Soutenance de thèse de Dang Trinh Nguyen le 15/10/2015

Les travaux de recherche que nous proposons dans le cadre de ce mémoire de thèse se positionnent dans le domaine du diagnostic des systèmes à événements discrets complexes. La complexité est définie ici par la forte variabilité des gammes de produits considérés, des routes multiples qu’ils peuvent prendre au sein de l’atelier de production et des causes multiples que nous considérons : humaines, produits, équipements, recettes. Ils apportent ainsi leur contribution à la problématique spécifique des phénomènes de propagations de défaillances dans les lignes de production complexes, défaillances qui ne sont détectées qu'au travers d'observations partielles de non-conformité des produits obtenues avec retard. L'objectif est de fournir aux agents d'exploitation de ces systèmes un outil d'aide au diagnostic permettant de réduire, de manière dynamique, l’espace des causes à inspecter. La contribution originale proposée s’appuie sur un couplage d’une approche de diagnostic logique, et d’une approche probabiliste Bayésienne. Ce couplage s’est appuyé sur la transformation d’un modèle d'historiques en réseaux Bayésiens sur lequel des calculs probabilistes sont ensuite effectués à des fins de diagnostic.
 

The research in this PhD thesis is focused on diagnosis of complex discrete event systems. The complexity is defined by the diversity of given product types, multiple production lines and multiple drift causes such as: humans, products, equipment and recipes. The key contribution in this research is on failure propagation in complex production lines where failures are only detected through partial observations of non-compliance of the product quality. The objective is to provide a diagnosis support tool of control system operators to dynamically reduce the search space and effectively localize fault origins. This is done by coupling logical diagnosis model with Bayesian probabilistic approach. In the proposed method, historical logic model is transformed into Bayesian Network which then computes joint and conditional probabilities to support diagnosis.