Au cours de la dernière décennie, le concept de maintenance prédictive (PdM) a attiré une attention croissante dans les pratiques industrielles et la recherche académique. Les opportunités potentielles d'utilisation des données en temps réel offertes par les principes et les technologies de l'Industrie 4.0 sont souvent exploitées pour la surveillance de l'état de santé des équipements et l'estimation de la durée de vie restante (RUL). De ce fait, la plupart des études se concentrent sur la prédiction des défaillances, qui est en soi importante, tandis que la prescription de décisions pour la planification des interventions de maintenance est beaucoup moins abordée dans la littérature. De plus, il est souvent négligé que dans le monde réel, tous les équipements ou composants ne peuvent pas être entretenus uniquement par la stratégie de PdM et la planification des interventions pour ce type de maintenance ne peut pas être détachée des autres activités et stratégies de maintenance telles que la maintenance préventive (PvM).
L’objectif de cette thèse est de proposer de nouvelles approches et méthodes de PdM et de PvM grâce à la science des données et à l'optimisation mathématique. L'étude vise à répondre à plusieurs questions clés, telles que la possibilité d'estimer l'état de santé et/ou RUL des équipements/composants, la manière d'utiliser ces données et informations dans la prise de décision et la planification de la maintenance, tout en tenant compte de leurs liens avec d'autres activités. À cet égard, une approche globale de l'organisation de la maintenance prédictive est proposée. Cette approche couvre l'ensemble des stratégies de maintenance et implique plusieurs étapes interconnectées, de la description et du diagnostic à la prise de décision prescriptive. Ces étapes intègrent également l'analyse de la criticité des équipements et/ou composants, l'identification de la stratégie appropriée de maintenance pour chaque équipement et/ou composant, l'identification et l'acquisition de données et d'informations nécessaires pour chaque stratégie, le système de surveillance de la maintenance pour les stratégies PvM et corrective, la surveillance de l'état de santé des équipements et l'estimation de la RUL pour la stratégie PdM, et enfin la planification de l'ensemble des interventions de maintenance. Sur cette base, plusieurs méthodes, algorithmes et applications appropriés ont été développés et appliqués sur différents cas d'utilisation à l'usine Fiat Powertrain Technologies Bourbon-Lancy (FPT-BLY).
Initialement, une nouvelle approche d'identification de la stratégie de maintenance est proposée. Cette approche s'appuie sur plusieurs méthodes telles que la prise de décision multicritère (MCDM), l'analyse ABC, l'analyse de sensibilité et l'identification de la fréquence optimale et est appliquée sur l'un des équipements de contrôle numérique (CNC) les plus complexes. L'approche proposée a identifié avec succès les équipements et les composants critiques, permettant d'obtenir une réduction significative des achats d'urgence. Concernant la surveillance de la maintenance, les indicateurs de maintenance les plus pertinents ont été identifiés et des tableaux de bord de visualisation appropriés sont proposés pour surveiller la performance de la maintenance et faciliter l'identification des actions d'amélioration. En ce qui concerne la surveillance de l'état de l'équipement et l'estimation de RUL, une méthode d'indicateur de santé (HI) et un nouvel algorithme dynamique sont proposés et appliqués sur un système de chaîne de convoyage de peinture. Les résultats montrent la possibilité d'estimer dynamiquement l'état de santé et la RUL en se basant sur les données en temps réel. Sur le même cas, un problème de planification simultanée PdM et PvM est aussi étudié. Dans ce contexte, un modèle d'optimisation mathématique est proposé pour minimiser les coûts globaux contenant le coût direct (coûts d'intervention) et indirects (coûts estimés du risque de défaillance, pertes de durée de vie inutilisée) tout en prenant en compte le groupement opportuniste des interventions. Cette étude a indiqué que les informations de RUL pourraient être intégrées dans le système de planification de maintenance global pour identifier une planification optimale. De plus, pour valider la méthode proposée, une analyse de sensibilité complète est fournie, et les résultats obtenus indiquent que la prise en compte des aspects mentionnés pourrait avoir un impact significatif sur la planification de la maintenance et pourrait permettre de réduire les coûts de maintenance globaux à moyen/long terme. Enfin, les défis de la mise en œuvre de l'approche proposée dans d'autres entreprises, les issues managériales et les perspectives de recherche ont été discutés.
Mots clés : Maintenance prédictif, Estimation RUL, Planification de la maintenance, Données du temps réel, Data analytiques, Optimisation mathématique, Industrie 4.0.