Pronostic de défaillances : Maîtrise de l'erreur de prédiction

Autor: Adeline, Romain, Gouriveau, Rafael, Zerhouni, Noureddine
Přispěvatelé: Franche-Comté Électronique Mécanique, Thermique et Optique - Sciences et Technologies (UMR 6174) (FEMTO-ST), Université de Technologie de Belfort-Montbeliard (UTBM)-Ecole Nationale Supérieure de Mécanique et des Microtechniques (ENSMM)-Université de Franche-Comté (UFC), Université Bourgogne Franche-Comté [COMUE] (UBFC)-Université Bourgogne Franche-Comté [COMUE] (UBFC)-Centre National de la Recherche Scientifique (CNRS), LISMMA, CRAN, ENSTIB
Jazyk: francouzština
Rok vydání: 2008
Předmět:
Zdroj: 7ème Conférence Internationale de MObilisation et SIMulation, MOSIM'08.
7ème Conférence Internationale de MObilisation et SIMulation, MOSIM'08., Mar 2008, Paris, France. 10 p
Popis: International audience; Le travail rapporté ici traite globalement de la spécification et du développement d'un système de pronostic de défaillances. De ce point de vue, beaucoup de développements visant la proposition de méthodes de prévision existent dans la littérature. La majorité d'entre elles portent sur la construction de modèles capables de minimiser l'erreur de prédiction d'une situation future. Cependant, peu traitent de la maitrise de cette erreur. C'est ce qui fait l'objet de ce papier et pour lequel nous proposons d'exploiter le système ANFIS (système d'inférence floue paramétré par apprentissage neuronal). Après avoir positionné l'activité de pronostic dans le cadre de la maintenance industrielle, nous présentons le réseau ANFIS. Nous étudions les pistes permettant de maîtriser l'erreur de prédiction d'un tel système, notamment lors de la phase d'apprentissage (optimisation des paramètres du réseau). Les éléments théoriques nécessaires à cette analyse sont décrits, une nouvelle fonction de coût est proposée et l'influence de celle-ci sur les performances du réseau est discutée. Nous illustrons l'ensemble sur un benchmark. La modification proposée permet de réduire la phase d'apprentissage du système de pronostic.
Databáze: OpenAIRE
Externí odkaz: