GSCOP-RUB-GCSP

Soutenance HDR Éric GASCARD mercredi 14 décembre à 14h00 - Amphi Gosse- Site Viallet - Grenoble INP

Intitulée : "Méthodologies et algorithmes pour l’analyse de la sûreté de fonctionnement des systèmes industriels complexes"
Les membres du jury :
 
  • IUNG Benoît, Professeur des Universités, Université de Lorraine (rapporteur)
  • PÉRÈS François, Professeur des Universités, INP Toulouse – ENIT (rapporteur)
  • DANG Thao, Directrice de recherche, CNRS délégation Alpes (rapporteuse)
  • KRATZ Frédéric, Professeur des Universités, INSA Centre val de Loire (examinateur)
  • CASTANIER Bruno, Professeur des Universités, Université d’Angers (examinateur)
  • DEHOMBREUX Pierre, Professeur des Universités, Université de Mons (Belgique) (examinateur)
  • SIMEU-ABAZI Zineb, Professeure des Universités, Université Grenoble Alpes (examinatrice)

Le résumé :

Inscrits dans les défis des transitions écologiques, numériques et sociétales des systèmes de production industrielle étudiés au laboratoire G-SCOP, les travaux présentés dans cette HDR relèvent de la thématique de la sûreté de fonctionnement et du pronostic et management de la santé des systèmes industriels complexes.
Mes activités de recherche présentées dans cette HDR se structurent en trois axes. Le premier axe porte sur le développement de méthodes de diagnostic avec des approches basées sur les modèles. Nous nous sommes intéressés à définir des méthodologies de modélisation mathématique/informatique qui représentent le fonctionnement de systèmes de production industrielle et à élaborer des méthodes et algorithmes qui permettent de réaliser leur diagnostic. Le second axe propose de nouveaux outils d’aide à la décision pour le diagnostic et la maintenance en utilisant les arbres de défaillances dynamiques, les réseaux de files d’attentes et les métaheuristiques. Le dernier axe se focalise sur les méthodes de pronostic basées sur les données. Nous proposons des méthodologies de diagnostic et de pronostic de santé des systèmes industriels à base de méthodes d’apprentissage issues de l’intelligence artificielle.
Mes projets de recherche proposés dans cette HDR s’inscrivent dans la continuité de ces trois axes de recherche en développant de nouvelles méthodologies de diagnostic et de pronostic de systèmes de production cyber-physiques afin de participer à une transition réussie vers l’industrie du futur (Industrie 4.0). Mes ambitions de recherche sont de répondre à l’un des défis majeurs de la révolution industrielle 4.0, la prise en compte de l’humain dans le développement des nouvelles méthodes et technologies pour la fiabilité, le diagnostic et la maintenance des usines intelligentes (smart factory). Il est en effet nécessaire de proposer des solutions pour intégrer l’humain dans cette disruption digitale et l’impliquer au cœur des dynamiques de l’Industrie 4.0.