Vers un jumeau numérique soutenable pour la surveillance et la détection robuste d'anomalies dans les systèmes de production

Cette thèse explore le Jumeau Numérique (JN) dans le contexte des systèmes de production manufacturiers. Elle élargit la définition du JN en intégrant des aspects de soutenabilité, mettant en avant l'efficacité et la durabilité dans le cycle de vie des JNs. L'étude se concentre ensuite sur...

Full description

Saved in:
Bibliographic Details
Main Authors : Abdoune Khadidja (Auteur), Cardin Olivier (Directeur de thèse), Nouiri Maroua (Directeur de thèse), Traoré Mamadou Kaba (Président du jury de soutenance), Roucoules Lionel (Rapporteur de la thèse), Trentesaux Damien (Rapporteur de la thèse), Castagna Pierre (Membre du jury), Derigent William (Membre du jury)
Corporate Authors : Nantes Université 2022-.... (Organisme de soutenance), École doctorale Mathématiques et Sciences et Technologies du numérique, de l Information et de la Communication Nantes 2022-.... (Ecole doctorale associée à la thèse), Laboratoire des Sciences du Numérique de Nantes (Laboratoire associé à la thèse)
Format : Thesis
Language : français
Title statement : Vers un jumeau numérique soutenable pour la surveillance et la détection robuste d'anomalies dans les systèmes de production / Khadidja Abdoune; sous la direction de Olivier Cardin et de Maroua Nouiri
Published : 2023
Online Access : Via Nantes Université network
Online Access note : Accès au texte intégral
Note de thèse : Thèse de doctorat : Automatique, productique : Nantes Université : 2023
Subjects :
Description
Summary : Cette thèse explore le Jumeau Numérique (JN) dans le contexte des systèmes de production manufacturiers. Elle élargit la définition du JN en intégrant des aspects de soutenabilité, mettant en avant l'efficacité et la durabilité dans le cycle de vie des JNs. L'étude se concentre ensuite sur les systèmes à événements discrets, révélant leur complexité événementielle. Elle développe des mécanismes de synchronisation pour améliorer la modélisation et des méthodes robustes pour renforcer la détection d'anomalies. Ces approches utilisent l'apprentissage automatique et les retours des opérateurs pour surveiller les performances et identifier les dérives. Une étude de cas sur une ligne d'assemblage confirme l'efficacité de ces approches. La thèse aborde également les systèmes à variables continues, en se penchant sur la consommation d'énergie d'un équipement industriel. Elle propose des méthodologies de génération de modèles basés sur les données dont une méthode est basée sur les densités de probabilités et une autre basée sur des intervalles pour quantifier les incertitudes. Enfin, cette recherche ouvre une perspective passionnante après la détection d'anomalies, notamment en matière de reconfiguration, de diagnostics et d intégration de l humain. Ces possibilités permettent de gérer les aléas de manière proactive, contribuant ainsi à l'amélioration globale des systèmes de production
This thesis delves deep into the Digital Twin (DT) within the context of manufacturing production systems. It broadens the definition of DT by incorporating sustainability aspects, emphasizing efficiency and sustainability throughout the life cycle of DTs. The study then narrows its focus to discrete event systems, unveiling their event complexity. It develops synchronization mechanisms to enhance modeling and deploys robust methods to strengthen anomaly detection. These approaches leverage machine learning and operator feedback to monitor performance and identify deviations. A case study on an assembly line confirms the effectiveness of these innovative approaches. The thesis also addresses continuous variable systems by examining the energy consumption of industrial equipment. It proposes methodologies for generating data-driven models, including one method based on probability densities and another based on intervals to quantify uncertainties. Finally, this research opens up different perspectives following anomaly detection, particularly in the areas of reconfiguration, diagnostics, and human integration. These possibilities enable proactive management of contingencies, thereby contributing to the overall improvement of production systems.
Variantes de titre : Towards a sustainable digital twin for monitoring and robust anomaly detection in manufacturing systems
Notes : Titre provenant de l'écran-titre
Ecole(s) Doctorale(s) : École Doctorale Mathématiques et Sciences et Technologies du numérique, de l Information et de la Communication (Nantes)
Partenaire(s) de recherche : Laboratoire des Sciences du Numérique de Nantes (Laboratoire)
Autre(s) contribution(s) : Mamadou Kaba Traoré (Président du jury) ; Pierre Castagna, William Derigent (Membre(s) du jury) ; Lionel Roucoules, Damien Trentesaux (Rapporteur(s))
Configuration requise : Configuration requise : un logiciel capable de lire un fichier au format : PDF