Manufacturing Execution System extending to diagnosis of production performances based on probalistic Bayesian approach
Extension des systèmes MES au diagnostic des performances des systèmes de production au travers d'une approche probabiliste Bayésienne
Résumé
This Phd thesis takes place in the diagnostic field, especially in contexte of Manufacturing Execution System (MES). It contributes to the diagnostic system in the presence of potential failures following a triggering signal OEE drift, an indicator performance that gives a picture of the production system state (equipment, production line, site, and enterprise) by estimating downtime from 3 major origins: availability, performance, and quality. Our objective is to provide maximum information of the origins of an OEE variation and to support making the best decision for four categories users of OEE (operator, leader team, supervisor, direction). Also, basis on that model, the purpose will provides a deployment methodology to integrate with MES solution in an industrial context.
Cette thèse s'inscrit dans le domaine de la diagnostic, en particulier de Manufacturing Execution System (MES) . Elle apporte sa contribution au diagnostic de système en présence de défaillances potentielles suit à une variation du TRS, un indicateur de performance qui donne une image de l’état de fonctionnement d’un système de production (équipement, ligne, atelier, usine) à travers l’estimation des pertes selon trois origines : disponibilité, performance, qualité. L’objectif est de fournir le maximum d’informations sur les origines d’une variation du TRS afin de permettre à l'exploitant de prendre la bonne décision. Aussi, sur la base d'un tel modèle, nous proposons une méthodologie de déploiement pour intégrer une fonction de diagnostic aux solutions MES existantes dans un contexte industriel.
Origine : Version validée par le jury (STAR)
Loading...