École Privée d’Ingénierie du Niger — L’école du nouveau monde

✉ elearning@epiniger.edu.ne    🌐 epiniger.edu.ne

Écrit par

dans

Master Professionnel en Génie Électrique et Énergies Renouvelables (GEEL) › Master 2 › Master GEEL · S3 · UE3 — Protection & Fiabilité des Réseaux

Fiabilité, Maintenabilité & Sûreté (FMS)

Code FMS3302 3 crédits CM 18h · TD 6h · TP 6h · TPE 30h Évaluation : CC+ET (CC 40% / ET 60%)

Se connecter pour s'inscrire Créer un compte

4 leçon(s) · 1 quiz · 0 inscrit(s)

Présentation

La sûreté de fonctionnement (fiabilité, maintenabilité, disponibilité, sécurité) conditionne la rentabilité d’une centrale d’énergie renouvelable : chaque heure d’arrêt d’un onduleur est une production perdue, et au Niger les délais d’importation des pièces de rechange allongent fortement les temps de réparation. Ce cours de Master S3 donne les outils quantitatifs pour modéliser la fiabilité des équipements (lois exponentielle et de Weibull, structures de systèmes), analyser les défaillances (AMDEC, arbres de défaillance), optimiser la maintenance (méthode RCM) et évaluer par simulation Monte-Carlo la disponibilité et l’énergie non fournie d’une centrale PV ou d’un mini-réseau. Les calculs sont réalisés en Python.

Objectifs d’apprentissage

  • Appliquer les méthodes avancées d’analyse de fiabilité (RCM, FTA, FMECA/AMDEC) aux systèmes EnR.
  • Calculer les indicateurs de sûreté de fonctionnement d’un système de production d’énergie.
  • Optimiser la politique de maintenance par la méthode RCM (Reliability-Centered Maintenance).
  • Évaluer la disponibilité et la production perdue d’une centrale EnR par simulation Monte-Carlo.

Prérequis

Maintenance Industrielle & GMAO (MIN4201, Licence S4) ; Probabilités & Statistiques 2 (PST2102, Licence S2) : variables aléatoires continues, lois exponentielle et normale, estimation, régression linéaire. Bases de Python (numpy) recommandées.

Plan du cours

  1. Leçon 1 — Fondements de la fiabilité avancée
  2. Leçon 2 — AMDEC et arbre de défaillance
  3. Leçon 3 — Maintenance centrée sur la fiabilité (RCM)
  4. Leçon 4 — Simulation Monte-Carlo pour les EnR

Travaux pratiques

  • TP guidé 1 : estimation des paramètres de Weibull à partir d’un historique de pannes (Python) — leçon 1.
  • TP guidé 2 : AMDEC d’une centrale PV réelle et arbre de défaillance — leçon 2.
  • TP guidé 3 : simulation Monte-Carlo de la disponibilité d’une centrale PV 5 MWc et calcul de la production non fournie — leçon 4.

Modalités d’évaluation

Volume horaire : CM 18 h, TD 6 h, TP 6 h, travail personnel (TPE) 30 h, soit 60 h ; 3 crédits. Évaluation mixte : contrôle continu 40 % (comptes rendus de TP, mini-projet AMDEC/RCM, quiz) et examen terminal 60 % (problème de fiabilité et étude de cas de maintenance).

Bibliographie

  • M. Rausand, A. Høyland, System Reliability Theory: Models, Statistical Methods, and Applications, Wiley.
  • J. Moubray, Reliability-Centered Maintenance, Industrial Press.
  • R. Billinton, R. N. Allan, Reliability Evaluation of Power Systems, Springer (ouvrage complémentaire).
  • IEC 60812 (AMDE/AMDEC) et IEC 61025 (analyse par arbre de panne), normes de référence.

Évaluation globale de la matière

Connectez-vous pour suivre votre progression.

Programme

  1. 🔒 Leçon 1 — Fondements de la fiabilité avancée · 120 min
  2. 🔒 Leçon 2 — AMDEC et arbre de défaillance · 120 min
  3. 🔒 Leçon 3 — Maintenance centrée sur la fiabilité (RCM) · 120 min
  4. 🔒 Leçon 4 — Simulation Monte-Carlo pour les EnR · 120 min
  5. 🔒 Quiz — Fiabilité, Maintenabilité & Sûreté (FMS) · quiz

Évaluation globale de la matière

Connectez-vous pour suivre votre progression.