Thème 1 : Fiabilité et Sûreté des systèmes

Les systèmes complexes et les infrastructures critiques nécessitent le développement de méthodologies adaptées pour assister les gestionnaires dans la prise de décision. La sûreté de fonctionnement des structures et systèmes complexes, et la prise de décision qui en résulte, s'appuient sur des approches fiabilistes qualitatives et quantitatives, quelle que soit l'échelle d'étude (assemblage, structure, ouvrage, système complexe, effets domino, Natech). Les méthodes d’analyse doivent prendre en compte le contexte industriel, en intégrant les interactions du système avec ses environnements naturel, physique et organisationnel. Dans ce contexte, les décisions sont élaborées à partir de données qualitatives ou quantitatives, incomplètes et/ou inconsistantes, en tous cas teintées d’incertitudes. Les systèmes complexes induisent généralement l’intégration de plusieurs dimensions conduisant à une prise de décision multicritère. Les contributions attendues porteront, d’une part, sur les systèmes complexes (infrastructures de type réseaux, parcs d’ouvrages ; territoires exposés à des risques naturels ou technologiques…) au travers de propositions méthodologiques pour leur modélisation et la définition de leurs propriétés, et d’autre part, sur les processus d’aide à la décision (multicritères, à base de connaissances...), y compris la caractérisation, la représentation et la propagation des imperfections (incertitudes, imprécision, incomplétudes, conflits) par différentes approches (probabilistes, possibilistes, hybrides, fusion…), ainsi que les études de sensibilité des paramètres de décision et de contrôle.

Sujets abordés :

• Sûreté de fonctionnement des structures, ouvrages et systèmes industriels,
• Approches qualitatives et quantitative d’aide à la décision,
• Incertitudes des données, leur variabilité et erreur de modèle,
• Modélisation des systèmes complexes,
• Elicitation des avis d’experts,
• Résilience des systèmes et infrastructures critiques,
• Optimisation de la conception et de la maintenance des systèmes complexes,
• Optimisation multi-objectif et aide à la décision multicritère,
• Modélisation de scénarios multirisques,
• Analyse du risque en conditions réelles,
• Analyse qualitative et quantitative de la criticité des systèmes,
• Indicateurs de performance.

Thème 2 : Aléa et vulnérabilité des structures et systèmes industriels

Les aléas et les incertitudes sur les sollicitations et sur l’environnement (naturel, mécanique et anthropique) conditionnent la fiabilité des structures et des ouvrages. Il est donc indispensable de disposer de modèles stochastiques représentatifs de l’environnement et des actions envisagées pendant toute la durée d’exploitation. Les modèles prévisionnels de l’aléa à court et à long terme sont indispensables pour l’assurance de la fiabilité en service des structures, ouvrages et systèmes industriels. Cette analyse portera ainsi sur les incertitudes et sur les sollicitations envisagées tout au long de la durée de vie, en passant par les phases de conception, de réalisation, d’exploitation, de démolition et de recyclage. D’un autre côté, la vulnérabilité et la résilience des structures et systèmes traduisent leur réponse et capacité d’adaptation et de recouvrement suite à des dommages. Les contributions attendues portent sur des développements ou des études de cas originaux mettant l’accent sur les notions d’aléa, vulnérabilité et résilience.

Sujets abordés :

• Modélisation de l’aléa naturel : tempêtes, séismes, crues, avalanches, etc.,
• Résilience des structures, ouvrages, infrastructures et systèmes industriels,
• Exploitation du retour d’expérience et des enregistrements historiques,
• Modélisation du chargement en conditions réelles,
• Extrapolation stochastique, etc.,
• Modélisation des données rares.

Thème 3 : Dégradation des matériaux, des structures et des ouvrages

La dégradation des matériaux, des structures et des ouvrages constitue aujourd’hui une préoccupation industrielle majeure, compte tenu des parcs construits dans les différents secteurs de l’économie. Disposer de modèles prévisionnels de dégradation est par conséquent essentiel pour la prise de décision vis-à-vis de la maintenance et de la prolongation de la durée de vie des installations. Ce thème porte sur la modélisation probabiliste des dégradations dues au fonctionnement mécanique (fatigue, usure, endommagement, fluage…) et à l’environnement naturel (corrosion, érosion, variation des propriétés des matériaux…). Il s’agit de considérer les deux approches : physique, à travers une modélisation du comportement physique en contexte incertain et statistique, à travers l’analyse des observations sur les systèmes en exploitation. Les contributions attendues portent sur l’élaboration de modèles et méthodes pour la caractérisation et l’évaluation prédictive de la dégradation des matériaux et des structures. Ce thème inclut la caractérisation et modélisation probabiliste de différents types de dégradations dans une perspective de prévention des risques ou d’optimisation du cycle de vie.

