Introduction aux systèmes de diagnostic de l’automobile et de l’avion Université Paul Sabatier Sciences Technologies Santé Master2 Professionnel et Recherche Mention Electronique Electrotechnique Automatique (EEA) 12 Février 2014 Vincent CHERIERE, Ingénieur Airbus [email protected]1
64
Embed
Introduction aux systèmes de diagnostic de …ekladata.com/master-eea-toulouse.eklablog.com/perso/archives/m2/... · [email protected] . 1 . Plan de l’exposé • Le
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Introduction aux systèmes de diagnostic de l’automobile et de l’avion
Université Paul Sabatier Sciences Technologies Santé
Master2 Professionnel et Recherche Mention Electronique Electrotechnique Automatique (EEA)
• Le problème du diagnostic et ses contraintes – sur automobile – sur avion
• Introduction aux architectures des systèmes d’aide au diagnostic sur automobile et sur avion
• Perspectives d’un domaine en plein essor
2
Le problème du diagnostic et ses contraintes
3
Si votre vélo ne roule plus…
4
Si votre vélo ne roule plus…
… pouvez-vous voir d’où cela vient ?
5
Si votre vélo ne roule plus…
… pouvez-vous voir d’où cela vient ?
La chaîne a déraillé
Le pédalier est voilé
Les freins sont
bloqués
Oui, facile! 6
Et ce vélo électrique ?
Pas si facile! 7
Mais pourquoi ma voiture n’avance-t-elle plus ?
8
Humm… et cet avion ?
9
Ou bien celui-là ?
Crédit Photo : YOSHIKAZU TSUNO/AFP
11
Pourquoi a-t-on besoin d’une aide au diagnostic sur un véhicule ?
• Parce qu’il peut tomber en panne et ne plus être disponible
• Parce qu’on veut connaître ce qui est en panne, simplement, pour ensuite le réparer, simplement
diagnostic, du grec dia : à travers et gnônaï : connaître
Connaître ce qui ne marche pas à travers la machine
12
Pourquoi est-ce plus difficile de diagnostiquer un avion qu’un vélo ?
• C’est plus gros ! – On ne peut pas tout inspecter d’un seul coup d’œil.
• C’est une machine plus complexe ! – il y a plein de technologies différentes: il faudrait être
électricien, électronicien, hydraulicien, informaticien, logicien, mécanicien, etc.
• On ne voit pas tout ! – Certaines pannes ne se voient pas au sol.
• On ne sait pas tout ! – Les différentes parties de l’avion sont livrées par des systémiers
hautement spécialistes puis assemblées par l’avionneur.
13
Les contraintes du diagnostic • C’est un problème de connaissance
– Personne ne connaît tout sur une voiture moderne ou sur un avion – La connaissance est protégée par la propriété industrielle des systémiers – Les mécanos aéronautiques
travaillent sur de nombreux types d’avions
• C’est un problème de logique – Implication entre pannes et
dysfonctionnements, causalité – La propagation d’une
panne peut progressivement passer à travers plusieurs systèmes différents, et tolérants à la panne • C’est un problème de temps
– On veut diagnostiquer la panne au moment optimal ≈ souvent au plus tôt
• L’erreur coûte cher ! – Calculateur Engine Control Unit
≈ 250 000 €. 14
Panorama des technologies actuelles dans les systèmes industriels de diagnostic
Systèmes de diagnostic
A base de modèles
Modèles physiques (équations
différentiels, etc.)
Systèmes avec IA
Systèmes experts
Machines à états Réseaux de Pétri
Raisonneurs qualitatifs
A base de traitement de
données
Méthodes linéaires classiques
Estimations par filtrage (Kalman, Statistiques, etc.)
Comparaison/Seuil/Confirmation
Machines à apprentissage
Réseaux de neurones
Support Vector Machines
Réseaux Bayésiens Data mining
> signal
référence
– +
seuil diagnostic
Exemple: Signal température > 6 V indique que le capteur de température est en panne
Les grandes couches du modèle OSA-CBM Open Systems Architecture for Condition-Based Maintenance
Data Acquisition (DA)
Data Manipulation (DM)
State Detection (SD)
Health Assessment (HA)
www.mimosa.org 34
Cas d’étude: moteur Diesel suralimenté
Sources: Wikipedia + Le moteur Turbo Diesel à Injection Directe (Calvet Pierrick Département GE&II 2, Labella Florent G1, Université J. Fourier Grenoble)
COMBUSTION
35
Cas d’étude: moteur Diesel suralimenté
Sources: -Wikipedia -Le moteur Turbo Diesel à Injection Directe (Calvet Pierrick Département GE&II 2, Labella Florent G1, Université J. Fourier Grenoble)
36
Cas d’étude: moteur Diesel suralimenté
Répartiteur d’admission
Collecteur d’échappement
Echangeur
Vanne de recirculation d’échappement
Echangeur
Compresseur
Turbine
Capteur pression
Capteur température
C1 C2 C3 C4
37
Cas d’étude: moteur Diesel suralimenté
Répartiteur d’admission
Collecteur d’échappement
Echangeur
Vanne de recirculation d’échappement
Echangeur
Compresseur
Turbine
Capteur pression
Capteur température
C1 C2 C3 C4
Comment auto-diagnostiquer que la durite du turbo est cassée ?
