Académique Documents
Professionnel Documents
Culture Documents
: MT9570 V1
Par mail :
infos.clients@teching.com
Par téléphone :
00 33 (0)1 53 35 20 20 © Techniques de l'Ingénieur | tous droits réservés
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
social et environnemental. Les prérogatives de la fonction mainte- architectures de maintenance sont apparues, la plus récente étant
nance se sont ainsi étendues et elle a dû évoluer en regard des celle de s-maintenance (« s » pour sémantique). Cette dernière
enjeux croissants : englobe le concept de e-maintenance et se fonde sur le principe de
• elle vise à augmenter la disponibilité des équipements tout en partage et de génération de connaissances formalisées en
réduisant les coûts directs d’exploitation (techniques et ontologie [3].
économiques) ; Mais en amont du développement d’architectures de mainte-
• elle doit assurer un fonctionnement sûr des équipements, nance visant à réduire la distance entre acteurs, ce sont les straté-
c’est-à-dire permettre d’éviter les accidents jugés néfastes pour gies de maintenance elles-mêmes qui évoluent. En effet, les
l’environnement (environnemental) ; mainteneurs souhaitent aujourd’hui aller au-delà de la mainte-
nance statique (sans anticipation de l’évolution de l’état des équi-
• elle est garante de conditions de travail satisfaisantes et de la pements), et mettre en œuvre des stratégies de maintenance plus
sécurité des hommes (social). « dynamiques ». La section suivante est consacrée à l’analyse de
cette évolution.
1.1.3 Évolution de la fonction maintenance
Compte tenu des exigences chaque fois plus grandes, les coûts 1.2 Vers une anticipation
de maintenance ont augmenté rapidement au cours des dernières des phénomènes de défaillance
années. À titre d’exemple, on estime que les coûts de maintenance
aux États-Unis étaient de 200 milliards de dollars en 1979, et qu’ils
ont subi une croissance de l’ordre de 10 à 15 % dans les années 1.2.1 Cartographie des formes de maintenance
qui suivirent [2]. Une partie importante de ce coût de maintenance
pourrait pourtant être évitée : une mauvaise planification se traduit Avant les années 1960, le service maintenance d’une entreprise
par du gaspillage en heures supplémentaires, et cela éventuel- avait pour principale mission d’intervenir sur les équipements en
lement sur des équipements qui n’ont pas un grand rôle dans la panne afin de les réparer le plus tôt possible. Ce type de mainte-
continuité de la production. nance, dite « corrective », a ensuite été peu à peu complété par
Parution : avril 2013 - Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Maintenance
Maintenance Maintenance
corrective préventive
Maintenance
prévisionnelle
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
! Symptôme Défaillance
L’exactitude mesure la proximité de la date de défaillance pré-
vue avec la date de défaillance réelle. Le calcul de cette métrique
représente un point critique dans le processus de pronostic. Le
calcul de cette grandeur s’appuie sur l’existence de données histo-
riques sur plusieurs composants tombés en panne suite à des sol-
licitations subies tout au long d’une période de temps connue, ce
qui n’est pas toujours possible. Si un ensemble de N systèmes
sont tombés en panne (avec les pronostics associés), l’exactitude
temps est définie comme suit :
DEFAD = RUL
1 t =N − RUL
E (t )
T t∑
Exactitude = e réel (1)
=1
Figure 3 – Performance et RUL
αe
E (t ) = RULréel (t ) − RULestimé (t ) avec α e ∈ [1, 2]] et 1 t T (2)
2.1.2 Métriques de pronostic L’erreur E (t) est élevée à la puissance pour pénaliser les mau-
vaises prédictions (exemple : αe = 2 pour l’erreur quadratique).
La définition d’un ensemble de métriques appropriées pour des
applications de pronostic fait l’objet de nombreux travaux de cher- La fonction exponentielle est employée ici pour donner une
cheurs ainsi que d’industriels. Plusieurs mesures émergent de la lit- courbe lisse monotoniquement décroissante. L’exactitude est
térature. Elles ne peuvent toutes être présentées ici mais le lecteur grande (proche de 1) quand la valeur prévue est identique à la
Parution : avril 2013 - Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
intéressé peut consulter les références [4] et [5] pour davantage de valeur réelle et diminue quand la valeur prévue dévie de la valeur
détails. Deux classes de métriques au moins sont d’intérêt : réelle. Une illustration de cette métrique est proposée en figure 5,
point a.
• un premier ensemble de métriques est celui qui permet de
quantifier les risques encourus par le système surveillé ; ce type de ■ Précision (precision)
métriques correspond aux mesures de pronostic dont la principale La précision est une mesure de dispersion des prédictions du
est le temps restant avant défaillance (time to failure, TTF, ou remai- RUL. Elle permet d’évaluer comment les valeurs prédites sont
ning useful life, RUL). Une mesure de confiance doit également être groupées autour de l’intervalle dans lequel survient la défaillance.
construite afin d’indiquer le degré de certitude du RUL ; La précision dépend fortement du niveau de confiance et de la dis-
• compte tenu du fait que le pronostic est, par essence, un pro- tribution des prédictions :
cessus incertain, il est intéressant de pouvoir juger de sa qualité
dans le but d’imaginer des actions plus adéquates ; dans ce sens, 1N
− i
R ∑ (E −E )2
N i =1 i
plusieurs indicateurs peuvent être construits. Ce sont les mesures 1 N R0 1 N
de performance du système de pronostic ; les principales mesures Précision= ∑ e ×e
σ0 avec E = ∑E (3)
mises en avant dans la littérature sont l’exactitude, la précision et N i =1 N i =1 i
l’opportunité des estimations.
