Thèse soutenue

Etude de la pertinence des paramètres stochastiques sur des modèles de Markov cachés
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Bernard Robles
Direction : Frédéric Kratz
Type : Thèse de doctorat
Discipline(s) : Sciences et technologies industrielles
Date : Soutenance le 18/12/2013
Etablissement(s) : Orléans
Ecole(s) doctorale(s) : École doctorale Énergie, Matériaux, Sciences de la Terre et de l'Univers (Centre-Val de Loire)
Partenaire(s) de recherche : Equipe de recherche : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....)
Laboratoire : Institut Pluridisciplinaire de Recherche en Ingénierie des Systèmes- Mécanique et Energétique
Jury : Président / Présidente : Christian Olivier
Examinateurs / Examinatrices : Frédéric Kratz, Christian Olivier, Abdessamad Kobi, Sohra Cherfi Boulanger, Gilles Mourioux, Manuel Avila, Yann Chamaillard, Florent Duculty
Rapporteurs / Rapporteuses : Abdessamad Kobi, Sohra Cherfi Boulanger

Résumé

FR  |  
EN

Le point de départ de ce travail est la thèse réalisée par Pascal Vrignat sur la modélisation de niveaux de dégradation d’un système dynamique à l’aide de Modèles de Markov Cachés (MMC), pour une application en maintenance industrielle. Quatre niveaux ont été définis : S1 pour un arrêt de production et S2 à S4 pour des dégradations graduelles. Recueillant un certain nombre d’observations sur le terrain dans divers entreprises de la région, nous avons réalisé un modèle de synthèse à base de MMC afin de simuler les différents niveaux de dégradation d’un système réel. Dans un premier temps, nous identifions la pertinence des différentes observations ou symboles utilisés dans la modélisation d’un processus industriel. Nous introduisons ainsi le filtre entropique. Ensuite, dans un but d’amélioration du modèle, nous essayons de répondre aux questions : Quel est l’échantillonnage le plus pertinent et combien de symboles sont ils nécessaires pour évaluer au mieux le modèle ? Nous étudions ensuite les caractéristiques de plusieurs modélisations possibles d’un processus industriel afin d’en déduire la meilleure architecture. Nous utilisons des critères de test comme les critères de l’entropie de Shannon, d’Akaike ainsi que des tests statistiques. Enfin, nous confrontons les résultats issus du modèle de synthèse avec ceux issus d’applications industrielles. Nous proposons un réajustement du modèle pour être plus proche de la réalité de terrain.