Pronostic de défaillances de pompes à vide - Exploitation automatique de règles extraites par fouille de données
Auteur / Autrice : | Florent Martin |
Direction : | Sylvie Galichet, Nicolas Méger |
Type : | Thèse de doctorat |
Discipline(s) : | STIC Traitement de l’Information |
Date : | Soutenance le 29/06/2011 |
Etablissement(s) : | Grenoble |
Ecole(s) doctorale(s) : | École doctorale sciences et ingénierie des systèmes, de l'environnement et des organisations (Chambéry ; 2007-2021) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire d'informatique, systèmes, traitement de l'information et de la connaissance (Annecy) |
Jury : | Président / Présidente : Laurent Foulloy |
Examinateurs / Examinatrices : Sylvie Galichet, Nicolas Méger, Nicolas Becourt | |
Rapporteurs / Rapporteuses : Marie-Odile Cordier, Christophe Rigotti |
Mots clés
Mots clés contrôlés
Résumé
Cette thèse présente une méthode de pronostic basée sur des règles symboliques extraites par fouille de données. Une application de cette méthode au cas du grippage de pompes à vide est aussi détaillée. Plus précisément, à partir d'un historique de données vibratoires, nous modélisons le comportement des pompes par extraction d'un type particulier de règles d'épisode appelé « First Local Maximum episode rules » (FLM-règles). L'algorithme utilisé pour extraire ces FLM-règles extrait aussi de manière automatique leur fenêtre optimale respective, i.e. la fenêtre dans laquelle la probabilité d'observer la prémisse et la conclusion de la règle est maximale. Un sous-ensemble de ces FLM-règles est ensuite sélectionné pour prédire les grippages à partir d'un flux de données vibratoires. Notre contribution porte sur la sélection des FLM-règles les plus fiables, la recherche de ces FLM-règles dans un flux continu de données vibratoires et la construction d'un intervalle de pronostic de grippage à partir des fenêtres optimales des FLM-règles retrouvées.