Les grandeurs R0 et σ0 sont des facteurs de normalisation, et Ri
est l’intervalle de confiance de la prédiction pour l’expérimen-
2.1.2.1 Mesures de pronostic tation.
Comme mentionné précédemment, la principale métrique de De même, une fonction exponentielle est employée ici pour défi-
pronostic recherchée est le temps restant avant défaillance. En nir les relations entre l’écart-type de la prédiction, l’intervalle de
outre, une mesure de confiance peut être construite pour indiquer confiance et la précision. La précision a une valeur entre 1 et 0 (1
le degré de certitude du temps avant défaillance prédite. Par exten- indiquant la précision la plus élevée et 0 la plus basse). La
sion, et si on considère que les utilisateurs peuvent être intéressés complémentarité de l’exactitude et de la précision est illustrée sur
par l’évaluation du système au regard de limites de performance, la figure 5, point a.
le RUL et la confiance peuvent être généralisés : sur la figure 4,
TTxx est le temps restant pour dépasser la limite de performances ■ Opportunité (timeliness)
Perf/xx, et Conf/xxT est la confiance avec laquelle l’indication Cette métrique mesure la position relative de la fonction de den-
TTxx/T>T peut être prise. sité de probabilité du modèle de pronostic par rapport à l’apparition
Courbes de prédiction
taux dégradation (%) pdf Conf/xxT : "TTxx > T
avec 90 % de confiance"
100 % Défaillance
TTxx pdf
xx % Perf/xx
90 %
0
t0 TTxx t t0 T t
TTF = RUL
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
courbe d'exactitude
time
Date de défaillance
Date de Date de
défaillance défaillance
pdf du TTF
Parution : avril 2013 - Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
t t t
de l’événement de défaillance. Elle évolue à mesure que les don- 2.2 Comment ? les approches
nées sont disponibles et permet de juger du moment adéquat pour
effectuer la maintenance. P. Bonissone et K. Goebel préconisent de
de pronostic
définir des limites au plus tôt et au plus tard au-delà desquelles la
valeur prédite doit être considérée comme inacceptable d’un point 2.2.1 Classification des approches de pronostic
de vue performance [6]. Par exemple, si la prédiction est « trop tôt »,
l’alarme résultante sollicite trop tôt l’intervention pour vérifier le De nombreux outils et méthodes de pronostic de défaillance ont
potentiel d’apparition d’une défaillance, pour surveiller les diverses été proposées durant la dernière décennie. Elles diffèrent généra-
variables de processus et pour effectuer une modalité de reprise. lement par le type d’application considérée, alors que les outils
Dans l’autre cas, si la défaillance est prévue « trop tard », cette mis en œuvre dépendent principalement de la nature des données
erreur réduit le temps disponible pour évaluer la situation et réagir et connaissances disponibles pour construire un modèle de
en conséquence. La situation devient catastrophique quand la comportement du système réel incluant le phénomène de la
défaillance se produit avant qu’une prévision ne soit faite. Par dégradation. Aussi, ces méthodes et outils peuvent être regroupés
conséquent, il est, dans la plupart des situations, préférable d’avoir dans un nombre limité d’approches.
une polarisation positive des erreurs (prévisions « tôt »), plutôt que Le premier classement des approches de pronostic a été pro-
négative (prévisions « tard »). Toute prédiction en dehors des limi- posé par M. Lebold et M. Thurston [7]. Dans leur papier, les
tes est considérée comme inappropriée (figure 5, point b). auteurs suggèrent une classification pyramidale à trois niveaux
des approches de pronostic : les approches fondées sur l’expé-
■ Horizon de pronostic (horizon of prediction) rience, celles guidées par les données, et les approches fondées
sur les modèles. Pour dissocier ces trois types d’approche, les cri-
Cette métrique mesure la différence entre l’instant où la pre- tères suivants sont considérés : le coût et la complexité de mise en
mière prédiction entre dans un intervalle de confiance prédéfini et œuvre, la précision des résultats obtenus, et l’applicabilité des
la date réelle de la défaillance. Plus la valeur de l’horizon est approches. En 2006, D. Banjevic, D. Line et A.-K.-S. Jardine ont
grande, plus le pronostic est performant. proposé une nouvelle taxonomie des méthodes de pronostic, en
distinguant deux grandes catégories de méthodes [8]. La première
■ Convergence (convergence) regroupe les méthodes portant sur l’estimation de l’état futur du
composant, sous-système, ou système (estimation du RUL), et la
La convergence quantifie l’évolution dans le temps des mesures seconde catégorie concerne les méthodes permettant de détermi-
traditionnelles, comme l’exactitude et la précision. ner le RUL tout en intégrant le contexte de fonctionnement du
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Données +
Fiabilistes
Méthodes
Fusion
La classification des approches de pronostic n’est pas une fin en guidées par Méthodes
soi et il apparaît que la vision pyramidale de M. Lebold et M. les données fiabilistes
Thurston fait aujourd’hui référence [10]. Nous choisissons ainsi
pour la suite de distinguer les approches :
– fondées sur un modèle physique ;
– guidées par les données de surveillance ;
Parution : avril 2013 - Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Précision
2.2.2 Méthodes fondées sur un modèle physique
- +
Les méthodes fondées sur un modèle physique requièrent la Complexité
construction d’un modèle dynamique représentant le
comportement du système, et intégrant le phénomène de dégra- - +
dation (principalement des modèles de fatigue, d’usure ou de cor-
rosion) dont l’évolution est modélisée par une loi déterministe ou
un processus stochastique. Figure 6 – Taxonomie des approches de pronostic selon
K. Medjaher, D.-A. Tobon-Mejia et N. Zerhouni [11]
Ces méthodes offrent généralement des résultats plus précis
que ceux des deux approches restantes. Cependant, leur
inconvénient majeur réside dans le fait que, pour des systèmes Ces approches ne nécessitent pas de modèle analytique du
réels, il est difficile, voire impossible, d’obtenir le modèle dyna- comportement du système et de la dégradation et sont donc plus
mique sous forme analytique intégrant le phénomène de dégra- simple à mettre en œuvre que les méthodes à base de modèle
dation. Leur cadre applicatif en est ainsi restreint. physique. En revanche, elles perdent naturellement en précision à
