Un ensemble de méthodes statistiques, d'apprentissage et fondées sur la physique qui surveillent l'état des équipements, estiment la dégradation actuelle, prédisent la durée de vie restante (RUL) avec incertitude quantifiée et informent les décisions de maintenance et d'exploitation pour les actifs du système électrique.

Principe

La combinaison de données de surveillance et de modèles de dégradation (statistiques, apprentissage automatique ou physique de la défaillance) permet d'obtenir des estimations probabilistes des performances futures et de la RUL ; les décisions découlent de la mise en relation de ces prévisions probabilistes avec des critères de coût, de risque et d'exploitation.

Démonstration

Application illustrative — Situation : Un transformateur de poste montre une augmentation des gaz dissous et une tendance de température. Reconnaissance : un modèle calibré sur la dégradation historique corrèle ces tendances au vieillissement de l'isolant. Action : le système PHM fournit une RUL probabiliste et propose une fenêtre de maintenance optimisée pour minimiser la perturbation de service. Conséquence : une maintenance planifiée a lieu avant une période de risque élevé, réduisant la probabilité d'une panne non planifiée.

Mauvaise application

Utiliser une estimation ponctuelle de RUL sans exprimer l'incertitude ou sans valider le modèle pour la même famille d'actifs et conditions d'exploitation ; l'erreur est de traiter la sortie du modèle comme une prédiction exacte plutôt que comme un pronostic probabiliste dépendant de la validité du modèle et de la qualité des données.

Conséquence

Bien appliquée, la PHM permet une maintenance conditionnelle qui peut réduire le coût de cycle de vie et les arrêts non planifiés ; mal appliquée, elle peut engendrer une confiance mal placée, conduire à des pannes non anticipées ou à des remplacements inutiles et transférer le risque sans l'éliminer.

Inversion

La valeur de la PHM est limitée lorsque les défaillances sont essentiellement aléatoires et instantanées (p. ex. rupture mécanique soudaine) sans signaux précurseurs mesurables ; dans ces cas, les modèles prédictifs ne fournissent pas d'alerte fiable.

Limite

Clairement dans le champ : actifs présentant des signaux de dégradation mesurables (batteries, transformateurs, machines tournantes, électroniques de puissance) où capteurs et modèles s'appliquent. Cas frontière : actifs à modes de défaillance mixtes graduels et abrupts où la PHM apporte une aide pour certains modes mais pas pour d'autres. Hors du champ : défaillances purement stochastiques sans précurseurs mesurables ou décisions fondées uniquement sur des intervalles réglementaires fixes.

Tension sémantique

Réduction du Risque ↔ Coût de Surveillance — augmenter la surveillance et la sophistication des modèles réduit l'incertitude mais augmente les coûts d'instrumentation, de données et d'analyse ; la PHM optimale équilibre la valeur prédictive et ces coûts.

Synthèse

La PHM requalifie la maintenance en prise de décision probabiliste : elle convertit des signaux de capteurs et des modèles en prévisions graduées de risque qui doivent être intégrées aux critères de coût, disponibilité et sécurité pour produire des plans d'entretien actionnables.