[{"command":"insert","method":null,"selector":".course-modal-ajax-placeholder-953338","data":"\u003Cdiv class=\u0022container content-rte\u0022\u003E\n  \u003Cdiv class=\u0022row\u0022\u003E\n    \u003Cdiv class=\u0022box col-md-6 bg-primary text-white\u0022\u003E\n      \u003Ch2 class=\u0022h1 text-left\u0022\u003E  Maintenance Pr\u00e9ventive et Pr\u00e9dictive\n\u003C\/h2\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EECTS :\n          4\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ESemester:\n          Semestre 2\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n            \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ED\u00e9tail du volume horaire\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ELecture:\u003C\/span\u003E\n                                      \u003Cspan\u003E8\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003EPractical study :\u003C\/span\u003E\n                                      \u003Cspan\u003E12\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003EDirected study:\u003C\/span\u003E\n                                      \u003Cspan\u003E10\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                                            \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ELangue d\u0026#039;enseignement\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EFran\u00e7ais\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EEnseignement \u00e0 distance\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003Enon\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n    \u003Cdiv class=\u0022box col-md-6\u0022\u003E\n            \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EPr\u00e9requis\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cul\u003E\n\u003Cli\u003EBases en math\u00e9matiques appliqu\u00e9es (probabilit\u00e9s, statistiques, mod\u00e8les de fiabilit\u00e9).\u003C\/li\u003E\n\u003C\/ul\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EProgramme \/ plan \/ contenus\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003E1. Introduction g\u00e9n\u00e9rale \u00e0 la maintenance\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003ED\u00e9finitions et typologie (norme NF X60-000)\u003C\/li\u003E\n\u003Cli\u003EMaintenance et syst\u00e8mes complexes\u003C\/li\u003E\n\u003Cli\u003ECo\u00fbt global (LCC), disponibilit\u00e9, s\u00fbret\u00e9 de fonctionnement\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E2. Maintenance pr\u00e9ventive\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EMaintenance syst\u00e9matique : cycles, p\u00e9riodicit\u00e9, limites\u003C\/li\u003E\n\u003Cli\u003EMaintenance conditionnelle : capteurs, seuils, surveillance\u003C\/li\u003E\n\u003Cli\u003EMod\u00e8les de fiabilit\u00e9 : MTBF, MTTR, \u03bb(t), R(t)\u003C\/li\u003E\n\u003Cli\u003ELois de d\u00e9faillance : exponentielle, Weibull, Poisson\u003C\/li\u003E\n\u003Cli\u003EOptimisation des intervalles d\u2019intervention\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E3. Diagnostic dans les syst\u00e8mes complexes\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EAnalyse vibratoire : temporal, FFT, spectres\u003C\/li\u003E\n\u003Cli\u003EAnalyse thermique : imagerie infrarouge\u003C\/li\u003E\n\u003Cli\u003EAnalyse d\u2019huile, ultrasons, courant moteur\u003C\/li\u003E\n\u003Cli\u003EM\u00e9thodes avanc\u00e9es : PCA, ondelettes\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E4. Maintenance pr\u00e9dictive (Predictive Maintenance)\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EArchitecture PdM : IoT, edge computing, cloud, supervision\u003C\/li\u003E\n\u003Cli\u003ETraitement de donn\u00e9es industrielles (pr\u00e9traitements)\u003C\/li\u003E\n\u003Cli\u003EDiagnostic automatique (ML)\u003C\/li\u003E\n\u003Cli\u003EPronostic \u0026amp; estimation du RUL :\n\u003Cul\u003E\n\u003Cli\u003Emod\u00e8les physiques\u003C\/li\u003E\n\u003Cli\u003Emod\u00e8les statistiques\u003C\/li\u003E\n\u003Cli\u003Emachine learning (r\u00e9gressions, Random Forest)\u003C\/li\u003E\n\u003Cli\u003Edeep learning (LSTM, auto-encodeurs)\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E5. Approche syst\u00e8me \u0026amp; ing\u00e9nierie\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EMaintenance et syst\u00e8mes cyber-physiques (CPS)\u003C\/li\u003E\n\u003Cli\u003EMaintenance centr\u00e9e sur la fiabilit\u00e9 (RCM)\u003C\/li\u003E\n\u003Cli\u003EAMDEC \/ FMECA\u003C\/li\u003E\n\u003Cli\u003EJumeaux num\u00e9riques (digital twins) pour la maintenance pr\u00e9dictive\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E6. \u00c9tudes de cas et mini-projets\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003ERobots mobiles et syst\u00e8mes autonomes\u003C\/li\u003E\n\u003Cli\u003ECha\u00eenes de production\u003C\/li\u003E\n\u003Cli\u003E\u00c9oliennes, turbines, pompes\u003C\/li\u003E\n\u003Cli\u003ER\u00e9seaux industriels (capteurs, \u00e9quipements IoT)\u003C\/li\u003E\n\u003C\/ul\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EObjectifs d\u0026#039;apprentissage\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003E\u00c0 la fin du module, l\u2019\u00e9tudiant sera capable de :\u003C\/p\u003E\n\u003Cp\u003E\u2714 Compr\u00e9hension et mod\u00e9lisation\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EDistinguer maintenance corrective, pr\u00e9ventive, conditionnelle et pr\u00e9dictive.\u003C\/li\u003E\n\u003Cli\u003EMod\u00e9liser la fiabilit\u00e9 d\u2019un syst\u00e8me via MTBF, MTTR, courbes de d\u00e9faillance, lois statistiques.\u003C\/li\u003E\n\u003Cli\u003EIdentifier les modes de d\u00e9faillance d\u2019un syst\u00e8me complexe (AMDEC \/ FMEA).\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E\u2714 Analyse technique\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EInterpr\u00e9ter des signaux de maintenance : vibrations, temp\u00e9ratures, courants.\u003C\/li\u003E\n\u003Cli\u003EUtiliser les techniques de diagnostic (FFT, ondelettes, PCA, analyse d\u2019huile, thermographie).\u003C\/li\u003E\n\u003Cli\u003EConstruire un mod\u00e8le de pronostic (RUL) \u00e0 partir de donn\u00e9es r\u00e9elles.\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E\u2714 D\u00e9veloppement num\u00e9rique\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EMettre en \u0153uvre une cha\u00eene de maintenance pr\u00e9dictive avec Python : acquisition, pr\u00e9traitement, diagnostic, pronostic.\u003C\/li\u003E\n\u003Cli\u003EUtiliser des biblioth\u00e8ques sp\u00e9cialis\u00e9es (NumPy, pandas, SciPy, scikit-learn, PyTorch\/TensorFlow selon niveaux).\u003C\/li\u003E\n\u003C\/ul\u003E\n\u003Cp\u003E\u2714 D\u00e9cision \u0026amp; strat\u00e9gie\u003C\/p\u003E\n\u003Cul\u003E\n\u003Cli\u003E\u00c9tablir un plan de maintenance pr\u00e9ventive optimis\u00e9.\u003C\/li\u003E\n\u003Cli\u003EComparer strat\u00e9gies pr\u00e9ventives et pr\u00e9dictives selon les co\u00fbts, risques et contraintes op\u00e9rationnelles.\u003C\/li\u003E\n\u003Cli\u003EInt\u00e9grer les r\u00e9sultats dans une d\u00e9marche RCM (Reliability-Centered Maintenance).