mesure que les modèles appris dévient du comportement réel du
système. Elles constituent ainsi un compromis entre applicabilité
2.2.3 Méthodes guidées par les données et précision.
de surveillance
Le pronostic guidé par les données s’appuie sur le constat 2.2.4 Méthodes fiabilistes
suivant : les mesures (entrées-sorties) constituent souvent la plus
forte et la plus sûre source d’informations pour comprendre les Les méthodes fiabilistes reposent sur l’exploitation d’une fonc-
phénomènes de dégradation. Ce type d’approche vise ainsi à tion de fiabilité ou d’un processus stochastique de détérioration
apprendre (par les exemples) le phénomène de dégradation, et à dont les paramètres sont déterminés à partir d’expertises ou de
capturer les relations subtiles entre données, même si ces rela- données de retour d’expérience.
tions sont inconnues ou difficiles à décrire. Elles reposent donc sur
l’exploitation de données de surveillance – issues de capteurs – ou Ces méthodes sont relativement faciles à mettre en œuvre si
d’interventions de maintenance, lesquelles sont traitées afin l’on dispose d’un volume de données de retour d’expériences suf-
d’extraire des caractéristiques reflétant le comportement du sys- fisant et fiable pour chaque type de machine, système ou
tème et sa dégradation. Ces grandeurs sont ensuite utilisées pour composant. Cependant, en pratique, les bases de retour d’expé-
apprendre des modèles de prédiction des états actuel et futur du rience sont incomplètes ou quasiment inexistantes et l’approche
système, et ainsi donner une estimation du RUL. fiabiliste est finalement la moins précise.
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Tableau 1 – Pronostic basé sur un modèle Tableau 3 – Pronostic fondé sur l’expérience –
physique approches fiabilistes
– Construire un modèle mathématique prédictif – Le pronostic est assimilé à une étude de
Principe du comportement intégrant le phénomène fiabilité prévisionnelle, l’objectif étant
de dégradation Principe d’identifier les paramètres d’une distribution
aléatoire décrivant le phénomène de dégradation
– Précision : le modèle est dédié ou de défaillance
– Flexibilité : si une propriété du système ou de la
dégradation change, le modèle peut être réajusté – Applicabilité très large
Avantages – Ne nécessite pas de connaissance pointue
– Interprétabilité : la connaissance de la structure
du modèle permet de relier la variation d’indica- Avantages des mécanismes physiques de dégradation
teurs à une modification de paramètre – Relativement simple à mettre en œuvre et
peu coûteux
– Le développement du modèle est extrêmement
coûteux et nécessite un niveau de qualification – Généralement centré sur des composants
élevé et une expérience certaine critiques
– Nécessaire de connaître les mécanismes – Développement d’approches orientées
de dégradation et les facteurs influents sur « système » rare
celle-ci – Décalage entre les modèles mis au point
Inconvénients Inconvénients
– Complexité de modélisation des interactions (mono-composant à 2 états) et la réalité indus-
– Difficultés de calcul – résolution d’un système trielle (système multi-composants à multi-états)
d’équations différentielles – Nécessite un historique d’expériences passées
– Il peut être impossible de généraliser représentatif de toutes les conditions d’utilisation
une approche fondée sur un modèle physique des systèmes
Parution : avril 2013 - Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
2.3.1 Du choix d’un outil de pronostic C. Byington, J. Kacprzynski, M. Roemer et G. Vachtsevanos [12]
dans le tableau 4. Bien entendu, les sorties attendues sont essentiel-
lement celles permettant de juger de l’état futur du système,
D’un point de vue applicatif, les informations requises pour c’est-à-dire les métriques présentées au paragraphe 2.1.2.
déployer les approches de pronostic sont de nature diverses :
modèles d’ingénierie, données, historiques des défaillances, Notons cependant que la distinction entre classes d’outils n’est
sollicitations du système, conditions de fonctionnement, etc. Les pas évidente. À titre d’exemple, un réseau bayésien peut être uti-
principales entrées et leur intérêt dans chacune des trois approches lisé pour générer un modèle dynamique d’un système et suivre
de pronostic peuvent être schématisés tels que proposé par l’évolution des caractéristiques dans le temps (approche fondée
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
sur un modèle). Pour cela, il est possible d’utiliser un ensemble un pronostic de défaillance. Il est par exemple possible de suivre un
d’algorithmes permettant d’apprendre la structure et les para- synoptique tel que celui proposé en figure 7 par M. El-Koujok [13].
mètres du réseau (approche guidée par les données). Mais ces
paramètres peuvent également être estimés statistiquement à par- ■ Point 1 : définition d’un équipement – composant critique
tir d’une base d’historique disponible (approche fondée sur l’expé- Le déploiement de solutions de PHM se justifie principalement
rience). Le message n’est bien entendu pas ici de dire que la pour les équipements jugés critiques, c’est-à-dire ceux pour
classification des approches de pronostic est fausse, mais davan- lesquels les stratégies traditionnelles de maintenance peuvent se
tage qu’elle doit être considérée avec précaution. Au final, il appa- montrer limitées en terme de gains attendus.
raît qu’aucune approche de pronostic n’est universelle et que le L’identification de composants critiques est généralement réali-
choix d’une technique adéquate dépend de contraintes classiques sée par un expert du système ou de l’équipement sur lequel est
limitant l’applicabilité des outils : fondé le pronostic. Cette tâche nécessite une compréhension
– disponibilité des données et/ou connaissances et/ou expériences ; approfondie du système et l’utilisation de méthodes et d’outils
– dynamique et complexité des systèmes réels ; adéquats (AMDEC, décomposition fonctionnelle, etc.).
