Search

La protection de l’environnement et les changements climatiques sont des sujets importants depuis longtemps dans la sphère politique québécoise et montréalaise. Les questions environnementales incitent les pouvoirs publics, les forces politiques civiles et la population à explorer de nouvelles façons de se déplacer. Des citoyens et des initiatives politiques font alors foi d’une vision utilitaire renouvelée du vélo à Montréal. Il est donc opportun de questionner si l’accroissement considérable des parts modales du vélo peut avoir une incidence sur le marché immobilier montréalais ou porter certaines tendances. Cette recherche vise à mettre en lumière les liens entre les mobilités cyclistes, et les choix résidentiels. Le mémoire tente d’explorer si les cyclistes ont un profil résidentiel différent de ceux utilisant d’autres moyens de transport avec des projets résidentiels bien connus. Cette recherche mobilise deux méthodes d’analyse. Tout d’abord la méthode quantitative qui est possible grâce à la base de données issue du projet de recherche de Lord et al. (2016). Ensuite, elle utilise les données qualitatives de treize entrevues semi-dirigées avec des travailleurs métropolitains pour approfondir la connaissance de leurs projets résidentiels et leurs rapports aux mobilités cyclistes. Les conclusions de ce mémoire ne permettent pas d’identifier un profil résidentiel fortement différent de ceux utilisant d’autres moyens de transport, le profil résidentiel cycliste se rapprochant trop du profil résidentiel des utilisateurs de transport en commun. Elles permettent toutefois d’établir un profil résidentiel cycliste typique qui nous informe sur les caractéristiques du quartier et du logement recherchés par les cyclistes., Environmental protection and climate change have long been important issues in Quebec and Montreal politics. Environmental issues are prompting public authorities, civil political forces and the population to explore new ways of getting around. Citizens and political initiatives are now showing a renewed utilitarian vision of cycling in Montreal. It is therefore timely to question whether the considerable increase in the modal share of cycling can have an impact on the Montreal real estate market or carry certain trends. This research aims to shed light on the links between cycling mobility and residential choices. The research attempts to explore whether cyclists have a different residential profile than those using other means of transportation with well-known residential projects. This research mobilizes two methods of analysis. First, the quantitative method that is possible through the database, which originated from the research project of Lord et al. (2016). Second, it uses qualitative data from thirteen semi-structured interviews with metropolitan workers to gain further insight into their residential projects and their relationships to cycling mobilities. The findings of this paper do not identify a residential profile that is significantly different from those using other modes of transportation, as the residential profile of cyclists is too close to the residential profile of transit users. They do, however, provide a typical residential cycling profile that informs us about the neighborhood and housing characteristics that cyclists are looking for.

International audience; Le but de cette étude est de comparer les performances des méthodes d'analyse de données fonctionnelles par rapport à une approche basée sur des descripteurs métiers pour automatiser le diagnostic d'aiguillages ferroviaires.

In this paper, we propose an offline and online machine health assessment (MHA) methodology composed of feature extraction and selection, segmentation-based fault severity evaluation, and classification steps. In the offline phase, the best representative feature of degradation is selected by a new filter-based feature selection approach. The selected feature is further segmented by utilizing the bottom-up time series segmentation to discriminate machine health states, ie, degradation levels. Then, the health state fault severity is extracted by a proposed segment evaluation approach based on within segment rate-of-change (RoC) and coefficient of variation (CV) statistics. To train supervised classifiers, a priori knowledge about the availability of the labeled data set is needed. To overcome this limitation, the health state fault-severity information is used to label (eg, healthy, minor, medium, and severe) unlabeled raw condition monitoring (CM) data. In the online phase, the fault-severity classification is carried out by kernel-based support vector machine (SVM) classifier. Next to SVM, the k-nearest neighbor (KNN) is also used in comparative analysis on the fault severity classification problem. Supervised classifiers are trained in the offline phase and tested in the online phase. Unlike to traditional supervised approaches, this proposed method does not require any a priori knowledge about the availability of the labeled data set. The proposed methodology is validated on infield point machine sliding-chair degradation data to illustrate its effectiveness and applicability. The results show that the time series segmentation-based failure severity detection and SVM-based classification are promising.

International audience; Detection of unexpected events (e.g. anomalies and faults) from monitoring data is very challenging in machine health assessment. Hence, abrupt or incipient fault detection from the monitoring data is very crucial to increase asset safety, availability and reliability. This paper presents a generic methodology for abrupt and incipient fault detection and feature fusion for health assessment of complex systems. Proposed methodology consists of feature extraction, feature fusion, segmentation and fault detection steps. First of all, different features are extracted using descriptive statistics. Secondly, based on linearly weighted data fusion algorithm, extracted features are combined to get the generic and representative feature. Afterward, combined feature is divided into homogeneous segments by sliding window segmentation algorithm. Finally, each segment is further evaluated by coefficient of variability which is used in inferential statistics, to evaluate health state changes that indicate asset faults. To illustrate its effectiveness, the methodology is implemented on point machine and Li-ion battery monitoring data to detect abrupt and incipient faults. The results show that proposed methodology can be effectively used in fault detection for asset monitoring.