38
Cas d’étude: moteur Diesel suralimenté
Répartiteur d’admission
Collecteur d’échappement
Echangeur
Vanne de recirculation d’échappement
Echangeur
Compresseur
Turbine
Capteur pression
Capteur température
C1 C2 C3 C4
1. Si le compresseur ne fournit plus d’air surcompressé, alors la pression mesurée par le capteur de pression sera trop faible
2. (Pression < 1.2 bars) => « Compresseur en panne » ou « Capteur en panne » ou « Durite cassée »
39
Cas d’étude: moteur Diesel suralimenté
Répartiteur d’admission
Collecteur d’échappement
Echangeur
Vanne de recirculation d’échappement
Echangeur
Compresseur
Turbine
Capteur pression
Capteur température
C1 C2 C3 C4
1. Si le compresseur ne fournit plus d’air surcompressé, alors la pression mesurée par le capteur de pression sera trop faible
2. (Pression < 1.2 bars) => « Compresseur en panne » ou « Capteur en panne » ou « Durite cassée »
Data Acquisition (DA)
Data Manipulation (DM)
State Detection (SD)
Health Assessment (HA)
Signal en mV
Pression < 1.2
Pression en bar
Compresseur en panne OU Capteur en panne OU Durite cassée
40
Critères d’évaluation de la performance d’un système de diagnostic
détecter les symptômes, isoler les troubles, identifier les fautes
• La validité: c’est quand la faute réelle correspond à la faute diagnostiquée
• La complétude: c’est quand tous les troubles sont isolés
• La précision: c’est quand le nombre de fautes suspectées est minimal
• La fausse détection: c’est quand un symptôme est détecté à tort
• La non détection: c’est quand un symptôme n’est pas détecté alors qu’il devrait l’être
• Le temps de réponse: le diagnostic est très vite disponible
La conception d’un système est un compromis coût / efficacité. Par exemple, ajouter des capteurs peut contribuer à améliorer la précision, mais cela coûte plus cher, et les capteurs tombent aussi eux-mêmes en panne. 41
Les nouvelles difficultés du problème de diagnostic détecter les symptômes, isoler les troubles, identifier les fautes
• La tolérance à la panne – Les avions modernes sont très tolérants à la panne: B777, A380
C’est quand il peut y avoir faute mais pas de trouble, ni de symptôme, avant l’accumulation d’une 2nde faute, d’une 3e faute...
• Les fautes logicielles – Le risque augmente avec la complexité de l’architecture.
• Les fautes intermittentes ou réversibles
– Particulièrement sur des systèmes électriques, électroniques.
• La complexité des architectures des systèmes et la ségrégation de la connaissance – La connaissance du système dépend de nombreux spécialistes !
42
La gestion de la connaissance • Les systèmes industriels de diagnostic se basent sur de la
connaissance collectées à partir de plusieurs sources différentes – Constructeur: installation des systèmes sur le véhicule, connaissance des
interactions entre les systèmes – Systémiers: connaissance détaillée des modes de défaillances des équipements
– Après-vente: connaissance du comportement en vie série
– Client: connaissance des contraintes des clients
• Ces connaissances sont collectées le plus souvent dans des bases de données, suivant des processus complexes – Intégrité de l’information – Sécurité de l’information, surtout si elle est rendue disponible via le Web
– Mise à jour des données de la manière la plus réactive possible
43
La gestion de la connaissance • La connaissance est issue de l’analyse des systèmes
– AMDEC: Analyse des Modes de Défaillances, de leurs Effets et de leur Criticité
FMEA (Failure Modes and Effects Analysis) • Pendant les études/recherche • Permet d’évaluer l’architecture du système
– MSG-3 (Aéronautique) Maintenance Steering Group
• Analyse des systèmes pour définir le Manuel de Maintenance Planifiée
– Elaboration des documentations de recherche de pannes (TSM Troubleshooting
Manual) ou de maintenance (AMM Aircraft Maintenance Manual, Documentation technique du véhicule, etc).
– Recueil des données de fiabilité et de maintenabilité en vie série • Statistiques sur les « NFF » (No Fault Found), « défauts fugitifs », « fausses pannes » • Statistiques sur les pièces de rechange, pour connaître les « équipements en pannes les plus courants »
Architecture des systèmes de diagnostic sur automobile
Calculateur de contrôle moteur
Calculateur de contrôle habitacle
Calculateur de contrôle boîte auto
ABS
Logiciel de diagnostic embarqué
Logiciel de diagnostic embarqué
Protocole eOBD
Protocole eOBD
Protocole eOBD
Aide au diagnostic
Mise à jour Internet
47
Exemples de « SCANTOOL »
Peugeot Planet 2000
Bosch Diagnostics
Actia MULTIDIAG
48
Surveillance de flottes de camions en temps réel
RENAULT TRUCKS OPTIFLEET OPTIFLEET : POUR UN SUIVI DE LA FLOTTE EN TEMPS REEL
« Avec Optifleet, l’exploitant peut géolocaliser en temps réel ses véhicules, consulter les données techniques à distance, suivre les temps d’activités de ces chauffeurs et récupérer, puis archiver, plus simplement les données du chronotachygraphe et des cartes chauffeurs. Optifleet offre aussi au conducteur la possibilité de communiquer en direct avec sa base par messagerie électronique.