– contraintes d’implémentation (précision, temps de calcul, ■ Point 2 : identification de la nature des dégradations
etc.) ;
– possibilités de mesures (capteurs, système SCADA...), etc. Le pronostic prend toute sa dimension lorsque les défaillances à
prédire sont de nature progressive (par dégradation). En effet, ce
type de défaillance est généralement précédé de symptômes
2.3.2 Du choix d’une application cible avant-coureurs permettant d’envisager une stratégie de
maintenance plus « dynamique » qu’une maintenance préventive
Généralement, une analyse de système est réalisée en exploitant systématique.
différents modèles : un modèle fonctionnel pour décrire les fonc-
tions à fournir par le système, un modèle structurel pour décrire ■ Point 3 : choix de grandeurs à mesurer et instrumentation
l’architecture permettant la réalisation de ces fonctions, et un Si aucune formulation mathématique des phénomènes de
Parution : avril 2013 - Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
modèle événementiel pour décrire le comportement. Du point de dégradation n’est disponible, il n’en reste pas moins qu’il faut être
vue de la sûreté de fonctionnement, il peut être difficile d’identifier en mesure de les approximer. Cela suppose que des indicateurs de
les rapports existant entre fonctions, structures et comportement dégradation peuvent être construits à partir de grandeurs
(complexité du processus, manque de connaissance, relations cau- physiques mesurées sur le composant analysé (température, cou-
sales compliquées, etc.). Ces considérations rendent l’étape de rant électrique, tension, vibration, émission acoustique, etc.).
modélisation difficile, voire impossible, ce qui est valable dans la Ensuite, il est nécessaire de s’assurer, d’une part, que le
perspective de bâtir des systèmes de pronostic de défaillance. composant peut être instrumenté de capteurs, et d’autre part, que
Aussi, dans les faits, les systèmes de PHM fonctionnels s’avèrent des processus de traitement des données brutes existent (net-
dédiés à des composants cibles, et il est donc nécessaire de définir toyage de signal, extraction et sélection de caractéristiques). Ce
une stratégie d’identification des composants sur lesquels réaliser point est plus explicitement introduit dans la section suivante.
Parc matériel
oui
Défaillance non
Pt 2 Maintenance préventive accentuée
progressive ?
+
oui
oui
Solutions
de PHM
Figure 7 – Pronostic de composants – stratégie de choix de l’application cible selon M. El-Koujok [13]
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
et processus PHM
Décision
Détection Diagnostic
ordo.
3.1 Processus de détection, Système
diagnostic et pronostic
Pronostic
L’activité de maintenance fait appel à différents processus
métiers dont la finalité est de réduire les coûts de maintenance,
tout en augmentant la fiabilité, la disponibilité et la sécurité de ses a détection, diagnostic, pronostic et ordonnancement
équipements. Ainsi parle-t-on couramment de la détection de dans les systèmes de maintenance intelligente
défauts, du diagnostic de défaillance, du choix d’actions de maî-
trise (préventives ou correctives), de la planification de ces actions
dans le temps. De manière imagée, ces étapes correspondent à la
nécessité, d’abord, de percevoir certains phénomènes, ensuite, de des effets vers les causes :
les comprendre, et enfin, d’agir en conséquence. Cela étant, tel diagnostic
que nous l’avons déjà mentionné, une autre approche (complé-
État courant : tps
mentaire et non exclusive) consiste, non pas à comprendre a pos-
teriori un phénomène qui vient de se manifester (défaillance), mais détection
plutôt, à tâcher d’en anticiper l’apparition afin de recourir à des tps
actions protectrices en conséquence. C’est l’objectif du « pronostic des causes vers les effets :
Parution : avril 2013 - Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
pronostic
de défaillance ». Le positionnement relatif des processus de détec-
tion, diagnostic et pronostic est schématisé sur la figure 8, point a.
! tps
D’un point de vue phénoménologique, leur complémentarité peut
être expliquée comme suit [10] (figure 8, point b) :
b détection, diagnostic et pronostic :
• la détection vise à identifier le mode de fonctionnement du les aspects phénoménologiques
système, son état ;
• lorsqu’une défaillance est apparue, le diagnostic permet d’iso- Figure 8 – Complémentarité des activités de détection, diagnostic
ler et d’identifier le composant qui a cessé de fonctionner (des et pronostic
effets vers les causes) ;
• le pronostic vise la prédiction des états futurs du système (des
causes vers les effets). par le groupe MIMOSA s’avère fédératrice. Il s’agit de la OSA/CBM
(open system architecture for condition-based maintenance). Cette
Ainsi, les principales activités de maintenance industrielle énu- architecture est constituée de sept couches fonctionnelles pouvant
mérées ici se complètent parfaitement. Elles reposent cependant être considérées comme séquentielles (figure 9 tirée de [14]) ou dis-
naturellement sur une bonne compréhension des phénomènes de tribuées dans un réseau (figure 10 adaptée de [7]).
défaillance. Cela peut être délicat lorsque la dynamique des équi-
pements est marquée ou lorsque leurs conditions d’utilisation sont
variables : la modélisation des phénomènes peut parfois être diffi-
cilement assurée par un expert et il convient d’instrumenter les Remarque
systèmes afin de recueillir des données terrain permettant à terme
de déployer les différents processus de maintenance. Aussi, il Mimosa est une association à but non lucratif visant à dévelop-
apparaît que le processus de pronostic, bien qu’indispensable pour per et à encourager l’utilisation d’architectures de données
déployer une stratégie de maintenance prévisionnelle (des causes ouvertes. Le consortium Mimosa a notamment proposé un stan-
vers les effets), ne doit pas être considéré de manière isolée, mais dard d’architecture de données pour supporter les stratégies de
doit être vu comme une partie d’un processus plus global. maintenance conditionnelle et prévisionnelle (OSA-CBM).
