Référence P23-1
OBJET ET ENJEUX
Dans le cadre de la surveillance de son installation et de ses systèmes, l’exploitant d’un actif industriel vérifie périodiquement s'il est en bon état de fonctionnement. Il contrôle en particulier la nature des éventuels défauts et dégradations, leur localisation, leur étendue et suit leur importance et leur propagation dans le temps. Ces données dites d’inspection – contrôle sont généralement enregistrées dans des bases de données spécifiques. Ces mesures sont utilisées pour caractériser l’évolution des dégradations.
Avec la collecte des données HUMS de surveillance et de maintenance conditionnelle, et l’arrivée du big data, les algorithmes de machine learning vont nous permettre de mieux comprendre les pannes, de mettre en évidence les facteurs/ paramètres explicatifs, et enfin de mieux éviter les défaillances, dont le nombre devrait se réduire. De fait, suivre l’évolution des dégradations deviendra une tâche encore plus importante pour le fiabiliste et pour l’ingénieur de maintenance.
L’objet de ce projet est la rédaction d’un guide d’analyse des dégradations mesurées, illustré par des exemples industriels. Le projet vise l'application à des composants électroniques, électro-mécaniques ou mécaniques et aux structures..
Rappelons quelques définitions :
L’effet mesurable peut souvent se traduire par une fonction du type :
effet mesurable = f (temps de fonctionnement, facteurs / paramètres explicatifs).
La représentation graphique de cet effet permet de suivre l’évolution de la dégradation et de prévoir par « extrapolation » la date d’une maintenance préventive, c'est-à-dire l’atteinte d’un seuil ou d’une limite déclenchant une intervention de maintenance préventive. Ce niveau limite est fixé par des critères technologiques ou des critères de sécurité.
Pour toute information administrative ou technique relative à la souscription où à la conduite d'un projet, adressez-vous au secretariat@imdr.eu - 01 78 12 30 19