un état où il devient incapable d’assurer le service spécifié. Ainsi, une panne résulte toujours d’une défaillance. Deux types de pannes peuvent être distingués :
Les pannes intermittentes : sont présentes uniquement pendant un laps de temps déterminé. Le système peut retrouver son fonctionnement nominal après l’occurrence de la panne sans intervention extérieure. Une panne intermittente est généralement le résultat d’une dégradation partielle et progressive d’un composant du système, pouvant aboutir à une panne permanente.
Les pannes permanentes : une fois qu’une panne permanente s’est produite, elle persiste au cours du temps jusqu’à une intervention de maintenance et nécessite une action de réparation.
Symptôme : Un symptôme correspond à une ou plusieurs observations révélant un dysfonctionnement. Il s’agit d’un effet qui est la conséquence d’un comportement anormal.
Observation : Une observation est une information obtenue à partir du comportement ou du fonctionnement réel du système. C’est la seule information connue par le module de surveillance pour la détection.
Observabilité : Un évènement est considéré observable s’il est issu des capteurs physiques ou des actionneurs d’un procédé. Cet évènement peut être observé par l’environnement du système et en particulier par le module de surveillance. Tandis que les évènements non observables correspondent aux évènements internes du système et aux défauts dont les occurrences ne peuvent pas être directement observées. Quelquefois, l’occurrence des événements de fautes est déduite indirectement, en s’appuyant sur le comportement observable qui suit l’occurrence de tels événements. La détection et l’isolation des fautes sont des fonctions du diagnostic. Cette notion a été introduite par [Lin et Wonham, 1988] et reprise dans [Sampath et al., 1995].

Systèmes Automatisés de Production

Un système de production est un espace constitué de moyens de production ou ressources parmi lesquels des machines (M), des ressources de transport (T) et des produits (P). Les moyens de production permettent de réaliser des opérations (OP) permettant de transformer ou réarranger les produits. Un Système Automatisé de Production (SAP) permet de réaliser automatiquement ces opérations. Il se décompose en deux parties:
Partie Commande (PC) : Elle assure l’envoi des ordres vers la partie opérative et permet la communication avec l’opérateur. Les trois composantes principales de cette partie concernent la commande séquentielle, la surveillance et la supervision.
Partie Opérative (PO) qui est composée des capteurs et actionneurs du procédé : Elle exécute les ordres envoyés par la PC à l’aide d’actionneurs. Les transformations réalisées par le procédé sont alors mesurées par des capteurs qui retournent à la PC les informations ainsi collectées (compte-rendus). Le procédé regroupe l’ensemble des organes physiques ayant pour but la transformation produits. Un SAP comprend donc un système d’information qui collecte, transmet, traite et mémorise des informations, des données et des décisions. Les produits fabriqués qui représentent les entités transformées doivent répondre aux exigences de qualité, de coût et de délai [Perrin et al., 2004].
Pour produire efficacement, un système de production doit être doté de plusieurs caractéristiques telles que la flexibilité, la réactivité, la proactivité et la robustesse.
Les SAP peuvent être caractérisés à travers la dynamique exprimant leur fonctionnement. Selon l’objectif considéré, il y a trois abstractions possibles pour modéliser cette dynamique : les systèmes continus, les systèmes à événements discrets et les systèmes dynamiques hybrides.
Un système discret est tel que toutes ses variables d’état sont discrètes. Un système continu est tel que toutes ses variables d’état sont continues. Un système hybride contient des variables d’état continues et des variables d’état discrètes.
Une variable est dite discrète si elle peut prendre ses valeurs dans un ensemble de valeurs dénombrables (qui peut être infini). Une variable est dite continue si elle peut prendre ses valeurs dans un ensemble de valeurs continues (donc non dénombrables) et si ses variations ne présentent pas de discontinuités.

