Contribution des connaissances a priori dans le pronostic du risque de défaillance des systèmes en exploitation

La problématique de recherche concerne le Pronostic du risque de défaillance des systèmes en exploitation hautement fiables. Ces systèmes sont soumis à des programmes d'inspection et d'intervention réglementaires qui assurent leur sécurité durant leurs périodes de vie utile. Ces systèmes sont assujettis à très peu d'évènements de défaillances et de défauts de fonctionnement. Le défi des experts en maintenance est de pouvoir capitaliser sur les connaissances acquises suite aux diagnostics des causes à l'origine des défaillances et des défauts de fonctionnement de ces systèmes d'une période à l'autre afin d'établir un pronostic valable de leurs risques de défaillance. Pour ce faire, trois scénarios de modélisation des avis a priori sur le risque de défaillance sont proposés et analysés. Scénario 1 : une distribution a priori constante d'une période d'exploitation à une autre, ne tenant pas compte des évènements récents ; Scénario 2 : une distribution a priori à mémoire courte, tenant compte des événements récents au cours de la dernière période d'observation ; Scénario 3 : une distribution à mémoire cumulative qui tient compte de tous les évènements durant toutes les périodes d'observation antérieures. À l'aide de l'inférence bayésienne, ces avis a priori sont conjugués avec les données de défaillance afin d'établir le risque de défaillance a posteriori. Ce risque permet ensuite d'établir un pronostic du risque de défaillance tout au long de la durée de vie d'un système. Une étude comparative de ces différents scénarios est réalisée afin d'évaluer la contribution de chacun des a priori dans la précision de pronostic du risque de défaillance. Deux modèles de risque de défaillance sont étudiés : le modèle binomial qui caractérise la probabilité de défaillance d'un système et le modèle de Poisson qui caractérise le taux de défaillance. Le Deviation Information Criterion (DIC), le p-value Bayésien et le test de Friedman sont utilisés comme critères de validation et d'analyse des scénarios proposés. Deux échantillons de données de défaillance et de défauts de fonctionnement se rapportant à l'exploitation d'une flotte de moteurs d'aéronefs et une autre de turbines à gaz sont utilisés en guise d'illustration.