Directeur(s) de thèse : Michel Tollenaere, Eric ZAMAI
Ecole doctorale : IMEP2
Date de début (souhaitée) : septembre 2012
Financements envisagés - Contexte - Partenaires éventuels
Description du sujet :
Contexte
Malgré le fort niveau d'automatisation et le nombre croissant d'informations enregistrées dans les bases de données, lors des arrêts programmés ou non, le personnel en charge de la remise en fonctionnement de l'équipement analyse un nombre réduit de paramètres et leur évolution pour décider des actions à mener ainsi que des procédures de test et de remise en route à effectuer. Lors des arrêts machine, l'urgence va à la remise en route de la production -- les manifestations de dysfonctionnement de l'équipement semblant souvent évidentes --, mais le taux de maintenance corrective élevé montre que l'identification des causes racines constitue un problème, et que les opérations "de précaution" ou préventives ont une pertinence discutable dans la maîtrise des risques de dérive en production.
S'appuyant sur les progrès réalisés ces dernières années dans les unités de fabrication au niveau automatisation et de stockage de données, il a été démontré depuis peu [Mili 2009] que l'analyse de la variabilité des pannes des équipements peut être supportée et quantifiée dynamiquement en terme de risque, participant ainsi à mieux définir les priorités lors des actions sur les équipements. De plus, utilisant la richesse des bases de données où sont archivées les évolutions de très nombreux paramètres de production, des travaux récents sur la maintenance prédictive [projet européen IMPROVE], sur le DFM (Design for Manufacturing) [Shahzad 2011], s'appuyant tous deux sur des méthodes d'analyse statistique temps réel, ouvrent la voie à de nouvelles méthodes de pilotage des interventions sur les équipements, permettant de quantifier l'impact de l'environnent (gammes de fabrication et/ou des processus opératoires), sur la disponibilité des machines.
Le projet de thèse
Ces résultats ouvrent la voie à des possibilités d'évolution quant au pilotage dynamique des méthodes de maintenance en environnement technologique en constante évolution & produit à obsolescence rapide. Ces méthodes de pilotage demandent à être industrialisées pour diminuer les maintenances curatives, optimiser les maintenances préventives, augmenter le volume de maintenances prédictives, piloter par des historiques intelligemment analysés, et ainsi bénéficier de l'impact direct associé en terme de temps de cycle, coûts et rendement de l'unité de production. Mais outre la meilleure efficience de l'outil de production, les vrais enjeux se situent sans doute dans le raccourcissement des temps de cycle de développement de nouvelles technologies.
Travail demandé
Ce travail sera conduit en partenariat avec ST Microelectronics qui offre un terrain expérimental de premier plan où les méthodes de maintenance contribuent :
- à la disponibilité d'équipements qui représentent des investissements considérables
- au maintien de la capabilité pour produire des produits de technologie toujours plus avancée.
- à la nécessité de maintenir des flux diversifiés de produits
Profil recherché
Forte connaissance en modélisation industrielle et gestion des systèmes « qualité » & maintenance industrielle.Connaissance sur l'architecture, la gestion et l'accès aux infrastructures de stockage de données.Capacité et motivation à travailler sur des outils d'analyse de données.Autonomie et capacité à travailler en relation avec des interlocuteurs de culture et compétences variées: Production, contrôle des procédés, Engineering Industriel, R&D, Produit, informatique.