1. Accueil
  2. Prochaines soutenances

ECHABARRI SOUFIAN

9h30

Soutenance de thèse de SOUFIAN ECHABARRI

Pronostic de défaillance basé sur l'intelligence artificielle pour la maintenance prédictive: Application aux générateurs électriques à hydrogène

Artificial intelligence-based failure prognosis for predictive maintenance: Application to hydrogen power generators

Jury

Directeur de these_DO _Van Phuc_Université de Lorraine
Rapporteur_FOULADIRAD_Mitra_Centrale Méditerranée
Rapporteur_BERENGUER_Christophe _GIPSA-lab, Institut Polytechnique de Grenoble (Grenoble INP) - Grenoble Institute of Technology
Examinateur_NGUYEN _Khanh T.P._Laboratoire Génie de Production de l'École Nationale d'Ingénieurs de Tarbes - LGP, Université de Technologie Tarbes Occitanie Pyrénées - UTTOP
Examinateur_CHAPURLAT_Vincent _Laboratoire des Sciences des Risques, IMT Mines Alès
CoDirecteur de these_VU_Alexandre_Université de de technologie de Compiègne

école doctorale

IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES

Laboratoire

CRAN - Centre de Recherche en Automatique de Nancy

Mention de diplôme

Automatique, Traitement du signal et des images, Génie informatique
Amphi 7 Faculté de Sciences et de Technologies (FST) Campus, Bd des Aiguillettes, 54506 Vandœuvre-lès-Nancy
*

Mots clés

intelligence artificielle,apprentissage automatique,pile à combustible à membrane échangeuse de protons,batterie lithium-ion,durée de vie restante,maintenance prédictive

Résumé de la thèse

Dans le contexte du développement des technologies d'énergie renouvelable, le générateur électro-hydrogène GEH2 développé par EODev s'impose comme l'une des solutions zéro émission les plus compactes et efficaces en termes de puissance délivrée. Afin de garantir des performances optimales et de maximiser la production d'énergie, des stratégies de maintenance préventive systématique ont traditionnellement été mises en œuvre.

Keywords

artificial intelligence,machine learning,protone exchange membrane fuel fell,lithium-ion battery,remaining useful life,predictive maintenance

Abstract

In the context of advancing renewable energy technologies, the GEH2 electro-hydrogen generator developed by EODev emerges as one of the most compact and efficient zero-emission solutions in terms of power output. To ensure optimal performance and maximize energy production, systematic preventive maintenance strategies have traditionally been employed. However, conventional maintenance planning can result in significant drawbacks, including unnecessary interventions, increased failure rates, performance degradation, and elevated operational costs.
Liste de toutes les soutenances