Contribution à l'apprentissage de Modèles de Markov Cachés pour l'estimation de l'état de santé de systèmes industriels
Une bonne politique de maintenance au sein d une entreprise est un enjeu majeur pour assurer la fiabilité et la sûreté de fonctionnement des outils de production dans différents secteurs. Le travail de recherche présenté dans cette thèse vise à introduire de nouvelles méthodes de diagnostic des défa...
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | , , , , , , , |
| Format: | Thèse numérique |
| Langue: | Français |
| Publié: |
2024.
|
| Sujets: | |
| Accès en ligne: | Accès au texte intégral https://theses.univ-orleans.fr/public/2024ORLE1080_va.pdf http://www.theses.fr/2024ORLE1080/abes https://theses.hal.science/tel-05016992 |
| 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) : Anne Barros (Président du jury) ; Zineb Simeu-Abazi, Nassim Boudaoud, Florent Duculty, Thierry Paquet, Frédéric Kratz, Stéphane Begot (Membre(s) du jury) ; Zineb Simeu-Abazi, Nassim Boudaoud (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Contribution to Hidden Markov Model training for health status estimation of industrial systems |