Sujets abordés :

• Caractérisation expérimentale de la dégradation,
• Analyse des observations in situ, retour d’expérience,
• Modèles stochastiques de dégradation, modèles géostatistiques,
• Modèles physiques probabilisés de dégradation,
• Extrapolation des données de dégradation,
• Techniques de contrôles et d’essais : essais destructifs, contrôles non destructifs,
• Modélisation des essais accélérés, optimisation des essais,
• Prise en compte de la dégradation dans les modèles fiabilistes,
• Méthodes bayésiennes, etc.,
• Méthodes possibilistes et fusion des données,
• Problèmes inverses d’identification stochastique,
• Modélisation et identification de structures, ouvrages et sols, géostatistique.

Thème 4 : Gestion du patrimoine, modélisation et surveillance du cycle de vie

La gestion du patrimoine implique la modélisation du cycle de vie, en intégrant les évolutions internes (i.e. vieillissements et dégradations) et externes (i.e. charges, environnement, interventions, etc.). Cette gestion patrimoniale intègre de nombreuses sources d’incertitudes dont la prise en compte dans le processus de décision s’avère indispensable. L’élaboration d’une stratégie optimale de gestion nécessite également la modélisation des conséquences de dégradation et de défaillance, la modélisation des actions (inspection, réparation) dans un contexte d’évolution temporelle du système étudié. Il s’agit également de prendre en compte les contraintes industrielles, techniques et financières, pour la gestion optimale dans les conditions d’exploitation des structures et ouvrages en service et de résistance à des évènements extrêmes. Ceci nécessite de s’intéresser à différentes échelles (du compostant au parc) et de se poser la question d’un échantillonnage rigoureux pour une évaluation la plus précise possible. Ce thème s’intéresse donc à l’optimisation de la politique de gestion patrimoniale à travers la présentation des avancées en termes de développements méthodologiques et d’applications aux cas industriels. Les stratégies pourront être placées dans le cadre des adaptations au changement climatique.

Sujets abordés :

• Méthodologie de gestion des structures existantes,
• Surveillance de la santé structurale (SHM), optimisation de l’instrumentation,
• Prévision de la durée de vie résiduelle, prolongation de la durée de vie,
• Prise en compte des incertitudes d’inspection en fonction du temps et de l’espace,
• Modélisation stochastique des données à partir d'essais destructifs ou CND sur les matériaux, de mesures, d'essais accélérés, etc.,
• Politique optimale de maintenance préventive,
• Approche dynamique de la maintenance,
• Systèmes mono et multi-composants,
• Méthodes règlementaires et normatives,
• Retour d’expérience,
• Impact du facteur humain sur la politique de gestion,
• Evaluation des effets et adaptation au changement climatique,
• Variabilité spatiale à différentes échelles dans le cadre d’une politique d’échantillonnage.

Thème 5 : Propagation d’incertitudes et analyse de fiabilité

La complexité des modèles de comportement, les temps de calcul associés, le grand nombre de variables aléatoires, les ressources informatiques et humaines, les faibles probabilités à évaluer en contexte industriel, sont des obstacles réels pour l’application des méthodes probabilistes. Ce thème a vocation à rassembler les contributions relatives aux méthodes de propagation des incertitudes dans les modèles de traitement (numériques et/ou analytiques) notamment pour la résolution des problèmes de fiabilité. Il aborde les aspects méthodologiques, algorithmiques et applicatifs de l’analyse de fiabilité.

Sujets abordés :

• Méthodes numériques pour la fiabilité,
• Eléments finis stochastiques, approches spectrales stochastiques,
• Méta-modèles pour la propagation des incertitudes,
• Fiabilité et problèmes « time-variant » ou « space-variant »,
• Problèmes à grand nombre de variables aléatoires,
• Avancées sur les méthodes fiabilistes et leur normalisation, etc.

Thème 6 : Fiabilité système et optimisation sous incertitude appliquées aux structures et ouvrages

La maîtrise des risques passe nécessairement par la prise de décision (choix d’une solution optimale, comparaison multicritère, prise en compte d’indicateurs de performance…) dans un contexte d’environnement incertain et de structures et ouvrages complexes. Ce thème traite la question de l’évaluation de la fiabilité des structures et des ouvrages existants pouvant comporter plusieurs composants et/ou modes de défaillance. Il a vocation à rassembler les contributions relatives à l’évaluation d’une probabilité de défaillance d’un système et à l’analyse de sensibilité locale et globale. Il aborde également la question de la conception robuste sous contrainte de fiabilité des structures et ouvrages et intègrera volontiers à rassembler les contributions relatives aux méthodes d’optimisation (mono/multi-objectifs). Les applications industrielles sont les bienvenues, dans le but d’illustrer le caractère opérationnel et de montrer le potentiel des méthodologies proposées.

Sujets abordés :

• Décision sous incertitude,
• Analyse de sensibilité locale et globale,
• Avancées sur les méthodes d’optimisation sous incertitude,
• Fiabilité système,
• Robustesse et fiabilité des structures et ouvrages,
• Conception fiable des structures et des ouvrages,
• Applications industrielles, etc.