Chapitre 1 Modélisation du processus de collecte de données sur un équipement
1.1 Etat-de-l’art sur la collecte de données
Nous savons que différents types de données peuvent être collectés à partir de diverses
sources sur les différents cycles de vie, dès la conception. Dans notre étude, nous avons
examiné avec attention les travaux existant sur la collecte des données, leur traitement et leur
stockage ainsi que leur exploitation pour l’évaluation de la fiabilité et de la dégradation de
l’efficacité des équipements (Volkanovski, et al., 2009). Dans le domaine de l’exploitation
des données pour la sûreté de fonctionnement, (Drago et al, 1982)ont étudié dans un rapport,
une méthodologie de collecte de données pour alimenter une base de données défaillances et
maintenance des composants d’une installation nucléaire. Nous pouvons citer les travaux de
(Hodkiewicz, et al., 2006), qui ont étudié un cadre d’évaluation de l’impact du PCD sur la
qualité des données et la validité des mesures de la fiabilité. La qualité des données étant
affectée par de nombreux facteurs comportementaux, ils ont proposé dans ce cadre : 1)
d’évaluer des indicateurs d’efficacité du système (Dekker, 1996), tels que les paramètres
FMDS ; 2) d’identifier les liens "faibles" entre les processus de collecte des données et les
données ; 3) d’identifier des actions pour remédier à ces faiblesses. Ils ont donc développé un
cadre adapté pour calculer la fiabilité des données, améliorer leur qualité et la fiabilité des
PCD. L’approche permet de déployer le flux d’informations et de mettre à jour des
informations sur les cycles de vie d’un produit (composant ou équipement), comme modélisé
dans le projet PROMISE
6 (Kiritsis, et al., 2003), (Pham, et al., 2007), (Anke, et al., 2006),
(Sudarsan, et al., 2005). L’approche s’appuie sur un modèle de cycles de vie d’un équipement
(Kiritsis, 2007) et l’utilisation des technologies embarquées d’identification et de traitement
d’information de type PEID
7 (Product Embedded Information Device), destinés à tracer tout
l’équipement pour une gestion optimale de ses cycles de vie PLM
8 suivant le modèle proposé
par (Kiritsis, et al., 2003) et (Jun, et al., 2009). Ces dispositifs possèdent les fonctions
classiques des technologies RFID (Radio Frequency IDentification) avec traitements
embarqués.
Des guides d’établissement de procédure ont également été proposés pour améliorer la
collecte. Ainsi, (Drago et al, 1982) ont développé une méthodologie de collecte des données
PROMISE6 : Product lifecycle management and information tracking using smart embedded system
PEID7: Product embedded information device
pour une centrale nucléaire. Army Headquarters department (2006) a élaboré un guide
détaillant la liste des données à collecter pour garantir l’extraction des indicateurs de sûreté de
fonctionnement pour un ensemble d’équipements courants. Les méthodes sont souvent
qualitives et dépourvues de boucles de contrôle automatisée pour la fiabilisation du processus
de collecte. Plus récemment, (Hameed et al, 2011), ont spécifié les exigences d’une base de
données de fiabilité et maintenabilité en proposant également un cadre pour les collectes de
données en vue d’optimiser la maintenance d’un équipement d’éoliennes.
De façon générale, la collecte de données, automatisée ou non, utilisera différentes techniques
et outils complémentaires dont l’objectif est d’assurer la complétude des données collectées et
d’en garantir la qualité. Dans la pratique, la collecte s’appuiera sur les techniques suivantes :
enregistrement des données (data logging) pour la traçabilité,
échantillonnage de données (data sampling) sur les processus physiques en
fonctionnement,
acquisition de données (data acquisition) sous forme de signaux analogiques ou
numériques (les données se présentent sous forme de séries temporelles / time series),
sélection de données (data selection), échantillonnage sur des variables choisies,
recueil de données par enquête ou sondage (data collection) à l’aide de questionnaires
inventaires de phénomènes ou d’incidents (nécessitant l’utilisation de procédures) à
l’aide de formulaires d’enregistrement,
rapport d’activités des acteurs et experts interagissant avec l’équipement.
Pour assurer la qualité des données, les systèmes de collecte doivent tenir compte de la
fiabilité de la chaine d’acquisition en cas d’utilisation de système automatisé, et de la fiabilité
humaine dans le cas manuel. Dans leur recherche sur l’évaluation de performance sur le cycle,
(Vigon et Jensen, 1995) trouvaient que la qualité des données doit tenir compte du fait que la
donnée est mesurée ou estimée, qu’elle est extrapolée ou extraite par agrégation, etc.
(Hodkiewicz et al, 2006) et (Lin et al, 2007), se sont intéressés à la nécessité de définir un
cadre de spécification des indicateurs de qualité d’un PCD pour la gestion du cycle de vie des
actifs productifs. La mise en œuvre d’un processus fiable et robuste de collecte de données
nécessite d’évaluer, en permanence, les indicateurs de la qualité des données pour :
détecter les erreurs sur les données collectées,
estimer les incertitudes sur les données recueillies,
d’estimer la sensibilité à d’éventuelles perturbations,
d’évaluer la propension à la propagation d’erreurs,
d’évaluer le degré de complétude des données,
etc.
L’efficacité et la robustesse du processus sont mesurables par la qualité des données
recueillies. Le calcul de ces indicateurs de qualité servira dans notre approche de solution
pour réagir et améliorer la robustesse du PCD. La robustesse est liée à la capacité du
processus à absorber les perturbations pouvant influencer la qualité des données ou à y être
insensible, voire, à y résister. La maintenance du processus de collecte, quant à elle, fait appel
à des opérations telles que le calibrage régulier des capteurs, la vérification de la période des
procédures de collecte, la détection des défauts de capteurs et la mesure de la déviation des
procédures avec application des remèdes appropriés. Dans cette démarche, il convient
également de s’intéresser à la maintenance des bases de données (mise à jour, remplacement
des supports, sauvegarde/restauration, gestion de confidentialité, …).
Les technologies de collecte de données incluent les capteurs classiques, les capteurs sans fil
basés sur les RFID (Jun, et al., 2009) et les PEID (Kiritsis, et al., 2003) (Cao, 2005) et les
procédures d’acquisition de données basées sur les activités humaines tels que les rapports
d’inspections, d’actions de maintenance, etc. On peut distinguer quatre types de dispositifs
pouvant servir à collecter les données :
1. capteurs et détecteurs délivrant des signaux continus ou discrets, automatiquement
collectés (compteurs numériques, kilométriques, détecteurs, débitmètres, etc.),
2. réseaux de capteurs avec fusion, intégration et agrégation des données,
3. opérateurs et experts humains ou utilisateurs répondant à des enquêtes,
4. dispositifs multimédias (sons, vidéos, images, etc.),
5. simulations numériques ou par mise en situation.
Notre objectif est donc de modéliser et d’optimiser le processus de collecte des données, en
fonction des conditions opérationnelles, pour un équipement complexe nécessitant un suivi et
une traçabilité de ses composants critiques. Compte tenu de l’état de l’art technologique et des
techniques d’acquisition des données disponibles, nous proposons de modéliser le processus
de collecte : 1) suivant la structure hiérarchique de l’équipement après analyse structurelle, 2)
suivant ses comportements opérationnels, 3) suivant les conditions opérationnelles
(sollicitation) et environnementales. Le processus de collecte résultant de cette approche peut
être implémenté de façon systématique pour estimer, sur les cycles de vie de l’équipement, les
indicateurs d’efficacité nécessaires à sa gestion.
1.2 Collecte de données sur le cycle de vie et état de santé d’un équipement