Politiques intégrées de maintenance et d'interruption de mission pour les systèmes orientés mission: application aux véhicules autonomes // Integrated maintenance and mission abort policies for mission-oriented systems: application to autonomous vehicles

De nombreux équipements et systèmes sont conçus pour accomplir des missions critiques. Ces systèmes critiques couvrent un large éventail d'applications, telles que le transport aérien, les systèmes militaires, les centrales nucléaires, les engins spatiaux et les drones. Un indicateur clé utilisé pour évaluer la performance de ces systèmes est la probabilité de succès de la mission (PSM), définie comme la probabilité de mener à bien une mission définie d'une durée spécifique dans des conditions opérationnelles données. Cependant, dans de nombreuses situations réelles, la survie des systèmes critiques est plus importante que la réussite de la mission en raison des conséquences graves, voire catastrophiques, de leurs défaillances. Dans le secteur aérien, par exemple, la défaillance d'un composant essentiel d'un aéronef en vol peut entraîner des conséquences économiques, environnementales et sociales désastreuses. Dans de telles situations, le recours aux procédures d'interruption de mission (PIM) contribue effectivement à améliorer la capacité de survie du système et à réduire l'ampleur des risques liés à la poursuite de la mission. Une mission est interrompue lorsque des conditions spécifiques sont remplies, et est suivie d'une procédure de sauvetage/récupération. En général, une politique d'interruption de mission (PIM) entraîne une réduction de la probabilité de succès de la mission (PSM) mais une augmentation de la probabilité de survie du système (PSS). Par conséquent, une PIM optimale doit garantir un équilibre entre ces deux indicateurs (succès de la mission et survie du système).
Cette thèse vise à contribuer à ce domaine de recherche en développant des modèles d'optimisation intégrés qui déterminent conjointement les actions de maintenance et les politiques d'interruption de mission (PIM), avec des applications aux flottes de véhicules autonomes qui fonctionnent dans des environnements incertains.
Malgré le nombre croissant d'études portant sur les PIM, très peu de références ont étudié l'impact de la maintenance sur les décisions d'interruption de mission. Les travaux de recherche de cette thèse consistent précisément à développer de nouvelles approches de modélisation et de résolution efficaces pour résoudre le problème intégré de la maintenance et de l'interruption de mission pour les systèmes de gestion de mission (SGM), en particulier pour une flotte de véhicules autonomes. Les modèles d'optimisation résultants doivent prendre en compte la dégradation des composants et les effets de l'environnement opérationnel externe sur leur fiabilité et leur consommation d'énergie. Ces modèles doivent également inclure des contraintes liées aux facteurs humains, car les équipes de réparation se verront attribuer différentes tâches de maintenance. Les incertitudes liées au système lui-même et celles liées à l'environnement opérationnel doivent également être prises en compte, ce qui conduit à des problèmes d'optimisation stochastique. Pour résoudre de tels problèmes, il est nécessaire de développer des méthodes de résolution robustes et efficaces afin d'améliorer la sécurité et la fiabilité globales des systèmes orientés mission, en minimisant les pertes économiques, humaines et environnementales potentielles.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

.Many engineered assets and systems are designed to perform critical missions. These mission-critical systems encompass a large spectrum of applications such as air transportation, military systems, nuclear plants, spacecraft, and unmanned autonomous vehicles (UAV). A key metric used to assess the performance of these systems is the mission success probability (MSP), defined as the probability of completing a defined mission of a specific duration under given operational conditions. However, in many real-world situations, the survival of mission-critical systems is more important than the completion of the mission due to the severe or catastrophic consequences of their failures. In the airline industry, for example, failure of a key aircraft system during a flight may cause catastrophic economic, environmental, and social consequences. In such situations, resorting to mission abort policies (MAP) indeed contributes to improving the system's survivability and reducing the magnitude of the risks that may arise from continuing the mission. A mission is aborted when specific conditions are satisfied, and is followed by a rescue/recovery procedure. In general, a MAP will lead to a reduction in MSP but an increase in system survival probability (SSP). Therefore, an optimal MAP shall achieve a balance between the two metrics (mission success versus system survival).
This thesis aims to contribute to this research field by developing integrated optimization models that jointly determine maintenance actions and mission abort policies (MAPs) with applications to fleets of autonomous vehicles operating under uncertain environment.
Despite the increasing number of studies dealing with MAP, very few references considered the impact of maintenance on mission abort decisions. The research work of this thesis consists indeed to develop novel modeling and efficient solution approaches to solve the integrated maintenance and mission-abort problem for MOS, particularly for a fleet of autonomous vehicles. The resulting optimization models should account for components degradation, and the effects of the external operating environment on components' reliabilities and energy consumption. These models should also include constraints related to human factors as repair crews will be assigned different maintenance tasks. Uncertainties related to the system itself and those related to operating environment should also be considered, resulting then in stochastic optimization problems. For such problems, there is a need to develop robust and efficient solution methods to enhance the overall safety and reliability of mission-oriented systems, minimizing potential economic, human and environmental loses.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Contrat doctoral

Concours pour un contrat doctoral

Université de Lorraine

77 IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES

Les candidats doivent être titulaires d'un master (ou équivalent) en génie industriel, en mathématiques appliquées ou dans une discipline connexe. Ils doivent également posséder de solides connaissances en recherche opérationnelle et de bonnes compétences en programmation.
Applicants must have a Master Degree (or equivalent) in industrial engineering, applied mathematics or any related discipline. Applicants should also have a solid background in operation research and a good programming skill.