Introduction

Introduction

Pascale Marange Alexandre Voisin 

CNRS, CRAN, Université de Lorraine, Vandoeuvre-lès-Nancy

Page: 
399-402
|
DOI: 
https://doi.org/10.3166/JESA.49.399-402
Received: 
N/A
| |
Accepted: 
N/A
| | Citation
Abstract: 

Les défis de la sûreté de fonctionnement s’orientent vers une recherche d’accommodation des systèmes aux aléas (i.e. événements prévisibles, voire imprévus). La capacité pour le système de subir les aléas se fait traditionnellement soit de manière prévisionnelle, afin de démontrer la capacité intrinsèque du système à surmonter ces aléas, soit en dotant le système de fonction assurant cette capacité en opération.

La prise en compte des aléas aux différentes étapes du cycle de vie d’un système est actuellement une problématique traitée aussi bien pour les systèmes continus que discrets. La prise en compte des aléas dans le domaine continu se fait par l’observation d’une dérive au niveau d’un signal ou de plusieurs signaux alors qu’en discret, c’est l’occurrence d’un événement qui permettra de détecter un comportement anormal.

L’objectif de ce numéro spécial est de présenter, pour différentes étapes du cycle de vie d’un système, des méthodes permettant de doter le système d’une capacité à surmonter les aléas. La figure 1 présente l’ensemble des papiers de ce numéro et indique à quelle phase du cycle de vie du système, ces travaux sont appliqués.

Figure 1. Organisation de la session en fonction du cycle de vie

Dés l’appel à réponse d’un projet, il est possible de considérer des éléments de sûreté de fonctionnement. En effet, les travaux de Benaben et al., (2016) proposent une approche d’évaluation, en amont du cycle de développement d’un produit, de l’impact des exigences de sûreté de fonctionnement (SdF) sur la réalisation du projet associé. Cette prise en compte des aléas nécessite d’allier des connaissances SdF et« métiers » sur les dimensions fonctionnelles et structurelles du produit. Cet objectif est atteint grâce à l’utilisation d’un formalisme de représentation matricielle.

En phase de conception, Maza et al. (2016) proposent de prendre en compte les aléas et leurs impacts dans la définition de la commande ou de la reconfiguration d’un système. Ces travaux montrent une approche originale de couplage entre l’analyse des systèmes continus et celle des systèmes à événements discrets pour évaluer conjointement les propriétés structurelles (commandabilité, observabilité, etc.) et leurs paramètres de sûreté de fonctionnement. Toujours en conception, l’analyse de propriétés structurelles des systèmes continus repose sur la théorie des graphes s’appuyant sur la connaissance des phénomènes physiques mis en jeu. Ainsi, Simon et al. (2016) développent une approche de conception de systèmes instrumentés de sécurité (SIS) par une méthode d’optimisation de coût sous contraintes de disponibilité. Cette conception inclut la définition de la structure du SIS et l’allocation de disponibilité et de redondance à partir de composants sur étagère. La structure est vue comme un p-graphe tel que proposé par Kaufmann. L’outil d’optimisation est un algorithme génétique qui est appliqué à plusieurs problèmes de conception de complexité croissante.

Lors de la distribution, le système logistique peut subir des défaillances. La prise en compte de cet élément est donc importante dans le choix stratégique du réseau de distribution afin de garantir les seuils désirés de fiabilité et de disponibilité des différents sites de la chaîne. Les premiers travaux de Maliki et al. (2016) s’intéressent à la prise en compte des aléas lors de la phase de distribution. Ils considèrent alors un réseau de distribution stochastique avec la prise en compte des décisions de sélection des fournisseurs, de localisation des centres de distribution (DC), d’affectation des détaillants et de gestion des indisponibilités des DC. Leur démarche consiste d’abord à trouver la meilleure structure de la chaîne logistique de distribution en utilisant une approche d’optimisation basée sur les algorithmes génétiques ; puis de simuler le comportement de cette chaîne logistique face à la présence d’éventuelles défaillances de DC.

En phase d’exploitation, les aléas peuvent être pris en compte d’une part en adaptant la conduite du système et, d’autre part, en maintenant ou en détectant les pannes. Pour la conduite d’un système, Bouaziz et al. (2016) proposent un modèle d’aide au choix de séquences de conduite pour les systèmes critiques. L’objectif ici consiste à proposer un classement multicritère de séquences en intégrant à la fois l’aspect sécuritaire, dans la définition des critères de décision, et également l’état réel des équipements et les connaissances métiers. Une méthodologie structurée pour supporter le processus de classement est ainsi développée. Les modèles proposés reposent sur la théorie de l’utilité multi-attribut et la notion de bilan de santé. Les entrées de ces modèles proviennent des données réelles et des connaissances métiers. En sortie, l’expert de la conduite dispose d’un ensemble d’informations consensuelles et objectives sur le système. Toujours lors du pilotage, Boudnnaya et al. (2016) proposent d’intégrer, en plus du retour d’expérience sur le matériel, celui sur les facteurs humains pour évaluer la fiabilité d’un système et ses composants critiques. Un arbre de défaillance est d’abord utilisé pour évaluer la fiabilité du système. Il intègre les aspects techniques et humains du système. Puis, une mesure d’importance est calculée pour identifier les composants critiques du système. L’objectif de ce travail étant de fournir à un exploitant la fiabilité de son système ainsi que les composants critiques. Une application aux passages à niveaux au Maroc est proposée pour illustrer la démarche.

