Le cadre de cette conférence

Cette conférence était d'abord destinée aux membres du Groupe de Travail et de Réflexion (GTR) « Retour d'expérience technique » animé par Emmanuel Remy (EDF R&D) et Nicolas Dechy (IRSN). Ce groupe est à l'origine de ce projet Big Data in Reliability, réunissant 11 souscripteurs, engagé par l'IMdR de septembre 2018 à janvier 2020. Le projet est maintenant terminé et il est d'usage d'en présenter les résultats aux membres du GTR à l'origine.

Etant donné que de nombreux adhérents de l'IMdR ont souhaité une présentation des résultats de ce projet, exceptionnellement, l'IMdR a décidé de proposer aussi cette conférence aux adhérents IMdR non membres du GTR « Retour d'expérience technique ».

Pourquoi ce projet ?

Depuis quelques années, on constate l'arrivée de nouveaux outils technologiques (assistants virtuels pour la collecte de données, objets connectés (IoT), systèmes HUMS (Health and Usage Monitoring Systems), industrie et maintenance 4.0, Big Data, machine learning, traitement automatique des langues...). Ces nouveaux outils vont bouleverser le retour d'expérience, et en conséquence influer fortement sur l'analyse de risque et la modélisation de la sûreté de fonctionnement. Ils vont permettre  une meilleure connaissance du profil d'usage, des dégradations de toute nature, des défaillances, des incidents et des dysfonctionnements. Cette évolution peut cependant remettre en cause, sous certains aspects, tous les modèles et toutes les approches actuellement utilisés, et impacter les pratiques industrielles.

Les principaux résultats

Après une analyse des besoins des souscripteurs et un état de l'art des connaissances, le projet s'est orienté tout d'abord sur l'impact du Big Data sur le retour d'expérience, sa validation, la qualité des données brutes et son analyse. La gouvernance des données utilisées dans le retour d'expérience est identifiée comme un préalable indispensable à l'utilisation du Big Data et de l'Intelligence Artificielle. L'étude de l'impact sur l'estimation de la fiabilité a montré l'importance du modèle à risques proportionnels (modèle de Cox) et de l'analyse de dégradation. Cette estimation va permettre aux ingénieurs de maintenance de prévenir les défaillances au plus tôt, et donc impacter les méthodes de maintenance, en particulier la maintenance prévisionnelle. La confiance dans les résultats est un facteur essentiel pour le décideur. Cette confiance repose sur une collaboration forte entre l'expert fiabilité, maintenance et le gestionnaire des données. Le projet a également montré un impact significatif sur les organisations et les compétences au sein des entreprises. Un guide pratique a été rédigé. Une application industrielle a été réalisée afin d'illustrer les travaux du projet.

Replay disponible pour les membres