Contribution aux méthodes d'élicitation pour l'aide à la décision dans le cas d’utilisation conjointe des approches Bayésiennes et des AMDEC

Contribution to elicitation methods for decision support in the case of joint use of Bayesian approaches and FMECA

• Auteur / Autrice : Imen Ben Brahim
• Direction : Abderrahman El Mhamedi, Younès Boujelbene
• Type : Thèse de doctorat
• Discipline(s) : Génie Industriel et Production
• Date : Soutenance le 16/04/2021
• Etablissement(s) : Paris 8 en cotutelle avec Université de Sfax (Tunisie)
• Ecole(s) doctorale(s) : École doctorale Cognition, langage, interaction (Saint-Denis, Seine-Saint-Denis)
• Partenaire(s) de recherche : Equipe de recherche : Laboratoire QUARTZ
• Jury : Président / Présidente : Kamal Medjaher
• Jury : Examinateurs / Examinatrices : Sid-ali Addouche, Alice Yalaoui, Taïcir Loukil
• Jury : Rapporteur / Rapporteuse : Abderrazak Ellouze, Olga Battaïa

Mots clés

Mots clés contrôlés

Théorème de Bayes

Systèmes d'aide à la décision

Prise de décision -- Modèles mathématiques

AMDE, Méthode

Acquisition des connaissances (systèmes experts)

Mots clés libres

Élicitation

Connaissances expertes

Réseau Bayésien

AMDEC

Prise de Décision

Outil d'aide à la décision

Diagnostic

Prédiction

Elicitation

Expert Knowledge

Bayesian network

FMECA,

Make decision

Diagnosis

Prediction

Résumé

Les réseaux Bayésiens (RBs) sont des bons outils d'aide de décision dans un domaine incertain. Leurs constructions se font à partir soit des bases de données soit des connaissances expertes soit de leurs combinaisons. En pratique, les données historiques peuvent être absentes ou insuffisantes pour le paramétrage du RB et le remplissage des Tables de Probabilités Conditionnelles (CPTs). Dans ces situations, l’apprentissage des paramètres du RB passe par l’élicitation de connaissances expertes pour tenter d’estimer les probabilités conditionnelles. Cependant, l’élicitation de connaissances expertes est un grand défi.L'objectif de cette thèse est de développer, dans un premier lieu, une nouvelle méthode d'élicitation qui permet à la fois de faciliter la tâche d'élicitation à l'expert et de réduire le nombre d'information à éliciter. Cette méthode nommée Cluster-WSA résout le verrou scientifique des configurations des compatibilités parentales de la méthode Weighted Sum Algorithm (WSA).Dans un deuxième lieu, nous avons proposé une nouvelle approche qui permet de migrer d'une méthode d’Analyse des Modes de Défaillance, Effets et Criticités (AMDEC) à un RB. L'objectif ici est d'utiliser le maximum d'informations présents dans l'AMDEC pour la construction du RB tout en intégrant des méthodes d'élicitation dont la nouvelle méthode d'élicitation déjà proposée. Afin de valider ces approches, nous les avons appliquées sur un cas réel d'analyse de risque de transport de pétrole brute par camion-citerne. Le RB obtenu servira comme un outil d'aide à la décision pour le diagnostic et la prédiction. Ce RB est transformé par la suite à un système d'indicateur de performance.

Bayesian networks (BNs) are good decision support tools in an uncertain field. Their constructions are made from either databases or expert knowledge or their combinations. In practice, historical data may be absent or insufficient to parameterize BNs and fill Conditional Probability Tables (CPTs). In these situations, learning parameters of the BN requires the elicitation of expert knowledge to try to estimate the conditional probabilities. However, eliciting expert knowledge is a big challenge.The aim of this thesis is to develop, in a first time, a new elicitation method that allows both to facilitate the elicitation task to the expert and to reduce the amount of information to elicit. This method named Cluster-WSA solves the scientific problem of compatible parental configurations of the Weighted Sum Algorithm (WSA) method.In a second time, we have proposed a new approach that allows to migrate from a Failure Mode, Effects and Criticality Analysis (FMECA) method to a BN. The goal here is to use most information present in the FMECA to build the BN by integrating elicitation methods such as the new elicitation method already proposed. In order to validate these approaches, we have applied them to a real case of risk analysis of crude oil transport by tanker truck. The resulting BN will be used as a decision support tool for diagnosis and prediction. This BN is then transformed into a performance indicator system.