En phase de maintenance, la décision d’une action repose le plus souvent sur la capacité du système à remplir sa mission. Cependant d’autres considérations peuvent entrer en compte. Ainsi Hoang et al. (2016) proposent de considérer l’efficacité énergétique et de son pronostic comme nouvel indicateur dans la prise de décision en maintenance. Pour cela, les auteurs proposent une approche multiniveau d’évaluation d’un indicateur de l’efficacité énergétique d’un système industriel. L’évolution temporelle de cet indicateur en regard de la dégradation du système est ensuite abordée dans un objectif de maintenance prévisionnelle.

Toujours en phase d’exploitation, il est nécessaire de détecter les aléas afin de permettre aux autres processus d’en tenir compte. Olivier et al. (2016) s’intéressent à un système dangereux de synthèses chimiques. Ils proposent une approche de détection et de diagnostic. La méthodologie développée dans ce travail repose sur une approche mixte qui combine une méthode à base de modèles pour la détection de défaut et une approche de reconnaissance de formes pour l’identification.

Enfin, lors du démantèlement, il est possible de considérer des aléas qu’a subis le système, afin de choisir la meilleure manière de démonter un système pour le reconditionner. Bentaha et al. (2016) présentent une première étude sur la planification du processus de désassemblage prenant en compte les états ou qualités des produits à désassembler. L’approche permet de définir le meilleur niveau de désassemblage en fonction du coût occasionné pour désassembler le produit et du bénéfice tiré de la revente fonction de l’état du produit et/ou les états de ses composants et sous-assemblages. L’état d’un produit est modélisé par le concept de potentiel d’utilisation résiduel (PUR) pris comme variable aléatoire normale connue et tronquée. L’objectif est de maximiser le profit du processus de désassemblage, qui est la différence entre les revenus des composants et sous-assemblages et les coûts des tâches de désassemblage.

Ce numéro spécial montre qu’à chaque étape du cycle de vie d’un système, il est possible d’intégrer les aléas et ainsi permettre de proposer des solutions pour que le système puisse assurer la mission pour laquelle il est destiné.

Les papiers présentés sont issus d’une sélection des congrès MOSIM’14 (Olivier et al., 2016 ; Boudnaya et al., 2016, Maliki et al., 2016 ; Anh et al., 2016, Bouaziz et al., 2016) et QUALITA’2015 (Benaben et al., 2016 ; Maza et al., 2016). L’appel a également été diffusé plus largement et les papiers (Bentaha et al., 2016 ; Simon et al., 2016) nous ont été spontanément soumis.

  References

Anh H., Do P., Iung B., Levrat E., Voisin A., (2016), Considération d’un indicateur d’efficacité énergétique pour la prise de décision en maintenance. De sa définition au fondement de son pronostic

Benaben A.-L., D. Noyes, F. Peres, C. Martin, (2016), Intégration de la sûreté de fonctionnement en phase de réponse à appel d’offres

Bentaha M.-L., Voisin A., Marangé P., Battaïa O., Dolgui A., (2016), Prise en compte de l’état des produits pour la planification de leur désassemblage

Bouaziz M.-F., Marangé P., Voisin A., Petin J.-F., (2016), Prise en compte de l’état réel d’un système complexe pour l’aide à la décision en phase d’exploitation

Boudnaya J., Mkhida A., Sallak M., (2016), An reliability evaluation of the Moroccan level crossing system using Fault Tree modelling and importance measures

Maliki F., Brahami M. A., Dahane M., Sari Z., (2016). Conception et gestion des indisponibilités des sites dans les chaînes logistiques

Maza S., Dakila M., Simon C., (2016). Analyse fiabiliste des propriétés structurelles des systèmes continus par les réseaux d’activités stochastiques

Olivier-Maget N., Hetreux G., (2016). Fault detection and isolation for industrial risk prevention

Simon C., Bicking F., Hamelin F., (2016). A Kaufmann reliability network approach based on Components off-the-shelf to design Safety Instrumented Systems



PASCALE MARANGE

ALEXANDRE VOISIN

CNRS, CRAN, Université de Lorraine, Vandoeuvre-lès-Nancy