\u003C\/li\u003E\n\u003C\/ul\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EOrganisation g\u00e9n\u00e9rale et modalit\u00e9s p\u00e9dagogiques\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003EOrganisation g\u00e9n\u00e9rale de l\u2019UE et modalit\u00e9s p\u00e9dagogiques\u003C\/p\u003E\n\u003Cp\u003EVolume horaire total : 30 h\u003C\/p\u003E\n\u003Cp\u003EType\u003C\/p\u003E\n\u003Cp\u003EVolume\u003C\/p\u003E\n\u003Cp\u003EFinalit\u00e9\u003C\/p\u003E\n\u003Cp\u003ECours Magistraux (CM)\u003C\/p\u003E\n\u003Cp\u003E8 h\u003C\/p\u003E\n\u003Cp\u003EApports th\u00e9oriques, mod\u00e8les, fondements\u003C\/p\u003E\n\u003Cp\u003ETravaux Dirig\u00e9s (TD)\u003C\/p\u003E\n\u003Cp\u003E10 h\u003C\/p\u003E\n\u003Cp\u003EExercices d\u2019application, interpr\u00e9tation de donn\u00e9es, \u00e9tude de cas\u003C\/p\u003E\n\u003Cp\u003ETravaux Pratiques (TP)\u003C\/p\u003E\n\u003Cp\u003E12 h\u003C\/p\u003E\n\u003Cp\u003EImpl\u00e9mentations Python, diagnostic\/pronostic, mini-projets PdM\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n                \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EComp\u00e9tences\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cul\u003E\n\u003Cli\u003EExpliquer les principes de la maintenance (corrective, pr\u00e9ventive, pr\u00e9dictive) et les notions de fiabilit\u00e9 (MTBF, MTTR, R(t)).\u003C\/li\u003E\n\u003Cli\u003EAnalyser les signaux issus de capteurs (vibrations, thermographie, courant) pour identifier des d\u00e9fauts.\u003C\/li\u003E\n\u003Cli\u003EAppliquer des techniques de diagnostic (FFT, ondelettes, PCA, analyse d\u2019huile).\u003C\/li\u003E\n\u003Cli\u003EConstruire des mod\u00e8les de pronostic (RUL) \u00e0 l\u2019aide de m\u00e9thodes statistiques, ML ou deep learning.\u003C\/li\u003E\n\u003Cli\u003E\u00c9valuer des strat\u00e9gies de maintenance selon les co\u00fbts, risques et performances.\u003C\/li\u003E\n\u003Cli\u003EConcevoir une cha\u00eene compl\u00e8te de maintenance pr\u00e9dictive (acquisition \u2192 traitement \u2192 diagnostic \u2192 pronostic \u2192 d\u00e9cision).\u003C\/li\u003E\n\u003Cli\u003EMettre en \u0153uvre une d\u00e9marche RCM\/AMDEC pour analyser les modes de d\u00e9faillance d\u2019un syst\u00e8me complexe.\u003C\/li\u003E\n\u003C\/ul\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EBibliographie\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Col\u003E\n\u003Cli\u003EJardine, A.K.S., et Tsang, A.H.C. (2013).\u0026nbsp;\u003Cem\u003EMaintenance, Replacement and Reliability: Theory and Applications\u003C\/em\u003E (2\u1d49 \u00e9d.).\u0026nbsp;CRC Press.\u0026nbsp;\u003C\/li\u003E\n\u003Cli\u003EMobley, R. K. (2013). \u003Cem\u003EAn Introduction to Predictive Maintenance\u003C\/em\u003E (2\u1d49 \u00e9d.).\u0026nbsp;Elsevier.\u0026nbsp;\u003C\/li\u003E\n\u003Cli\u003EBen-Daya, M., Duffuaa, S.O., \u0026amp; Raouf, A. (\u00e9ds.). (2009). \u003Cem\u003EHandbook of Maintenance Management and Engineering\u003C\/em\u003E.\u0026nbsp;Springer.\u0026nbsp;\u003C\/li\u003E\n\u003Cli\u003EMoubray, J. (1997). \u003Cem\u003EReliability-Centered Maintenance\u003C\/em\u003E.\u0026nbsp;Industrial Press.\u003C\/li\u003E\n\u003Cli\u003EPeng, Y., Dong, M., \u0026amp; Zuo, M.J. (2010). \u003Cem\u003ECurrent status of machine prognostics in condition-based maintenance: a review\u003C\/em\u003E.\u0026nbsp;\u003Cem\u003EInternational Journal of Advanced Manufacturing Technology\u003C\/em\u003E, 50(1), 297\u2013313.\u0026nbsp;\u003C\/li\u003E\n\u003Cli\u003EWang, W., Scarf, P.A., et Smith, M.A.J. (2000). \u003Cem\u003EOn the application of a model of condition-based maintenance\u003C\/em\u003E.\u0026nbsp;\u003Cem\u003EJournal of the Operational Research Society\u003C\/em\u003E, 51(11), 1218-1227.\u0026nbsp;\u003C\/li\u003E\n\u003Cli\u003E\u0026nbsp;Monchy et Kojchen (2025). \u003Cem\u003EMaintenance : outils, m\u00e9thodes et organisations efficientes\u003C\/em\u003E \u2014 Dunod\u003C\/li\u003E\n\u003C\/ol\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ENature de l\u0026#039;\u00e9valuation\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EEvaluation Continue non Int\u00e9grale\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n  \u003C\/div\u003E\n\u003C\/div\u003E\n","settings":null}]