Prédiction de la défaillance d'un capteur de température à l'aide d'un système hybride neuronal et flou

La croissance des produits électroniques devient plus complexe en raison d'une exigence majeure de haute fiabilité, de haute vitesse et de faible coût. Dans le monde d'aujourd'hui, la fiabilité devient un besoin important de tout équipement électronique pour les composants actifs et passifs tels que les capteurs de température. La prédiction des pannes est la contrainte majeure pour prévoir la durée de vie restante du composant afin d'anticiper les pannes coûteuses ou l'indisponibilité du système. Dans le marché concurrentiel moderne, le faible coût et la haute performance sont les facteurs clés pour attirer les clients vers leurs produits. La complexité croissante des systèmes exige un contrôle robuste pour réduire le contrôle du système et les défaillances successives. La prédiction de la fiabilité des composants passifs, en particulier des capteurs de température, est une préoccupation majeure car ils sont nécessaires dans presque tous les systèmes. Comme ces composants sont montés sur une carte pour former un système complet, la probabilité de dommages est accrue, car les différents composants ont des caractéristiques différentes et des conditions de fonctionnement différentes. On utilise donc des techniques d'intelligence artificielle qui adoptent la connaissance du mécanisme de défaillance d'une partie individuelle du système et vérifient son état de santé.