Conformément à ce que préconisent les experts en maintenance,
différentes activités doivent être menées de front pour mettre en
œuvre une politique de maintenance prévisionnelle (et ainsi amé-
liorer les performances des interventions de maintenance). ■ Couche 1 – module capteurs
L’ensemble constitue ce qui est communément nommé un sys-
tème de CBM (condition-based maintenance). Ce module fournit au système des données numériques issues
de capteurs ou de transducteurs.
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Physical Models
Data
Acquisition
Passive/ Data Condition Health Prognostics Automatic
Smart Sensor Manipulation Monitor Assessment Decision
Reasoning
S1 - Pre-processing - Thresholds - Component - Feature- - Data Fusion
- Feature Specific Based Human-
Complex
S2 Extraction - Fuzzy Logic Feature Prognostics - Classifier Computer
System
- Signal Extraction Interface
Charact. - Anomaly & - Model-Based - Response
Diagnostic Prognostics Generator
Reasoners
SN
Mission Plans
Diagnostic
Détection Pronostic
Acquisition
Interface HM
de données
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
des sept couches du processus PHM (figures 9 et 10). En effet, L’analyse des données consiste à construire des indicateurs (des-
l’objectif de chacun des modules, la nature des données manipu- cripteurs) interprétables, ou tout au moins portant suffisamment
lées, les outils et techniques utilisables, etc., sont intimement liées à d’informations pour que des algorithmes de détection, de diagnos-
l’application visée et au système surveillé. À titre d’exemple, l’ana- tic, et de pronostic puissent être construits (appris) et utilisés. Le
lyse prévisionnelle de l’état de charge d’une batterie pour une appli- choix d’une méthode d’extraction de descripteurs dépend principa-
cation embarquée, l’optimisation des stratégies de maintenance lement du type de données recueillies, et de l’application
d’un champ d’éoliennes, ou encore la prédiction de la propagation considérée. En particulier, une donnée observée peut être de trois
d’un défaut au sein d’un roulement, ne font bien évidemment pas types et les traitements associés y sont intimement liés :
appel aux mêmes types de données et traitements, ne serait-ce que
parce que ces trois problèmes n’ont pas la même dynamique et ne • donnée de type « valeur » : c’est-à-dire à valeur unique recueillie
répondent pas aux mêmes problèmes physico-chimiques. Aussi, à un instant précis ; c’est par exemple le cas des données issues
nous nous limitons ci-après à quelques considérations générales d’analyse d’huile, de température, de pression ou d’humidité ;
sur les données et traitements les plus usuels. • donnée de type « signal » : dans ce cas, la donnée prend la
forme d’une série temporelle d’une variable à valeur unique ; c’est
par exemple le cas des données vibratoires et acoustiques ;
3.3.1 Acquisition de données
• donnée « multidimensionnelle » : dans ce cas, la donnée est
L’acquisition de données est une étape essentielle consistant à composée d’un ensemble de valeurs à tout instant ; l’exemple clas-
collecter et à stocker des informations pertinentes émanant du sys- sique de données multidimensionnelles sont les images comme
tème physique en cours de fonctionnement. Ces informations peu- celles issues de thermographes infrarouge ou à rayons X.
vent prendre la forme d’événements et d’observations (données Dans la plupart des cas d’étude, le traitement des données
de surveillance). Les données événementielles indiquent avec pré- s’appliquent aux signaux temporels monodimensionnels ou multi-
cision ce qui s’est passé sur le système, par exemple, une installa- dimensionnels. Dans ce cadre, de très nombreuses méthodes ont
tion, une panne ou une révision. Elles indiquent également ce qui été développées pour analyser et interpréter les données.
a été fait sur le système, par exemple, une réparation mineure, une
opération de maintenance préventive ou encore un changement ■ Réduction des données
d’huile. Les données dites « observées » sont quant à elles des La réduction de l’espace des données vise à ne conserver que
mesures effectuées sur le système à l’aide de capteurs. Ces don- les données portant l’essentiel de l’information, c’est-à-dire
nées observées informent (généralement de manière indirecte) sur s’affranchir des doublons, ou encore des données ne présentant
I’« état de santé » du système. que peu d’intérêt. À titre d’exemple, les données à faible pouvoir
discriminant ne sont généralement pas retenues.
■ Données de surveillance
Dans la pratique, les données observées sont les plus utilisées.
