Abstract:
Cette th`esepr´esenteuncadredemaintenancepr´edictivebas´esurdes
mod`elesd’intelligenceartificielle(IA)pourpr´edirelesmodesded´efaillance
dans desmachinesindustrielles,avecunaccentparticuliersurlesecteur
automobile. L’´etudeabordelesd´efisdelamaintenancedesmoteursde
v´ehiculesenanalysantlesdonn´eesissuesdedeuxensemblesdedonn´ees
distincts. L’approchecombinel’analysetraditionnelledesd´efaillancesavec
des m´ethodesmodernesdemachinelearningpouridentifierlescomposants
susceptibles detomberenpanneavantqu’ilsnecausentdesarrˆetsdepro-
duction. DiversalgorithmesdemachinelearningtelsqueRandomForest,
XGBoostetGradientBoostingont´et´ecompar´eset´evalu´esenutilisant
des donn´eesr´eellesafind’optimiserlesstrat´egiesdemaintenance,r´eduire
les coˆutsetam´eliorerl’efficacit´eop´erationnelle.Desm´etriquesdeper-
formance, tellesquelapr´ecision,lerappel,leF1-scoreetlamatricede
confusion, ont´et´eutilis´eespour´evaluerl’efficacit´edesmod`elespr´edictifs
dans laminimisationdesarrˆetsimpr´evusetl’optimisationdesplannings
de maintenance.
