Thèse soutenue

Pronostic de défaillances de pompes à vide - Exploitation automatique de règles extraites par fouille de données
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Florent Martin
Direction : Sylvie GalichetNicolas 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

FR  |  
EN

Résumé

FR  |  
EN

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.