Recherche sur l'amélioration de la qualité des données et l'évaluation des risques d'aide à la décision des processus de production
Year: 2025
Type: dissertation
Abstract: L'industrie de production est essentielle pour le développement durable, la force industrielle soutenant la compétitivité nationale. Le gouvernement chinois a accru ses investissements dans la production industrielle afin d'améliorer la compétitivité manufacturière, renforcer la sécurité et réduire l'exposition des travailleurs aux dangers. Cependant, la transformation sans personnel dans la production dangereuse fait face à des défis liés à la qualité des données et à l'évaluation des risques en temps réel, entravant les opérations stables à faible risque. Soutenue par des programmes nationaux, cette étude aborde ces problèmes en se concentrant sur l'amélioration de la qualité des données et l'évaluation des risques complexes en temps réel. Les domaines de recherche clés incluent :Analyse du modèle PAE : L'étude utilise le modèle PAE pour analyser le rôle humain dans la production, identifiant la prise de décision sans personnel comme centrale à la transformation. Elle met en évidence la qualité des données et l'évaluation des risques en temps réel comme des défis critiques, proposant des solutions telles que l'amélioration de la qualité des données, l'évaluation des risques de décision et l'optimisation. Une approche basée sur le jumeau numérique est introduite pour l'évaluation des risques en temps réel. Imputation des données : Un algorithme d'imputation de données multi-canaux utilisant 1D-CNN WGAN est conçu pour gérer les données manquantes, exploitant l'attention multi-têtes et WGAN pour une imputation efficace. Un mécanisme d'entraînement hybride améliore la précision du modèle de décision dans les scénarios à taux de données manquantes élevé, validé par la classification des défauts industriels. Évaluation des risques de décision : Un cadre basé sur la simulation de Monte Carlo évalue les risques de décision dans des scénarios discrets et continus, quantifiant les risques des algorithmes et guidant la conception des systèmes d'acquisition de données. Une méthode de contrôle tolérant aux défauts des capteurs basée sur les risques minimise les risques potentiels dans les scénarios de décision continue. Amélioration de la résilience : Une méthode de prédiction d'état et d'amélioration de la résilience basée sur l'IoT est proposée, optimisant l'allocation d'énergie et réduisant les risques d'arrêt. Une fonction objectif de pénalité temporelle des risques améliore la récupération du système dans les scénarios à multiples tâches de maintenance. Évaluation des risques en temps réel : Une méthode basée sur le jumeau numérique redéfinit le risque sous des perspectives spatio-temporelles, utilisant la technologie multi-agent et les modèles de jumeaux numériques pour l'évaluation des risques en temps réel. Son efficacité est validée dans une unité de production de nettoyage de projectiles. Cette recherche fournit des bases théoriques et méthodologiques pour la transformation sans personnel dans la production dangereuse, abordant les défis de la qualité des données et de l'évaluation des risques pour assurer des opérations stables à faible risque.
Source: theses.fr (ABES)
Author: Yuan, Tangxiao
Language: English
Subfield: Industrial and Manufacturing Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7105795915
Cites:
Cited by:
Related to: