tio n

imiza
ING 800 Eng ineerin
g Opt Exemples 1 : Estimation fiabilité
Optimisation et fiabilité
16891 16466 7192 10348 20256
Weibull Distribution
9654 12616 14388 16953 8710 1

survival probability
13458 17576 15864 11751 12561
17770 10281 14986 9087 16431 0.8
15237 15443 15729 14699 14409

ming
15185 12805 13285 18583 14680 0.6

gram
10933 14522 17543 15688 14525

al Pro
14906 15254 11490 10481 14510 0.4

a tic 15637 15351 12287 17910 11642

Math em 15256
8659
19786
17104
16701
16045
12848
14400
8750
14882
0.2

14130 10959 14043 13351 6662 0

Michel Rioux, ing. 11556 17131 16784 15459 13212 0 4 8 12 16 20 24

(X 1000)
11217 14006 12041 14748 9867 km
15648 15556 Weibull Plot
14306 13780 18099
Weibull Distribution
Département de génie de la production automatisée
11830 13998 13551 9910 12983
18939 99.98261 18171 13987 21704 (X 0.0001)
9913625
15
12725 7415 15040 15787 Est.: MLE

École de technologie supérieure 14462 9014994 10370 10850 19710 Shape: 3.31981
12

cumulative percent
70
16030 5014362 17118 11720 9441 Scale: 10022.5

esign

hazard
30 Origin: 5000.0

um D
20 9
Failures: 100

tion Optim
10

a
5 Sample size: 10 6

pt imiz
rical O
1 3

Nume
0.5

g
ineerin
0

n Eng
0.1 0 4 8 12 16 20 24
1000 10000 100000 (X 1000)

t io
km

iz a
© Michel Rioux, ing. 7.i.2004 Optim
km - 5000.0
1 © Michel Rioux, ing. 7.i.2004 4

Plan de la présentation Exemples 2 : Plans d’expériences

Other_Chan Supply_V Temp_C Load_ohms V_Inacc Standardized Pareto Chart for V_Inaccuracy
-1 -1 -1 -1 4.823095666
1 -1 -1 1 5.908095666
-1 1 -1 1 5.044095666 A:Other_Chan +

Survol du cours
1 1 -1 -1 5.053095666 D:Load_ohms -
-1 -1 1 1 4.874095666
1 -1 1 -1 5.009095666 AB

Généralités (formulation, classification, etc.)

-1 1 1 -1 4.975095666 C:Temp_C
„ 1
-1
1
-1
1
-1
1 5.119095666
-1 4.84343597
AD
1 -1 -1 1 5.92843597 BD
„ Outils mathématiques du cours -1
1
1
1
-1
-1
1 5.06443597
-1 5.07343597
B:Supply_V
-1 -1 1 1 4.89443597
Š Fiabilité
0 10 20 30 40 50
1 -1 1 -1 5.02943597
-1 1 1 -1 4.99543597 Standardized effect
Š Analyse de décisions
1 1 1 1 5.13943597

Analysis of Variance for V_Inaccuracy

Estimated Response Surface
Š Plans d’expériences
--------------------------------------------------------------------------------
Source Sum of Squares Df Mean Square F-Ratio P-Value Temp_C=0.0,Load_ohms=0.0
-------------------------------------------------------------------------------- V_Inaccuracy
A:Other_Chan 0.471282 1 0.471282 2278.22 0.0000 4.8

Š Techniques d’optimisation

V_Inaccuracy
B:Supply_V 0.0447323 1 0.0447323 216.24 0.0000 5.6 4.88
C:Temp_C 0.18105 1 0.18105 875.21 0.0000
5.4 4.96
D:Load_ohms 0.294306 1 0.294306 1422.70 0.0000 5.04

Introduction à la fiabilité
AB 0.284622 1 0.284622 1375.89 0.0000 5.2 5.12
AD 0.178506 1 0.178506 862.92 0.0000 5.2
5
BD 0.166056 1 0.166056 802.73 0.0000 5.28
Total error 0.00165491 8 0.000206864 4.8 5.36
-------------------------------------------------------------------------------- 1 0.6 0.2 1 5.44
Total (corr.) 1.62221 15 -0.2 -0.6 -0.2 0.2 0.6 5.52
-1 -1 -0.6
Supply_V Other_Chan
R-squared = 99.898 percent

© Michel Rioux, ing. 7.i.2004 2 © Michel Rioux, ing. 7.i.2004 5

Survol du cours - Généralités Exemples 3 : Optimisation

Min f(X) = 3 + (x1 – 1.5 x2_^2 + (x2 – 2)^2
Exemples d’applications s.a.c.
0 <= x1 <= 5
Optimisation et niveau de connaissance 0 <= x2 <= 5

Processus d’optimisation et formulation

Trois composantes de l’optimisation >> SteepestDescent('Example6_1',[0.5 0.5],20,0.0001,0,1,20)
The problem: Example6_1

Classification des problèmes - The design vector,function value and KT value

d’optimisation
during the iterations
0.5000 0.5000 5.3125 5.2969
0.5996 0.9483 4.7832 2.8411
1.0701 0.8429 4.3766 3.1379
2.7585 1.8960 3.0181 0.0316
ans =
2.7585 1.8960 3.0181

© Michel Rioux, ing. 7.i.2004 3 © Michel Rioux, ing. 7.i.2004 6

ING 800 Optimisation et fiabilité 1

 Optimisation et niveau de
Forme standard
Min f(X), [X]n
connaissance s.a.c.

Min f(x1, x2, x3, ... ,xn)

[hk(X)]l
Niveau de Outils mathématiques Modèle s.a.c.
Connaissance appropriés h1(x1, x2, x3, .. xn) = 0 [gj(X)]m
h2(x1, x2, x3, .. xn) = 0
h3(x1, x2, x3, .. xn) = 0
… Xl ≤ X ≤ Xu
Certitude Équations Théorique hl(x1, x2, x3, .. xn) = 0
Min f(x1, x2, x3, .. ,xn)
s.a.c.
Facteurs influents Plans d’expériences Empirique g1(x1, x2, x3, .. xn) ≤ 0
g2(x1, x2, x3, .. xn) ≤ 0 hk(x1, x2, x3, .. xn) = 0 , k = 1, 2, … , l
Risque Statistique Stochastique g3(x1, x2, x3, .. xn) ≤ 0
…
gm(x1, x2, x3, .. xn) ≤ 0
gj(x1, x2, x3, .. xn) ≤ 0 , j = 1, 2, … ,m
Incertitude Analyse de décisions Décisionnel
xli ≤ xi ≤ xui, i = 1, 2, …, n xli ≤ xi ≤ xui, i = 1, 2, …, n

© Michel Rioux, ing. 7.i.2004 7 © Michel Rioux, ing. 7.i.2004 10

Trois composantes de
Processus d’optimisation l’optimisation
Détermination des limites du système Min f(x1, x2, x3, ... ,xn)
Modélisation s.a.c.
Formulation (Conceptualisation,
h1(x1, x2, x3, .. xn) = 0
g1(x1, x2, x3, .. xn) ≤ 0
„ Critère de performance (fonction-objectif)
abstaction) xli ≤ xi ≤ xui, i = 1, 2, …, n
„ Variables de décision
„ Domaine des axes Choisir Xo
Pour chaque itération i
„ Paramètres (variables fixes) Techniques et Déterminer une direction Si
Calculer ∆Xi = αi Si
„ Contraintes Astuces mathématiques Calculer Xi+1 = Xi + ∆Xi
Min f(Xi+1) = f(αi )
„ Choix d’un modèle (Algorithmes) i=i+1
Vérifier le critère d’arrêt et max itérations

Résolution Fin

Analyse de sensibilité Programmation for i = 1: 20;

(Langages et x = i / 20;

Interprétation ordinateurs)
XY1(i,1) = x;
XY1(i,2) = 2 + 3*x -x*x -3*x^3;

Communication des résultats end

XY2(:,1) = XY1(:,1);

© Michel Rioux, ing. 7.i.2004 8 © Michel Rioux, ing. 7.i.2004 XY2(:,2) = 2.0 + exp(XY2(:,1)); 11

Formulation d’un problème Outils mathématiques

Z = f(Xi, Yj; Pk)
Fiabilité
Facteurs de bruit (Yj)
„ Composants et systèmes
„ Estimation et optimisation

Variables Analyse de décision

expliquées Plans d’expériences
Variables Système ou procédé „ Tamisage
explicatives
„ Surface de réponse
(Xi) Critère de
Techniques d’optimisation
Performance
(Z) „ Analytiques
„ Numériques (itératives)
Paramètres (Pk)
© Michel Rioux, ing. 7.i.2004 9 © Michel Rioux, ing. 7.i.2004 12

ING 800 Optimisation et fiabilité 2

 Exploitation

Fiabilité – Le but Préventif Correctif

Plans d’expériences
AMÉLIORATION

Processus/procédé Facteurs
CONTINUE DU Bon de travail But / objectifs
PROGRAMME DE
_________________
MAINTENANCE Problématique
_________________
_________________
Indicateurs
Saisie données ___________________
__________________
______________ Réponse

COÛT TOTAL D'ENTRETIEN

Diagramme Modèle empirique
Analyse
Plan
expérimental
25000

20000
d’expériences 10+x^2-y^2-x*y
Zone
Coût total ($)

15000
optimale Correctif Bruit Plan
Préventif d’expériences 11.7

Function
10000 Correctif Total
11.2
résiduel Processus 10.7
Facteurs Réponse
5000 10.2
A B AB Y 9.7
0
0% 20% 40% 60% 80% 100%
- - + 9.2
+ - - 8.7 1
% Préventif - + - -1 -0.6 0.20.6
-0.2
+ + + -0.20.2 -0.6
0.6 1 -1 Y
X
© Michel Rioux, ing. 7.i.2004 13 © Michel Rioux, ing. 7.i.2004 16

Fiabilité – Les
mathémathiques Techniques d’optimisation
Cueillette de Vérification de Modélisation Vérification de la Calculs basés
données l’intégrité des (estimation des qualité du modèle strictement sur le
données paramètres d’une
loi statistique (test d’adéquation)
modèle
Choisir Xo Nelder & Mead

Pour chaque itération i

2
8
16
Reliability vs Time Plot
1.5

⎛ t −γ ⎞ β
1,00
Weibull

Déterminer une direction Si

Data 1 32
1

P=2, A=RRX-
„
−⎜
F=100 | S=

⎟
0,80 0.5 2
CB/FM: 95,00

Calculer ∆Xi = αi Si
2 Sided-B

R( t ) = e
C-Type 2

⎝ η ⎠
0

x2
„
4
Reliability, R(t)=1-F(t)

0,60 0.5
-0.5 0.25 1

Calculer Xi+1 = Xi + ∆Xi

16

0,40 „ -1 0.125

Min f(Xi+1) = f(αi )

-1.5

0,20
N „ -2

Rsérie = ∏ Ri
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

i=i+1
Michel Rioux x1
STCUM

0
00-05-26
[Link] „
0 40000,00 80000,00 1,20E+5 1,60E+5 2,00E+5

Vérifier le critère d’arrêt et max itérations

Time, (t)

i =1 „

R( 800000) 0.60
Fin
R( 800000|400000) = = = 0.65 = 65%
R( 400000) 0.92
© Michel Rioux, ing. 7.i.2004 14 © Michel Rioux, ing. 7.i.2004 17

Analyse de décisions Classification des problèmes

Comportement de fiabilité

1150
1050
950 Alt 1
h utiles

850 Alt 2
750

Données / contexte
Alt 3
650
Alt 4
550
450
350
„ Déterministe/stochastique
0-1k 1k-2k 2k-3k 3k-4k 4-5k 5k-6k
Utilisation (rpm )
Variables
„ Quantité, intégrité
Contraintes
„ Avec ou sans contraintes
Linéarité
„ Fonction-objectif et contraintes
Quantité d’objectifs
Temps
„ Statique ou dynamique
Globalité
„ Optimum local ou global

© Michel Rioux, ing. 7.i.2004 15 © Michel Rioux, ing. 7.i.2004 18

ING 800 Optimisation et fiabilité 3

 Optimisation vs contextes
Min f(x1, x2, x3, .. ,xn)
s.a.c.

hk(x1, x2, x3, .. xn) = 0 , k = 1, 2, … , l

gj(x1, x2, x3, .. xn) ≤ 0 , j = 1, 2, … ,m

xli ≤ xi ≤ xui, i = 1, 2, …, n
Niveau de Outils mathématiques Modèle
connaissance appropriés

Certitude Équations Théorique

Facteurs influents Plans d’expériences Empirique

Risque Statistique Stochastique

Incertitude Analyse de décisions Décisionnel

© Michel Rioux, ing. 7.i.2004 19

Sources d’information

[Link]
ct/engineering/venkat/
[Link]
html
[Link]
at-home/[Link]
[Link]
[Link]
3/ch9_3p07.htm
[Link]

© Michel Rioux, ing. 7.i.2004 20

ING 800 Optimisation et fiabilité 4