La complexité croissante des systèmes industriels nécessite de démontrer que l?ensemble des risques est maitrisé. Parmi les approches développées en ce sens, l'AiDR, développée par EDF R&D et le CRAN, apparait comme une solution intéressante grâce à un modèle unifié multidisciplinaire, générique et outillé. Elle dispose cependant d'un potentiel d'amélioration pour la modélisation et le traitement des connaissances (issues du REX statistique et d'avis d'experts). Celles-ci sont souvent entachées d'incertain influant sur la pertinence des résultats fournis aux décideurs. Si l'incertain dû au caractère aléatoire des phénomènes physiques est bien appréhendé par la théorie des probabilités, l'incertain dû à l'imperfection des connaissances (incertain épistémique) l'est beaucoup moins. L'un des enjeux est donc de disposer d'une approche adaptée à la modélisation et au traitement conjoint des deux incertains. En ce sens, la théorie de l'évidence constitue une alternative intéressante pour modéliser et traiter de façon plus cohérente et plus flexible les deux incertains. Nos travaux proposent trois contributions majeures. Tout d'abord, la formalisation de l'élicitation des risques par avis d'experts par des outils de collecte plus flexibles et plus complets. Ensuite, nous proposons un modèle de risques évidentiel pour représenter de façon cohérente les différentes expressions des connaissances et apprécier les risques. Enfin, nous proposons des supports pour la prise de décision en univers incertain pour la représentation des résultats et l'identification des contributeurs à l'incertain et à sa réduction. L'application de ces contributions sur un cas industriel réel met en évidence leur faisabilité et leurs apports au regard d'approches plus conventionnelles. Elle permet également de dégager des perspectives pour le développement de l'AiDR / The increasing complexity of industrial systems involves to demonstrate that all the risks are under control. Among the approaches developed, the IRA (developed from several years ago by EDF and CRAN) seems to be a relevant solution by proposing multidisciplinary, generic and unified model. However, these approaches should be improved with regards to modeling and processing of knowledge (provided by statistical experience feedback and expert judgments). This knowledge contains different types of uncertainty that influence the relevance of the results provided to the decision-makers. If the probabilistic framework is well adapted to deal with the uncertainties due to the natural variability of a physical phenomenon, it will be better to choose another framework to deal with the uncertainties due to the lack or imperfection of knowledge (epistemic uncertainties). One issue is to develop an approach adapted to the modeling and to the treatment of the two types of uncertainties. In that way, the evidence theory is an interesting framework to provide more coherent and more flexible modeling and processing of knowledge and uncertainties. Our works propose three main contributions. The first one concerns the formalization of the risks quantification by expert judgments by proposing more complete and flexible assessment tools. The second contribution provides an evidential risks model allowing to represent the different knowledge expressions a more coherent way and to estimate all the risks. Finally, in the last contribution, some tools are proposed for decision-making in uncertain environment. The implementation of these contributions on a real industrial application highlights their feasibility as well as their contributions with regard to more conventional approaches. It also allows us to identify new prospects development for the IRA approach
| Identifer | oai:union.ndltd.org:theses.fr/2012LORR0273 |
| Date | 10 December 2012 |
| Creators | Fallet-Fidry, Geoffrey |
| Contributors | Université de Lorraine, Iung, Benoît |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0021 seconds