La surveillance et le diagnostic nécessitent une bonne connaissance à la fois fonctionnelle et comportementale du système à étudier. De la formalisation de cette connaissance dépend la méthode à employer. De manière générale, l’expertise du fonctionnement sain est possédée par le constructeur, les données de maintenance sont connues de l’exploitant, mais ces données sont rarement disponibles dans leur intégralité, ce qui rend la conception de systèmes de diagnostic relativement complexe.

La méthode proposée dans cet article vient du constat suivant : « un système vieilli en fonction de ses conditions de fonctionnement ». Il est donc intéressant d’analyser le « vécu » d’un système afin de mettre en évidence les « scénarii » conduisant à une situation de défaillance. Pour cela, il faut organiser l’acquisition de données afin de classer les états de fonctionnement, d’établir un historique et de déterminer l’évolution future de l’état du système. Cette « base de données » des scénarii à risque permet donc d’anticiper l’occurrence des défaillances.

Mots-clés : diagnostic, disponibilité, maintenance prédictive, data mining, fouille de données, réseaux Bayésiens, réseaux de neurones.