Commande cyclique d’un SFPM

Ordonnancement des systèmes de production

Les systèmes de production manufacturière mettent en œuvre des commandes de manière à répondre à des demandes de production. Ces demandes sont traduites hors ligne en ordonnancement de la production qui aboutit à définir les taux de production par ressource et les dates d’entrées des produits. Les ordonnancements peuvent être classés en deux catégories selon l’aspect cyclique ou acyclique de la commande. Un ordonnancement acyclique est destinée essentiellement à une production de petite taille, voire unitaires, étant donné qu’elle considère toutes les tâches à effectuer.
Plusieurs travaux ont été menés dans le contexte des ordonnancements cycliques : [Hillion,1989], [Hanen, 1995], [Gentina et al., 2001], [Filho et al., 2014] et [Candan et Yazgan, 2015]. Ces travaux ont résolu progressivement les flexibilités qui caractérisent ces systèmes de production afin d’optimiser la production et construire une commande cyclique permettant d’atteindre les performances optimales du système. Ces travaux ont opté pour une commande cyclique essentiellement pour deux raisons. La première justification concerne la taille de la demande initiale de production qui est adaptée aux SFPM. Ceci est justifié par le fait que les SFPM produisent par définition de petites et moyennes séries. Il ne s’agit pas alors d’une production unitaire ou de très petite taille. Dans ce sens, l’application d’une commande cyclique permet de limiter le nombre de pièces à produire sur un horizon donné afin d’optimiser la performance de production sur un cycle.

Principaux concepts de l’ordonnancement cyclique

L’ordonnancement a pour objectif d’ordonner dans le temps l’exécution répétitive d’un ensemble d’opérations en utilisant un nombre limité de ressources [Benamar, 2013]. Ces opérations sont liées par des contraintes de précédence. Dans le contexte des systèmes de production manufacturière, après la demande initial de la part du client, vient l’étape de la planification [Korbaa,1998]. Cette étape décompose la production en plusieurs régimes permanents et détermine le nombre de pièces à produire dans chaque régime. La transition entre ces différents régimes permanents sera gérée à travers des régimes transitoires [Belkahla et al., 2007]. L’une des caractéristiques du régime permanent est la notion du temps de cycle qui représente la durée qui sépare deux occurrences d’une même opération entre deux cycles consécutifs.
Le temps de cycle est qualifié d’optimal s’il est fixé par la charge 3 de la ou des ressource(s) critique(s), également appelée ressource menante . Cela permet d’atteindre une productivité maximale pour ces ressources (taux d’occupation = 100%) ce qui est envisageable afin de permettre l’optimisation de la totalité de l’ordonnancement. Une autre caractéristique du régime permanent est la notion d’en-cours qui correspond au nombre de produits en cours de fabrication dans chaque cycle. Dans le cas général, l’en-cours correspond au nombre maximum de gammes 5 opératoires identiques en cours de production simultanément. La minimisation de l’en-cours est considérée comme l’un des critères de performance d’un ordonnancement cyclique [Benamar, 2013], et ce pour deux raisons. D’un part, la minimisation d’en-cours permet de minimiser le nombre de palettes utilisées dans le système, ce qui réduit en conséquence les coûts d’utilisation de ces en-cours. D’autre part, la minimisation de l’en-cours évite la saturation du système par un nombre de palettes qui dépasse sa capacité [Korbaa et Gentina, 2003].

Méthodes de diagnostic avec modèles

Les méthodes à base de modèles s’appuient sur des modèles de références pour avoir une base d’informations moins coûteuses par rapport à celles sans modèles. Ces méthodes se basent sur une comparaison du comportement du système avec le comportement du modèle qualitatif ou quantitatif établi [Combacau et al., 2000].

Méthodes à base de modèles qualitatifs

Les modèles qualitatifs permettent de représenter le comportement du système avec un certain niveau d’abstraction à travers des modèles symboliques. Ces méthodes représentent de manière qualitative les systèmes continus, discrets et/ou hybrides et peuvent être classifiées selon le niveau d’abstraction considéré du système à diagnostiquer.
Pour les systèmes continus, les approches ont été développées à base de graphes causaux et de graphes causaux temporels [Mosterman, 2001].
Le diagnostic des systèmes à évènements discrets est basé sur l’utilisation de modèles discrets tels que les automates d’états finis, les équations logiques, les chroniques [Dousson, 1994], l’interprétation de Signatures Temporelles Causales (STC) ([Toguyeni, 1992], [Saddem et al., 2012]) et les réseaux de Petri avec observation partielle ou totale du fonctionnement du procédé [Genc et Lafortune, 2003], [Liu, 2014]. Pour les systèmes hybrides, on trouve des méthodes reposant sur des modèles hybrides tels que les automates hybrides à temps discret [Bhowal et al., 2007], les bond graphs [Tagina et al., 1995], les RdP hybrides [Gomaa et Gentil, 1996].

