Optimisation de la maintenance des moteurs électriques par algorithmes génétiques.

Abstract

This study validated an optimized maintenance approach applied to the motor driving the fan of the rotary hearth furnace in the seamless tube production unit of the El Hadjar steel complex in Annaba. The FMEA analysis identified the most critical failure modes, particularly bearing wear, fan imbalance, and motor overheating. The reliability study based on the Weibull distribution showed that the motor operates in an aging phase characterized by an increasing failure rate, which justifies the adoption of an optimized preventive maintenance strategy. Integrating the Weibull distribution into a genetic algorithm made it possible to determine an optimal maintenance interval that minimizes maintenance costs and production downtime while satisfying availability constraints. The results demonstrated rapid convergence toward a stable and more efficient solution compared with the conventional empirical strategy, with an optimum interval of 4.56 months for static sensors and 4.26 months when dynamic temperature and vibration sensors were included. This combined approach of FMEA, Weibull modeling, and genetic algorithms proved effective in improving reliability, reducing maintenance costs, and increasing the availability of critical industrial equipment. ------------------------------------------------------------------------ أثبتت هذه الدراسة فعالية منهجية صيانة مُحسّنة طُبّقت على المحرك الكهربائي الذي يقود مروحة فرن القاعدة الدوّارة في وحدة إنتاج الأنابيب غير الملحومة بمركب الحديد والصلب بالحجار في عنابة. وقد مكّن تحليل أنماط الإخفاق وتأثيراتها (AMDEC/FMEA) من تحديد أهم الأعطال الحرجة، خاصة تآكل المحامل، وعدم توازن المروحة، وارتفاع حرارة المحرك. كما أظهرت دراسة الاعتمادية المعتمدة على توزيع ويبل أن المحرك يعمل في مرحلة تقادم تتميز بارتفاع معدل الأعطال، مما يبرر اعتماد استراتيجية صيانة وقائية مُحسّنة. وقد سمح دمج توزيع ويبل ضمن خوارزمية جينية بتحديد فترة صيانة مثلى تقلل من تكاليف الصيانة وتوقفات الإنتاج مع احترام قيود الجاهزية والتوفر. وأظهرت النتائج تقاربًا سريعًا نحو حل مستقر وأكثر كفاءة مقارنة بالاستراتيجية التقليدية المعتمدة تجريبيًا، حيث بلغ الفاصل الزمني الأمثل 4.56 أشهر عند استخدام الحساسات الثابتة و 4.26 أشهر عند دمج حساسات الحرارة والاهتزاز الديناميكية. وتؤكد هذه الدراسة أن الجمع بين تحليل AMDE ونمذجة ويبل، والخوارزميات الجينية يمثل منهجية فعالة لتحسين الاعتمادية، وتقليل تكاليف الصيانة، وزيادة جاهزية المعدات الصناعية الحرجة. --------------------------------------------------------------------- Cette étude a validé une approche de maintenance optimisée appliquée au moteur entraînant le ventilateur du four à sole tournante de l’unité de production de tubes sans soudure du complexe sidérurgique d’El Hadjar à Annaba. L’analyse AMDEC a permis d’identifier les défaillances critiques, notamment l’usure des roulements, le déséquilibre du ventilateur et la surchauffe du moteur. L’étude de fiabilité basée sur la loi de Wei bull a montré que le moteur se trouve dans une phase de vieillissement à taux de défaillance croissant, justifiant l’adoption d’une maintenance préventive optimisée. L’intégration de la loi de Wei bull dans un algorithme génétique a permis de déterminer un intervalle de maintenance optimal minimisant les coûts de maintenance et les arrêts de production tout en respectant les contraintes de disponibilité. Les résultats ont montré une convergence rapide vers une solution stable et plus performante que la stratégie classique, avec un optimum de 4,56 mois pour les capteurs statiques et de 4,26 mois avec les capteurs dynamiques. Cette approche combinant AMDEC, modélisation de Wei bull et algorithme génétique s’est révélée efficace pour améliorer la fiabilité, réduire les coûts et accroître la disponibilité des équipements industriels critiques.