Diagnostic et surveillance des processus complexes par réseaux bayésiens

Sylvain Verron (1)

1 LASQUO - Laboratoire en Sûreté de Fonctionnement, Qualité & Organisation

This thesis is about the multivariate process monitoring (detection and diagnosis) with bayesian networks. It allows to unify in a same tool (a bayesian network) some monitoring dedicated methods like multivariate control charts, discriminant analysis and the MYT method. The first chapter gives some essential points of the process monitoring, with a study of different approaches. Some supervised and non-supervised monitoring methods are presented and a study of different classifiers for monitoring purpose is made. A classifier is then chosen: bayesian networks. The second chapter gives a more precise presentation of bayesian networks and their possible extensions in the context of process monitoring. After that, a state of the art of diagnosis and monitoring methods with bayesian networks is studied. The third chapter explains the contributions given to the topic of process monitoring with bayesian networks. These contributions are in three groups: detection, supervised diagnosis and non-supervised diagnosis. Based on these contributions, a complete structure of a bayesian network dedicated to process monitoring is given. The last chapter presents an application of the proposed method on a benchmark problem: the Tennessee Eastman Process. Efficiency of the network is evaluated for detection and for supervised and non-supervised diagnosis. Finally, conclusions and outlooks of the proposed approach are given.

Cette thèse porte sur la surveillance (détection et diagnostic) des procédés multivariés par réseaux bayésiens. Ceci permet l'unification dans le même outil, un réseau bayésien, de plusieurs méthodes dédiées à la surveillance des procédés, telles que les cartes de contrôles multivariées, l'analyse discriminante ou bien la méthode MYT. Le premier chapitre expose les différents points clés de la surveillance des procédés, en étudiant les diverses approches permettant de réaliser celle-ci. Des méthodes de surveillance supervisées et non-supervisées sont présentées et une étude de différents classifieurs pour la surveillance est effectuée. Le choix d'un classifieur se porte alors sur les réseaux bayésiens. Le second chapitre est l'objet d'une présentation plus approfondie des réseaux bayésiens et des extensions possibles et intéressantes de ce genre d'outil dans le contexte de la surveillance des procédés. Puis, un état de l'art des méthodes de surveillance ou de diagnostic basées sur les réseaux bayésiens est étudié. Le troisième chapitre expose les contributions apportées au domaine de la surveillance des procédés par réseaux bayésiens. Les contributions apportées se répartissent en trois parties : détection, diagnostic supervisé et diagnostic non-supervisé. En s'appuyant sur ces contributions, la structure complète d'un réseau bayésien dédié à la surveillance des procédés est proposée. Le dernier chapitre présente une application de la méthode proposée sur un exemple classique : le procédé Tennessee Eastman. Les performances du réseau en terme de détection et de diagnostic sont évaluées. Finalement, les conclusions et perspectives de l'approche proposée sont émises.

Mots clés: Process monitoring; bayesian networks; diagnosis; supervised; non-supervised; discriminant analysis; feature selection

Mots clés: Surveillance des procédés; réseaux bayésiens; détection; diagnostic; supervisé; non-supervisé; analyse discriminante; sélection de composantes

Domaines: Automatique / Robotique; Applications [stat.AP]; Intelligence artificielle [cs.AI]

Sylvain Verron. Diagnostic et surveillance des processus complexes par réseaux bayésiens. Automatique / Robotique. Université d'Angers, 2007. Français. ⟨NNT : ⟩. ⟨tel-00517101⟩