Méthodes à base de modèles quantitatifs

Les méthodes à base de modèles quantitatifs s’appuient sur l’estimation et le suivi de paramètres représentatifs de l’état du système. Les principales méthodes s’appuient sur la représentation d’états, ou sur l’espace de parité [Gertler et Singer, 1990] qui sont des modèles mathématiques décrivant le comportement du système [Brunet et al., 1990], [Zwingelstein, 1995].
Si l’écart entre les valeurs des paramètres obtenus à l’aide de ces modèles et celles mesurées sur le procédé dépasse un certain seuil, une défaillance est alors détectée. Cet écart représente ainsi un résidu qui sera fourni au diagnostic et comparé avec toutes les signatures des défauts connues, afin d’isoler et d’identifier la défaillance avant de prendre une décision ([Cocquempot et al., 2004], [Gentil, 2007] et [Samantary et Ould-Bouamama, 2008]).
Ces méthodes à base de modèle quantitatifs souffrent de plusieurs problèmes, présentés dans les travaux de ([Staroswiecki, 1994], [Staroswiecki et Comtet-Varga, 2001]) par les problèmes relatifs à la surveillabilité. D’une part, le résultat de diagnostic dépend fortement de l’instrumentation utilisée et de la qualité des mesures que peuvent entacher de bruits et conduire à des résidus différents de zéro, provoquant ainsi des fausses détections. D’autre part, la difficulté majeur de ces méthodes résident dans la difficulté de positionnement de capteurs physiques pour mesurer toutes les grandeurs nécessaires pour le diagnostic [Zwingelstein, 1995].

Méthodes incrémentales

Le principe du diagnostic incrémental est de mettre à jour les résultats de résolution lorsque de nouvelles observations sont disponibles. Dans ce contexte, les travaux de [Grastien et al., 2012] ont utilisé une approche de diagnostic qui reprend la résolution à chaque nouveau symptôme détecté, en calculant le diagnostic global pour toutes les observations. L’inconvénient de cette approche est l’augmentation continue du temps de résolution à chaque ajout d’observation [Grastien et Anbulagan, 2010].
Dans le même contexte, les travaux de [Pencole et al., 2000] proposent d’établir un nouveau diagnostic lorsqu’une nouvelle observation est disponible, et ensuite concaténer les nouveaux résultats obtenus avec les précédents. Les chercheurs dans cette étude ont utilisé une décomposition temporelle et spatiale pour simplifier le problème du diagnostic. L’aspect spatial est réalisé par la mise en œuvre d’un diagnostic local à chaque composant du système. Selon ces auteurs, les résultats du diagnostic sont corrects pour chaque composant. Cependant l’algorithme proposé ne garantit pas l’exhaustivité [Grastien et Anbulagan, 2009] ou la consistance en général, c.à.d. le diagnostic ne prend pas en considération toutes les anciennes observations. En effet, il peut causer un problème de consistance entre les résultats du diagnostic initial et celui obtenu par les nouvelles observations. En effet, les observations du système sont partitionnées en composants (appelés dans [Grastien et Anbulagan, 2009] par les questions de diagnostic) qui sont diagnostiqués séparément.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela rapport-gratuit.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