For manufacturers of aircraft engines such as Snecma, the increase of systems availability is one of the key challenges of the future. Indeed, the limitation of delays and cancellations and the reduction of maintenance operations frequency and duration could lead to important costs savings. To improve availability, the most proven tool is currently prognostics and health management (PHM). The first contribution of this thesis work is to propose complete terminological and functional frameworks for the development of PHM adapted to the specific application on aircraft engines. Subsequently, an integrated development approach based on the original V3-model is formalized. The second contribution is an original model-based process for the development of the embedded extraction of health indicators, based on sensitivity analysis, support vector regression and original performance indicators for the validation. Since it is aimed at being performed before the entry into service, the stochastic data are issued from Monte-Carlo based uncertainties propagation. In order to overcome the prohibitive computation time of the model evaluations, surrogate models are used. More particularly, the third contribution of this thesis work is an original technique combining support vector regression with Kriging. The whole approach is finally tested on an aircraft engine fuel system. The results are promising, both at the industrial level with the release of valuable information about the quality of the health indicators set and at the academic level with the proven accuracy of the novel SVR-Kriging approach.; Pour les constructeurs de moteurs d'avions comme Snecma, la disponibilité est un des enjeux clés de l'avenir. En effet, la limitation des retards et annulations de vols ainsi que la réduction de la fréquence et de la durée des opérations de maintenance pourraient entraîner des économies importantes. Pour accroître la disponibilité, l'outil le plus utilisé actuellement est le "prognostics and health management" (PHM). La première contribution de la thèse est de proposer des cadres terminologique et fonctionnel pour le développement du PHM adapté aux spécificités des moteurs d'avions. Par la suite, une approche intégrée basée sur le nouveau modèle en V3 est formalisée. La seconde contribution est un processus basé sur les modèles pour le développement de la partie embarquée chargée de l'extraction des indicateurs de santé. Elle est basée sur l'analyse de sensibilité, la régression par vecteurs supports et des nouveaux indicateurs de performances. Puisque ce processus est réalisé avant l'entrée en service, les données stochastiques sont obtenues par propagation d'incertitudes. Pour surmonter les temps de calcul liés aux évaluations du modèle, des métamodèles sont utilisés. Plus particulièrement, la troisième contribution de la thèse est une technique originale combinant régression par vecteurs supports et Krigeage. L'approche globale est finalement testée sur le système carburant d'un moteur d'avion. Les résultats sont prometteurs, tant au niveau industriel pour les précieuses informations qu'elle fournit sur la qualité du jeu d'indicateurs de santé qu'au niveau académique pour la précision apportée par la nouvelle approche du Krigeage-SVR.

For manufacturers of aircraft engines such as Snecma, the increase of systems availability is one of the key challenges of the future. Indeed, the limitation of delays and cancellations and the reduction of maintenance operations frequency and duration could lead to important costs savings. To improve availability, the most proven tool is currently prognostics and health management (PHM). The first contribution of this thesis work is to propose complete terminological and functional frameworks for the development of PHM adapted to the specific application on aircraft engines. Subsequently, an integrated development approach based on the original V3-model is formalized. The second contribution is an original model-based process for the development of the embedded extraction of health indicators, based on sensitivity analysis, support vector regression and original performance indicators for the validation. Since it is aimed at being performed before the entry into service, the stochastic data are issued from Monte-Carlo based uncertainties propagation. In order to overcome the prohibitive computation time of the model evaluations, surrogate models are used. More particularly, the third contribution of this thesis work is an original technique combining support vector regression with Kriging. The whole approach is finally tested on an aircraft engine fuel system. The results are promising, both at the industrial level with the release of valuable information about the quality of the health indicators set and at the academic level with the proven accuracy of the novel SVR-Kriging approach., Pour les constructeurs de moteurs d'avions comme Snecma, la disponibilité est un des enjeux clés de l'avenir. En effet, la limitation des retards et annulations de vols ainsi que la réduction de la fréquence et de la durée des opérations de maintenance pourraient entraîner des économies importantes. Pour accroître la disponibilité, l'outil le plus utilisé actuellement est le "prognostics and health management" (PHM). La première contribution de la thèse est de proposer des cadres terminologique et fonctionnel pour le développement du PHM adapté aux spécificités des moteurs d'avions. Par la suite, une approche intégrée basée sur le nouveau modèle en V3 est formalisée. La seconde contribution est un processus basé sur les modèles pour le développement de la partie embarquée chargée de l'extraction des indicateurs de santé. Elle est basée sur l'analyse de sensibilité, la régression par vecteurs supports et des nouveaux indicateurs de performances. Puisque ce processus est réalisé avant l'entrée en service, les données stochastiques sont obtenues par propagation d'incertitudes. Pour surmonter les temps de calcul liés aux évaluations du modèle, des métamodèles sont utilisés. Plus particulièrement, la troisième contribution de la thèse est une technique originale combinant régression par vecteurs supports et Krigeage. L'approche globale est finalement testée sur le système carburant d'un moteur d'avion. Les résultats sont prometteurs, tant au niveau industriel pour les précieuses informations qu'elle fournit sur la qualité du jeu d'indicateurs de santé qu'au niveau académique pour la précision apportée par la nouvelle approche du Krigeage-SVR.

International audience; In order to perform Prognostic and Health Management (PHM) of a given system, it is necessary to define some relevant variables sensitive to the different degradation modes of the system. Those variables are named Health Indicators (HI) and they are the keystone of PHM. However, they are subject to a lot of uncertainties when computed in real time and the stochastic nature of PHM makes it hard to evaluate the efficiency of a HI set before the extraction algorithm is implemented. This document introduces Numerical Key Performance Indicators (NKPI) for the validation of HI computed only from data provided by numerical models in the upstream stages of a PHM system development process. In order to match as good as possible the reality, the multiple sources of uncertainties are quantified and propagated into the model. After having introduced the issue of uncertain systems modeling, the different NKPI are defined and eventually an application is performed on a hydraulic actuation system of an aircraft engine.