Optimisation multi-objectif de la fiabilité des systèmes complexes par l'intelligence artificielle

Abstract

Dans le contexte actuel caractérisé par une forte concurrence économique, les systèmes industriels doivent être les plus fiables possibles pour rester compétitifs, ainsi l'optimisation de la fiabilité des systèmes est devenue un sujet fondamental dans la conception et l'exploitation des systèmes de fabrication à grande échelle. Afin d'atteindre un haut niveau de fiabilité d'un système de production, trois stratégies fondamentales peuvent être appliquées par les concepteurs : l'allocation de fiabilité, l'allocation de redondance et l'allocation de fiabilité-redondance. Un compromis entre les variables de décision est nécessaire pour optimiser un ou plusieurs objectifs sans violer l'ensemble des contraintes de conception considéré, ce type de problème est difficile à résoudre en raison de la quantité considérable d'efforts de calcul requis pour trouver les solutions optimales. Il a été prouvé au cours des deux dernières décennies que les algorithmes inspirés de la nature sont attrayants pour ce genre de problème d’optimisation mathématiques. Les algorithmes bio-inspirés sont efficaces pour arriver à la solution optimale à un problème lorsqu'il existe une myriade de possibilités. Ils sont non déterministes et sont utilisés dans l'analyse de systèmes, leur simplicité et leur parallélisme inhérent sont deux raisons principales de leur popularité et de leur large éventail d'applications. Ils sont flexibles et peuvent être adaptés aux changements de l'environnement, par conséquent les techniques d'optimisation métaheuristiques ont été utilisées comme alternative aux approches mathématiques classiques pour obtenir des solutions optimales globales ou quasi globales en raison de leur grande capacité à détecter des régions prometteuses dans l'espace de recherche et à les explorer à un moment précis. L'objectif de la thèse est de proposer une nouvelle approche multi-objectif pour l'optimisation simultanée des éléments FMDS+C (Fiabilité, Maintenabilité, Disponibilité, Sécurité et Cout). L'approche développée sera basée sur les méthodes évolutionnaires bioinspirées et la fusification des incertitudes. Des applications numériques sur des systèmes

complexes feront l'objet de la validation de cette approche.