Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE Ministère de l’Enseignement Sup

RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE Ministère de l’Enseignement Supérieur et de la Recherche Scientiﬁque Université Mohamed Khider – BISKRA Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie Département d’informatique N° d’ordre :............. T H È S E Présentée en vue de l’obtention du diplôme de Doctorat LMD en Informatique Option : Intelligence artiﬁcielle Titre Pronostic des systèmes industriels basé sur l’intelligence artiﬁcielle Maintenance prédictive Présentée par Zohra BOUZIDI Devant le jury composé de : Président : Pr. Okba Kazar Université de Biskra Rapporteur : Dr. Labib Sadek Terrissa Université de Biskra Examinateurs : Pr. Noureddine Zerhouni ENSMM de Besançon France Pr. Mohamed Benmohamed Université de Constantine 2 Dr. Rezeg Khaled Université de Biskra Invité : Dr. Soheyb Ayad Université de Biskra Année Universitaire : 2018 – 2019 i Remerciements En premier lieu, je remercie le bon dieu de m’avoir donné la force et la patience nécessaire pour achever ce travail de thèse. Je tiens à remercier mon directeur de thèse monsieur Terrissa Labib Sadek, Maître de conférences à l’université de Biskra, de m’avoir accueilli au sein de son équipe pour réaliser ma thèse ainsi que pour sa disponibilité et son soutien. Je souhaite aussi remercier le Professeur Noureddine Zerhouni, qui m’a beaucoup aidé, sans relâche et sans limite. En effet, je lui exprime ma profonde gratitude pour sa disponibilité et son dévouement. Je le remercie de m’avoir toujours poussé vers l’avant et d’avoir eu conﬁance en moi. Cette conﬁance m’a permis d’acquérir une riche expérience durant ma thèse. Je remercie également Monsieur Rafael Gouriveau, Professeur à l’école Nationale Supérieure de Mécanique et de Microtechnique de Besançon, d’avoir suivre mon travail. Je suis sincèrement reconnaissant pour ses précieux conseils. Je souhaite aussi remercier Monsieur Soheyb Ayad pour son aide et ses précieux conseils. Je veux également remercier tous les membres de jury : Pr. Okba Kazar , Professeur à l’Université de Biskra, pour m’avoir fait l’honneur de présider mon jury de thèse, ainsi que Pr. Mohamed Benmohamed , Professeur à l’Université de Constantine 2, Dr. Khaled Rezeg, Maître de conférences à l’Université de Biskra, Dr. Soheyb Ayad , Maître de conférences à l’Université de Biskra, pour avoir accepté d’évaluer mon travail. Je tiens aussi à remercier toute ma promotion de doctorat et tous mes collègues. Je ne peux terminer sans avoir une pensée pour ma famille. Sans elle, je n’aurais jamais pu arriver jusque-là et atteindre mes objectifs. Un grand merci à mes parents pour leur soutien indéterminé. Enﬁn, je remercie tous ceux qui ont contribué de près ou de loin à l’aboutissement de ce travail de recherche. Zahra Bouzidi ملخص ،في مجال التنبؤ وتسيير الصحة التنبؤ هو عملية لمعرفة حالة الصحة للنظام وتقدير وقته ال متبقي قبل الفشل .قرار الصيانة الجيد ينطوي بالضرورة على تقدير أفضل لهذا األخير. يف اآلونة األخيرة، ساهم ظهور أنظمة تكنولوجيا المعلومات في المجال الصناعي بالخصوص الحوسب ة السحابية بشكل كبير في تحسين عملية ال تنبؤ. في هذه األطروحة، نقترح نهجًا جديدًا للتنبؤ استنادًا إلى نموذج الحوسبة السحابية من أجل تقديم نبؤ لت ا كخدمة في الحوسبة السحابية .يوفر هذا النهج ًحل ًفعال للتنبؤ ًبناء على طلب العميل مع ضمان جودة أفضل للخدمة. تم تنفيذ ثلثة طرق تعتمد على البيانات (الشبكة العصبية الصطناعية، ون ظام األعصاب الضبابية، وشبكة بايزي )واختبارها على بيانات محرك ات طائرات من مركز التميز الوطني للتن بؤات التابع إلدارة الطيران والفضاء. من أجل اختبار فعالية الحل لدينا ومقارنة الطرق المنفذة، قمنا بدراسة أداء نظامنا التنبئي وفقا ل لدقة، الضبط والخطأ التربيعي المتوسط .