Introduction générale 
I Etat de l’art sur le diagnostic des défauts 
1 Concepts fondamentaux du diagnostic 
1.1 Terminologies
1.2 Surveillance, diagnostic et supervision
2 Cadre d’étude 
2.1 Systèmes Automatisés de Production
2.2 Systèmes Flexibles de Production Manufacturière
2.3 Commande cyclique d’un SFPM
2.3.1 Ordonnancement des systèmes de production
2.3.2 Principaux concepts de l’ordonnancement cyclique
2.4 Présentation d’exemples illustratifs
2.4.1 SFPM à plusieurs types de pièces
2.4.2 SFPM à plusieurs en-cours par produit
3 Méthodes de diagnostic 
3.1 Méthodes de diagnostic sans modèles
3.2 Méthodes de diagnostic avec modèles
3.2.1 Méthodes à base de modèles qualitatifs
3.2.2 Méthodes à base de modèles quantitatifs
3.3 Méthodes indirectes
3.3.1 Approches quantitatives
3.3.2 Approches qualitatives
3.4 Méthodes incrémentales
4 Positionnement des travaux dans le contexte scientifique 
4.1 Synthèse des méthodes de diagnostic
4.2 Problématique et orientation
5 Conclusion
II Méthode de diagnostic indirect par arbre de résolution basé sur la technique du chaînage double
1 Hypothèses de diagnostic
2 Modélisation de l’aspect cyclique de l’ordonnancement 
2.1 Choix conceptuel de la modélisation cyclique
2.2 Positionnement de l’approche dans le contexte de l’étude
3 Démarche de résolution 
3.1 Construction de PERT cyclique
3.2 Génération des hypothèses par chaînage arrière
3.3 Validation des hypothèses par chaînage avant
3.4 Modélisation de l’induction du retard
3.4.1 Calcul de la marge
3.4.2 Calcul du retard
4 Diagnostic par chaînage double
4.1 Tests et résultats du diagnostic
4.2 Analyse du principe de résolution
5 Efficacité du diagnostic 
6 Conclusion 
III Approche par contraintes pour le diagnostic incrémental 
1 Programmation par contraintes 
2 Paramètres du diagnostiqueur 
2.1 Opération
2.2 Données
2.3 Variables
3 Contraintes du diagnostiqueur 
3.1 Types de retards
3.1.1 Retard propre
3.1.2 Retard induit
3.1.3 Retard total
3.2 Dates de fin des opérations
3.3 Contraintes de précédences entre les opérations
3.4 Contraintes d’inductions de retards
3.4.1 Contrainte liée au retard propre
3.4.2 Contrainte liée au retard induit
3.4.3 Contrainte de défaillance unique
4 Diagnostic incrémental 
4.1 Mécanisme de résolution
4.2 Taille du problème
5 Application du diagnostic à un SFPM sous une commande cyclique 
5.1 Choix de l’outil de résolution
5.2 Description du problème pour le modèle proposé
5.3 Tests et résultats du diagnostic indirect et incrémental
5.3.1 Scénario 1
5.3.2 Scénario 2
5.4 Analyses qualitatives des résultats
6 Etude de performance du diagnostic 
6.1 Evaluation du diagnostic d’un seul cycle
6.2 Evaluation du diagnostic incrémental complet
6.3 Stratégies de recherche
6.4 Comparaison avec la littérature
7 Conclusion 
IV Etude de la diagnosticabilité d’une commande cyclique 
1 Etude de la diagnosticabilité 
1.1 Principe et objectifs
1.2 Diagnosticabilité des SED
1.2.1 Classification selon la modélisation des défaillances
1.2.2 Classification selon l’outil de représentation pour le diagnostic
1.2.3 Classification selon la structure de la méthode de diagnostic
1.2.4 Autres approches formelles
2 Proposition d’une nouvelle méthode de diagnosticabilité d’un ordonnancement cyclique
2.1 Définition de la diagnosticabilité d’un SFPM
2.2 Vérification de la détectabilité
3 Application de la diagnosticabilité sur des cas d’étude
3.1 Etude de la détectabilité d’un SFPM à plusieurs types de pièce
3.2 Etude de détectabilité pour un SFPM à plusieurs en-cours par produit
4 Vers un ordonnancement diagnosticable
4.1 Solutions de diagnosticabilité
4.2 Propriétés d’un ordonnancement diagnosticable
5 Conclusion 
Conclusion générale et perspectives

Rapport PFE, mémoire et thèse PDFTélécharger le rapport complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *