Outils d'analyse et de comparaison de modèles pour la détection de défaillances
Langue Français
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :
  • Thèse consultable sur internet, en texte intégral.
  • Thèse avec 2 versions : seule la version intégrale est proposée ; sur authentification (communication intranet).
 
Auteur : Mountasir, Nassime
Date de soutenance : 21-04-2026

Directeur(s) de thèse : Lachiche, Nicolas - Lafabregue, Baptiste

Président : Lebbah, Mustapha
Rapporteur(s) : Lebbah, Mustapha - Mothe, Josiane
Membre(s) du jury : Guyet, Thomas - Albert, Bruno

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Informatique
Classification : Informatique

Mots-clés libres : Industrie 5.0, Maintenance prévisionnelle, PHM, Visualisations, Évaluation
Mots-clés :
  • Visualisation
  • Logiciels -- Maintenance
  • Apprentissage automatique
  • Industrie 4.0
  • Systèmes d'aide à la décision
Résumé : Cette thèse s’inscrit dans l’Industrie 4.0 et traite de la maintenance prévisionnelle, où anticiper les pannes est essentiel pour la sécurité et la rentabilité. Si de nombreux modèles d'intelligence artificielle prédisent aujourd'hui l'usure des machines, leur évaluation repose souvent sur des indicateurs globaux simplistes qui masquent des comportements critiques. Ce travail démontre que deux modèles aux performances moyennes identiques peuvent réagir très différemment selon le contexte opérationnel, comme les variations de charge. L'objectif est de proposer des méthodes d'analyse plus fines pour choisir le modèle le plus fiable selon les contraintes du terrain. Pour cela, la thèse introduit deux outils de visualisation originaux nommés le 2D Error Space et le Domain Evolution Plot. Ces méthodes permettent de comparer les erreurs point par point et d'analyser la précision selon les conditions de fonctionnement. Validés sur des données industrielles, ces outils offrent une aide à la décision concrète pour garantir une maintenance précise et une production continue.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2026STRAD005
Type de ressource : Thèse