Simple à utiliser et à mettre en place, Optifleet est une solution d’informatique embarquée « clés en main » accessible via un portail Internet avec accès sécurisé depuis n’importe quel ordinateur.
Le second module, de données techniques (« Check ») permet de suivre la consommation par conducteur et donc permet de réduire les frais kilométriques, notamment pour des flottes multimarques. Optifleet permet également à l’exploitant de présenter à son client un rapport environnemental (dioxyde de carbone, Nox,...) émis pour le transport de ses marchandises. »
Octobre 2011
49
ACTIA Fleet Diagnostic
ACTIA's Telematic Gateway Unit (TGU)
50
Architecture des systèmes de diagnostic sur avion
Système de trains
d’atterrissage
Système d’alimentation en carburant
Système de référence
inertielle et données air
Système de réfrigération des
galleys
…
≈ 80 systèmes
Logiciel d’autotest
intégré
Logiciel d’autotest
intégré
Logiciel d’autotest
intégré
Logiciel d’autotest
intégré Réseaux de
communication
Système d’alerte en vol
51
Architecture des systèmes de diagnostic sur avion
Calculateur central de
maintenance
Système de trains
d’atterrissage
Système d’alimentation en carburant
Système de référence
inertielle et données air
Système de réfrigération des
galleys
…
≈ 80 systèmes
Logiciel d’autotest
intégré
Logiciel d’autotest
intégré
Logiciel d’autotest
intégré
Logiciel d’autotest
intégré Réseaux de
communication
Logiciel de diagnostic
Système d’alerte en vol
52
Architecture des systèmes de diagnostic sur avion
Calculateur central de
maintenance
Système de trains
d’atterrissage
Système d’alimentation en carburant
Système de référence
inertielle et données air
Système de réfrigération des
galleys
…
≈ 80 systèmes
Logiciel d’autotest
intégré
Logiciel d’autotest
intégré
Logiciel d’autotest
intégré
Logiciel d’autotest
intégré Réseaux de
communication
Logiciel de diagnostic
Port
Terminal portable
Terminal intégré au
cockpit
Imprimante
Système d’alerte en vol
Système de communication
bord/sol
Port de téléchargement
53
Exemple: Système de maintenance embarqué de l’A380
54
Exemple: Système de maintenance embarqué de l’A380
NSS 55
Exemple: Falcon F2000EX EASy
56
Exemple: Bombardier Aircraft Health Management System basé sur du raisonnement à base de cas
(début 1’20’’)
La gestion de la santé de la flotte devient un argument marketing !
57
58
Exemple: Vidéo AIRMAN
59
Perspectives d’un domaine en plein essor
60
Perspectives d’un domaine en plein essor • Encore de nombreuses choses à inventer/appliquer
– Introduire de l’IA plus puissante dans les systèmes de diagnostic • Appliquer les nouvelles inventions des communauté de recherche DX’, FDI, PHM, etc. • http://www.laas.fr/DISCO/
– Améliorer la gestion industrielle de la connaissance • Dans un contexte « risk-sharing »,
la connaissance est partagée par le constructeur et ses systémiers majeurs – Développer les solutions de Prédiction des pannes (Pronostic) – Pour un véhicule tolérant aux pannes,
analyser l’impact des pannes sur la mission à venir – Nouvelles technologies de matériels (SCANTOOL, terminaux, etc.)
• L’avenir est aux systèmes d’information intégrés
– Détection – Diagnostic – Evaluation de la
marge de tolérance
– Pronostic
• L’avenir est à l’accès à l’information de diagnostic, à distance du véhicule, de n’importe quel point de la planète. « Connected Vehicle! »
Passer du traitement du signal au traitement de l’information
http://books.sae.org/book-r-405 (Septembre 2011, Novembre 2012)
IVHM (Integrated Vehicle Health Management) appliqués sur les avions/camions en 2014
• Quelques offres IVHM aujourd’hui – BOEING EDGE
Airplane Health Management – Custom Alerting and Analysis – GE IVHM appliqué sur avions GULFSTREAM PlaneConnectHTM – AIRBUS Real-Time Health Monitoring
• FAST #50 / August 2012 – ACTIA Fleet Diagnostic (camions)
Récapitulatif • Les systèmes de diagnostic sont indispensables pour les
véhicules complexes
• Le problème posé est de détecter les symptômes, isoler les troubles, identifier les fautes
• Le diagnostic est plus difficile sur les véhicules modernes tolérants aux pannes (diagnostic multi-pannes, technologies variées, complexité des interactions entre systèmes, problème de la gestion de la connaissance, etc.)
• C’est un domaine en plein essor (vers plus d’IA plus puissante, vers des systèmes d’information intégrés, connectés, disponibles en réseau, etc.)