Elles peuvent inclure des données sur les vibrations, les données
acoustiques, des données d’analyse d’huile, température, pression,
humidité, et toutes les autres observations physiques, notamment
4. Exemple d’application
les indices visuels, qui ont trait à l’état physique de fonctionnement
dans son environnement. Un panel de capteurs (micro-capteurs, 4.1 Description de l’exemple
des capteurs à ultrasons, capteurs d’émission acoustique, thermo-
graphie imageurs, etc.) a été conçu pour recueillir ces données. Les L’illustration présentée ci-après porte sur l’étude PHM d’un rou-
technologies sans fil ont fourni une alternative financièrement lement, composant critique de tout système rotatif. En effet, selon
attractive à la communication filaire. Avec le développement rapide les études menées dans le domaine, plus de 40 % des pertes de
de l’informatique et des technologies avancées pour les capteurs, fonctionnalité des moteurs asynchrones sont dues à des défail-
les technologies pour l’acquisition de données sont devenues plus lances de roulements. Aussi, bien que graduelle, la dégradation
puissantes et moins onéreuses entraînant une croissance exponen- d’un roulement peut entraîner l’usure prématurée d’autres
tielle des bases de données. éléments du système.
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Vérin pneumatique
Roulement
testé Transmission
de force
Parution : avril 2013 - Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
50
40
30
20
accélération (g)
10
-10
-20
-30
-40
-50
0 1 2 3 4 5 6 7
temps (s) x 106
Parution : avril 2013 - Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Figure 13 – Exemple de signal vibratoire issu d’un accéléromètre pour une expérimentation complète
– 20
– 40
– 60
– 80
– 100
12 0
14 000
0 6 000
L’extraction de caractéristiques pertinentes permet de réduire la s’ensuit généralement une sélection des fréquences les plus perti-
taille des signaux issus des capteurs. Par exemple, le signal affiché nentes, par exemple par analyse en composantes principales. Le
sur la figure 14 présente beaucoup moins de points sur l’axe tem- sous-ensemble de caractéristiques obtenu est ainsi injecté dans un
porel que sur la figure 13, la réduction de la dimension étant fonc- algorithme de pronostic. Ce dernier peut être fondé sur un proces-
tion de la taille de la fenêtre et du recouvrement utilisés dans la sus de détection permettant de déterminer l’état courant du sys-
transformée de Fourier. La prise en compte de toutes les plages de tème, suivi d’une prédiction afin d’estimer le temps restant avant
fréquence augmente cependant la dimension des données et il défaillance.
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
– 30
– 35
– 40
– 45
– 50
RMS (m · s–2)
Données de test
Données d’apprentissage
Modes estimés
Nouveaux modes détectés
Figure 15 – Détection des modes sur deux roulements présentant des caractéristiques de dégradation éloignées
4.4 Couches 3 et 5 : détection d’état maintenance préventive et corrective sont peu à peu complétés
par une prise en compte plus réactive et proactive des défail-
et pronostic de défaillance lances. L’estimation du temps résiduel avant défaillance d’un équi-
pement (RUL) et la confiance pouvant être associée à cet
La figure 15 représente deux caractéristiques (une dimension du indicateur doivent permettre d’éviter des dépenses de mainte-
spectrogramme et le RMS) pour deux roulements différents. Un pre- nance inutiles, et le pronostic connaît un intérêt croissant ces
mier roulement (correspondant aux points rouges) est utilisé pour quinze dernières années. Il fait l’objet d’une norme internationale
apprendre les paramètres du système de détection d’états et de récente et est aujourd’hui considéré comme un processus clef
prédiction [17]. Les paramètres sont ensuite adaptés avec l’acquisi- dans les stratégies de maintenance. L’analyse de la littérature per-
tion de nouvelles données suite à une nouvelle expérimentation sur met de constater que beaucoup d’alternatives existent a priori
un deuxième roulement (points verts). Les croix et les ronds appa- pour supporter l’activité de pronostic : approches fondées sur un
raissant dans les nuages de points correspondent à des états de modèle, approches guidées par les données, approches fondées
fonctionnement détectés par le système au fil des acquisitions. sur l’expérience.
À chaque état est associé un modèle d’évolution reliant les valeurs Cependant, si le processus de pronostic vise la quantification du
des caractéristiques passées aux valeurs futures. Ainsi, le système RUL, il ne peut être considéré de manière isolée. Ce point est parti-
peut être interrogé sur les valeurs futures prises à un horizon donné. culièrement perceptible dans le concept de condition based mainte-
La figure 16 illustre la prédiction d’une des caractéristiques 100 pas nance (CBM). D’une part, l’anticipation des défaillances ne peut se
en avant à partir de l’instant courant. Les variations dans les prédic- faire que si les phénomènes de dégradation sont correctement
tions proviennent de l’adaptation du système au fil des acquisitions. appréhendés (acquisition de données, extraction de descripteurs,
Les plus fortes variations apparaissent sur les premiers points car ils détection, diagnostic). D’autre part, dans la pratique, le RUL n’est
correspondent à la transition entre les nuages de points rouge et vert pas une fin en soi : son estimation doit en revanche permettre de
(figure 15). Puis la dégradation est faible, menant à des prédictions mettre en œuvre des politiques de réaction adéquates (aide à la
très lissées entre les instants 150 et 700, contrastant avec celles esti- décision). Ainsi, le déploiement du pronostic requiert un ensemble
mées après 700 unités de temps correspondant à une dégradation de tâches (modules) qu’il est commun de regrouper sous le terme
marquée du roulement. La défaillance devient imminente lorsque la de PHM (prognostics and health management). Aussi, même s’il
prédiction 100 pas en avant dépasse un seuil donné. s’agit d’une approche plutôt rationnelle, la mise en œuvre d’un pro-
cessus de pronostic s’avère délicate. En effet, au même titre que les
activités de détection et de diagnostic, la mise en place d’outils de
pronostic doit faire face aux spécificités des problèmes traités : don-
5. Conclusion nées non stabilisées (incertitude, aléas), connaissances utiles mal
« bornées » (formalisation des problèmes difficile), mauvaise appré-
ciation des contours d’une étude (expertise forte et distribuée),
Le maintien en condition opérationnelle à moindre coût des sys- dynamique prononcée de l’évolution de l’équipement... Aussi, la
tèmes industriels est devenu un facteur critique quant à la perfor- recherche ne propose pas encore d’outil « universel » : le pronostic
mance des entreprises, et les concepts traditionnels de de pannes et l’évaluation de la gravité de ces pannes restent des
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
- 30
- 32
- 34
- 36
- 38
- 40
y
- 42
- 44
- 46
- 48
- 50
100 200 300 400 500 600 700 800 900 1 000
Parution : avril 2013 - Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Réel
Approximation
Figure 16 – Prédiction 100 pas en avant sur un deuxième roulement selon L. Sérir, E. Ramasso, P. Nectoux et N. Zerhouni [17]
activités en développement. Les seules approches stabilisées sont tifique internationale travaillant sur le pronostic souffre d’un
du type « fouille de données » et reposent donc sur un historique manque de moyens de validation des approches développées
des incidents assez conséquent pour être représentatif des événe- (benchmarks, preuves, mesures, etc.). C’est l’un des principaux
ments potentiellement prévisibles. Ce point est d’autant plus criti- défis pour les années à venir.
