Predictive Maintenance with Hidden Semi Markov Model
Les travaux présentés dans cette thèse portent sur la gestion de l état de santé et du pronostic de systèmes industriels par une approche guidée par les données. Dans ce contexte, nous proposons l'utilisation de modèle semi-markovien caché. L'objectif de cette étude est de trouver la strat...
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | , , , , , , |
| Format: | Thèse numérique |
| Langue: | Anglais |
| Publié: |
2022.
|
| Sujets: | |
| Accès en ligne: | Accès au texte intégral http://www.theses.fr/2022ISAB0007/abes |
| Note: |
Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....) (Laboratoire) Autre(s) contribution(s) : Frédéric Kratz, Mitra Fouladirad, Zohra Cherfi-Boulanger, Pascal Vrignat, Toufik Aggab, Harris Simaremare, Marc Zolghadri (Membre(s) du jury) ; Mitra Fouladirad, Zohra Cherfi-Boulanger (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Maintenance prévisionnelle à partir d'un modèle semi-markovien caché |