وأخيرًا، تم إجراء تقييم لجودة الخدمة للحل. :الكلمات المفتاحية ،التنبؤ وإدارة الصحة ال ،وقت المتبقي قبل الفشل، التنبؤ كخدمة الحوسبة السحابية، الذكاء ا لصطناعي، قياسات األداء، جودة الخدمة. iii Résumé Dans le domaine du Prognostics and Health Management (PHM), le pronostic est un pro- cessus permettant de se renseigner sur l’état de santé d’un système et d’estimer son temps rési- duel avant la défaillance (RUL). Une bonne décision de maintenance passe forcément par une meilleure estimation de ce dernier. Récemment, l’émergence des systèmes ITs dans le domaine industriel et en particulier le Cloud Computing a fortement contribué à l’amélioration du processus de pronostic. Dans cette thèse, nous proposons une nouvelle approche de pronostic basé sur le modèle cloud computing et le principe de multitenancy aﬁn de présenter le pronostic en tant que service. Cette approche fournit une solution de pronostic efﬁcace à la demande d’un client tout en as- surant une meilleure qualité du service. Trois méthodes de pronostic guidé par les données (ré- seau de neurones artiﬁciels, système neuro-ﬂou et réseau bayésien) ont été implémentées et testées sur des données de moteurs d’avions du centre d’excellence en pronostic de la National Aeronautics and Space Administration (NASA). Aﬁn de tester l’efﬁcacité de notre solution et comparer les méthodes implémentées, nous avons étudié la performance de notre système de pronostic en fonction de l’exactitude, la précision et de l’erreur quadratique moyenne. Enﬁn une évaluation des qualités de service (QoS) de la solu- tion a été effectuée. Mots clés : Prognostics and Health Management (PHM), Durée de vie résiduelle (RUL), Pro- nostic en tant que service, Cloud Computing, Intelligence artiﬁcielle, Mesures de performance, Qualité de service (QoS). iv Abstract In the ﬁeld of Prognostics and Health Management (PHM), the prognostic is a process to learn about the system’s state of health and estimate its remaining useful life before failure. A good maintenance decision requires a better estimation of the latter. Recently, the emergence of IT systems in the industrial ﬁeld and in particular Cloud Computing has contributed signiﬁcantly to the improvement of the prognostic process. In this thesis, we propose a new prognostic approach based on the cloud computing model and the principle of multitenancy in order to present the Prognostic as a Service. This approach provides an effective prognostic solution at the request of a customer while ensuring a better quality of service. Three data-driven prognostic methods (artiﬁcial neural network, neuro-fuzzy system, and bayesian network) were implemented and tested on aircraft engine data from the National Aeronautics and Space Administration’s Center of Excellence for Prognostics (NASA). In order to test the efﬁciency of our solution and compare the implemented methods, we study the performance of our prognostic system according to accuracy, precision and mean squared error. Finally, an evaluation of the quality of service (QoS) of the solution was carried out. Keywords : Prognostics and Health Management (PHM), Remaining Useful Life (RUL), Pro- gnostic as a Service, Cloud Computing, Artiﬁcial intelligence, Performance measures, Qualité of Service (QoS). Table des ﬁgures 1.1 Formes de maintenance [1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.2 Architecture OSA/CBM [2] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.3 Résumé de la norme ISO 13381-1 : 2004 Étapes Principales [3] . . . . . . . . . . . . 22 1.4 Déﬁnition de l’intervalle RUL [4] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 1.5 Les approches du pronostic [4, 5] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 1.6 Mesures de performances du système de pronostic : "Exactitude" et "Précision" [5, 6] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 1.7 Mesures de performances du système de pronostic : "Timeliness" [5, 6] . . . . . . . 40 2.1 Évolution vers le Cloud [7] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 2.2 Le Cloud Computing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 2.3 Les caractéristiques du Cloud Computing [8] . . . . . . . . . . . . . . . . . . . . . . . 54 2.4 Modèles de service du Cloud Computing [9] . . . . . . . . . . . . . . . . . . . . . . . 63 2.5 Modèle de déploiement d’un Cloud Public . . . . . . . . . . . . uploads/Geographie/ these-de-doctorat-zohra-bouzidi-pronostic-des-systemes-industriels-pdf.pdf