que que les systèmes évoluent dans leur complexité (systèmes Notons pour finir que la thématique du PHM s’étend aujourd’hui
mécatroniques) et dans leur échelle (systèmes distribués). à un panel d’applications pour lesquelles elle n’a pas été initia-
À un autre niveau, il est difficile d’être à même de juger a priori lement développée. Des travaux existent désormais sur le PHM
de la qualité d’un système de pronostic sans attendre la détério- des piles à combustible, le PHM des structures composites (SHM),
ration d’un système réel. Plus encore, toute la communauté scien- le PHM biomédical, le PHM des MEMS...
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
P
O
U
PHM – Prognostics and health R
management
E
De la surveillance au pronostic N
de défaillances de systèmes complexes
S
Rafael GOURIVEAU
par
Maître de conférences – ENSMM – Institut FEMTO-ST A
rafael.gouriveau@femto-st.fr
Kamal MEDJAHER V
Maître de conférences – ENSMM – Institut FEMTO-ST
kamal.medjaher@femto-st.fr O
Emmanuel RAMASSO
I
Parution : avril 2013 - Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
P
L
Sources bibliographiques
U
[1] UNION EUROPEENNE. – Recommandation Conference on Fusion, vol. 2, p. 1247-1255 chitecture. Proceedings of the IEEE Interna-
de la commission du 30 mai 2001 concernant
la prise en considération des aspects envi-
[7]
(2005).
LEBOLD (M.) et THURSTON (M.). – Open
tional Conference on Aerospace (2005).
S
ronnementaux dans les comptes et rapports [13] EL-KOUJOK (M.). – Contribution au pronostic
annuels des sociétés : inscription comptable, standards for condition-based maintenance industriel : intégration de la confiance à un
évaluation et publication d’informations. and prognostics systems. Proceedings of 5th modèle prédictif neuro-flou. Thèse de Docto-
Journal officiel de la Communauté euro- Annual Maintenance and Reliability rat, institut FEMTO-ST, université de
péenne, 30 mai 2001. Conference, MARCON 2001, Gatlinburg, USA Franch-Compté, sept. 2009.
(2001).
[2] BENGTSSON (M.). – Condition based main- [14] LEBOLD (M.), REICHARD (K.) et BOYLAN (D.).
[8] JARDINE (A.-K.-S.), LIN (D.) et BANJEVIC
tenance systems an investigation of techni- – Utilizing dcom in an open system architec-
(D.). – A review on machinery diagnostics
cal constituents and organization aspects. ture framework for machinery monitoring
and prognostics implementing
Thèse de doctorat, department of Innovation, and diagnostics. Proceedings of the IEEE In-
condition-based maintenance. Mechanical
Design, and Product Development, Mälarda- ternational Conference on Aerospace (2003).
Systems and Signal Processing, vol. 20:7,
len University (2004).
p. 1483-1510 (2006).
[15] NECTOUX (P.), GOURIVEAU (R.), MEDJA-
[3] KARRAY (M.-H.), MORELLO (B.) et ZE- [9] HENG (A.), ZHANG (S.), TAN TAN (A.) et MA- HER (K.), RAMASSO (E.), MORELLO (B.), ZE-
RHOUNI (N.). – Towards a maintenance se- THEW (J.). – Rotating machinery RHOUNI (N.) et VARNIER (C.). –
mantic architecture. Proceedings of the 4th prognostics : state of the art, challenges and PRONOSTIA : an experimental platform for
World Congress on Engineering Asset Mana- opportunities. Mechanical Systems and Si- bearings accelerated life test. Proceedings of
gement (WCEAM’09), Athènes (2009). gnal Processing, vol. 23:3, p. 724-739 (2009). the IEEE International Conference on Pro-
[4] VACHTSEVANOS (G.), LEWIS (F.-L.), ROE- gnostics and Health Management, Denver,
[10] GOURIVEAU (R.) et MEDJAHER (K.). – Indus- CO, USA (2012).
MER (M.), HESS (A.) et WU (B.). – Intelligent trial prognostic – an overview. Maintenance
fault diagnosis and prognosis for enginee- Modelling and Applications, Chap. 2, [16] YADAV (M.) et WADHWAN (S.). – Vibration
ring systems. Wiley and Sons, Inc. Hoboken, ISBN 978-82-515-0316-7, p. 10-30 (2011). analysis of bearing for fault detection using
New Jersey, USA (2006).
