Thèse de doctorat, École Polytechnique de Montréal.
PDF 1636Kb |
Résumé
Résumé
Cette thèse étudie l’applicabilité et l’adaptabilité d’une approche
d’exploration de données basée sur l’intelligence artificielle proposée
dans [Hammer, 1986] et appelée analyse logique de données (LAD) aux
applications diagnostiques dans le domaine de la maintenance
conditionnelle CBM). La plupart des technologies utilisées à ce jour
pour la prise de décision dans la maintenance conditionnelle ont
tendance à automatiser le processus de diagnostic, sans offrir aucune
connaissance ajoutée qui pourrait être utile à l’opération de
maintenance et au personnel de maintenance. Par comparaison à d’autres
techniques de prise de décision dans le domaine de
la CBM, la LAD possède deux avantages majeurs : (1) il s’agit d’une
approche non statistique, donc les données n’ont pas à satisfaire des
suppositions statistiques et (2) elle génère des formes interprétables
qui pourraient aider à résoudre les problèmes de maintenance. Une étude
sur
l’application de la LAD dans la maintenance conditionnelle est présentée
dans cette recherche dont l’objectif est (1) d’étudier l’applicabilité
de la LAD dans des situations différentes qui nécessitent des
considérations particulières concernant les types de données d’entrée et
les décisions de maintenance, (2) d’adapter la méthode LAD aux
exigences particulières qui se posent à partir de ces applications et
(3) d’améliorer la méthodologie LAD afin d’augmenter l’exactitude de
diagnostic et d’interprétation de résultats.
Les aspects innovants de la recherche présentés dans cette thèse sont
(1) l’application de la LAD dans la CBM pour la première fois dans des
applications qui bénéficient des propriétés uniques de cette technologie
et (2) les modifications innovatrices de la méthodologie de la LAD, en
particulier dans le domaine de la génération des formes, afin
d’améliorer ses performances dans le cadre de la CBM et dans le domaine
de classification multiclasses.
La recherche menée dans cette thèse a suivi une approche évolutive afin
d’atteindre les objectifs
énoncés ci-dessus. La LAD a été utilisée et adaptée à trois applications
: (1) la détection des composants malveillants (Rogue) dans
l’inventaire de pièces de rechange réparables d’une compagnie aérienne
commerciale, (2) la détection et l’identification des défauts dans les
transformateurs de puissance en utilisant la DGA et (3) la détection des
défauts dans les rotors en utilisant des signaux de vibration. Cette
recherche conclut que la LAD est une approche de prise de décision
prometteuse qui ajoute d’importants avantages à la mise en oeuvre de la
CBM dans
l’industrie.----------
Abstract
This thesis studies the applicability and adaptability of a data mining
artificial intelligence
approach called Logical Analysis of Data (LAD) to diagnostic
applications in Condition Based
Maintenance (CBM). Most of the technologies used so far for decision
support in CBM tend to
automate the diagnostic process without offering any added knowledge
that could be helpful to
the maintenance operation and maintenance personnel. LAD possesses two
key advantages over
other decision making technologies used in CBM: (1) it is a
non-statistical approach; as such no
statistical assumptions are required for the input data, and (2) it
generates interpretable patterns
that could help solve maintenance problems. A study on the
implementation of LAD in CBM is
presented in this research whose objective are to study the
applicability of LAD in different CBM
situations requiring special considerations regarding the types of input
data and maintenance
decisions, adapt the LAD methodology to the particular requirements that
arise from these
applications, and improve the LAD methodology in line with the above two
objectives in order to
increase diagnosis accuracy and result interpretability.
The novelty of the research presented in this thesis is (1) the
application of LAD to CBM for the
first time in applications that stand to benefit from the advantages
that this technology provides;
and (2) the innovative modifications to LAD methodology, particularly in
the area of pattern
generation, in order to improve its performance within the context of
CBM.
The research conducted in this thesis followed an evolutionary approach
in order to achieve the
objectives stated in the Introduction. The research applied LAD in three
applications: (1) the
detection of Rogue components within the spare part inventory of
reparable components in a
commercial airline company, (2) the detection and identification of
faults in power transformers
using DGA, and (3) the detection of faults in rotor bearings using
vibration signals. This research
concludes that LAD is a promising decision making approach that adds
important benefits to the
implementation of CBM in the industry.
Type de document: | Mémoire ou thèse (Thèse de doctorat) |
---|---|
Département: | Département de mathématiques et génie industriel |
Aucun commentaire:
Enregistrer un commentaire