[11] TOBON-MEJIA (D.-A.), MEDJAHER (K.) et ZE- time domain features and neural network. In-
[5] SAXENA (A.), CELAY (J.), SAHA (B.), SAHA RHOUNI (N.). – CNC machine tool’s wear dia- ternational Journal of Applied Research in
(S.) et GOEBEL (K.). – Metrics for offline eva- gnostic and prognostic by using dynamic Mechanical Engineering, vol. 1:1 (2011).
luation of prognostic performance. Interna- Bayesian networks. Mechanical Systems and
tional Journal of prognostics and Health Ma- Signal Processing, vol. 28, p. 167-182 (2012). [17] SERIR (L.), RAMASSO (E.), NECTOUX (P.) et
nagement (2010). ZERHOUNI (N.). – E2GKpro : an evidential
[12] ROEMER (M.), BYINGTON (C.), KAC- evolving multi-modeling approach for sys-
[6] GOEBEL (K.) et BONISSONE (P.). – Prognos- PRZYNSKI (J.) et VACHTSEVANOS (G.). – An tem behavior prediction with applications.
tics information fusion for constant load sys- overview of selected prognostic technolo- Mechanical Systems and Signal Processing
tems. Proceedings of the 7th annual gies with reference to an integrated PHM ar- (2012).
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
O
U À lire également dans nos bases
E Outils logiciels
S
Sites Internet
A CALCE : site web du Center for Advanced Life Cycle Engineering, Université encourager l’utilisation d’architectures de données ouvertes. Le
du Maryland consortium Mimosa a notamment proposé le standard d’architecture de
V http://www.calce.umd.edu/
CPHM : site web de la China Prognostics and Health Management Society
données OSA-CBM pour supporter les stratégies de maintenance
conditionnelle et prévisionnelle.
http://www.chinaphm.com/ NASA PCoE : site web consacré au PHM du NASA Prognostics Center of
O Georgia Tech : site web du Center for Integrated Diagnostics, intelligent
control systems laboratory de l’université du Minnesota
Excellence
http://ti.arc.nasa.gov/tech/dash/pcoe/
http://icsl.gatech.edu/icsl/Main_Page S’y trouvent notamment quelques références bibliographiques et les jeux
I
Parution : avril 2013 - Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
P Événements
S
Normes et standards
X60-319/NF EN 13306 2010 AFNOR Terminologie de la maintenance. ISO 13381-1 2004 Surveillance et diagnostic des machines –
pronostic – partie 1 : Lignes directrices
générales.
Brevets
System and method for health assessment of downhole tools, patent Embedded prognostic health management system for aeronautical
WO/2009/132281. machines and devices and methods thereof, patent WO/2012/058260.
Systems and methods for predicting failure of electronic systems and asses-
sing level of degradation and remaining useful life, patent
WO/2008/036921.
Annuaire
Laboratoires – Bureaux d’études – Écoles – Centres LAGIS : Laboratoire d’automatique, génie informatique et signal, Lille
de recherche (liste non exhaustive) http://www.lagis.ec-lille.fr
CRAN : Centre de Recherche en Automatique de Nancy LAMIH : Laboratoire d’Automatique, de Mécanique, et d’Informatique Indus-
http://www.cran.uhp-nancy.fr trielles et Humaines, Valenciennes
http://www.univ-valenciennes.fr/LAMIH
FEMTO-ST : Institut Franche-Comté Électronique, Mécanique, Thermique et
Optique – Sciences et Technologies, Besançon LGP : Laboratoire de Génie de Production, Tarbes
http://www.femto-st.fr http://www.enit.fr/fr/recherche-et-valorisation/le-laboratoire-genie-de-pro-
duction.html
GSCOP : Laboratoire des Sciences pour la Conception, l’Optimisation et la
Production de Grenoble LSIS : Laboratoire des Sciences de l’Information et des Systèmes, Marseilles
http://www.g-scop.grenoble-inp.fr http://www.lsis.org
LAAS : Laboratoire d’Analyse et d’Architecture des Systèmes, Toulouse UTT-ICD : Université de Technologie de Troyes et Institut Charles Delaunay
http://www.laas.fr http://www.utt.fr
tiwekacontentpdf_mt9570 v1 Ce document a ete delivre pour le compte de 7200083552 - universite de liege // alexandre FLAS // 193.190.208.37
GAGNEZ DU TEMPS ET SÉCURISEZ VOS PROJETS
EN UTILISANT UNE SOURCE ACTUALISÉE ET FIABLE
RÉDIGÉE ET VALIDÉE MISE À JOUR 100 % COMPATIBLE SERVICES INCLUS
PAR DES EXPERTS PERMANENTE SUR TOUS SUPPORTS DANS CHAQUE OFFRE
NUMÉRIQUES
www.techniques-ingenieur.fr
CONTACT : Tél. : + 33 (0)1 53 35 20 20 - Fax : +33 (0)1 53 26 79 18 - E-mail : infos.clients@teching.com
LES AVANTAGES ET SERVICES
compris dans les offres Techniques de l’Ingénieur
ACCÈS
SERVICES ET OUTILS PRATIQUES
Archives Impression à la demande Alertes actualisations
Technologies anciennes et versions Commandez les éditions papier Recevez par email toutes les nouveautés
antérieures des articles de vos ressources documentaires de vos ressources documentaires
*Questions aux experts est un service réservé aux entreprises, non proposé dans les offres écoles, universités ou pour tout autre organisme de formation.
www.techniques-ingenieur.fr
CONTACT : Tél. : + 33 (0)1 53 35 20 20 - Fax : +33 (0)1 53 26 79 18 - E-mail : infos.clients@teching.com