Qualité, Sureté de Fonctionnement, Développement Durable
19-22 mars 2013 Compiègne (France)

Organisation > Informations Générales

Du 20 au 22 mars en plus des 15 sessions parallèles ( voir planning), 5 conférences plénières sont programées :

  • Jeudi 21 mars
    •  Modélisation prédictive floue de processus complexes : vers l’efficience des décisions en conception de produits et en analyse de risques, voir la video

Intervenant : Zyed ZALILA, Enseignant-Chercheur en mathématiques du flou, Université de Technologie de Compiègne (EA2223 Costech), Directeur R&D, intellitech [intelligent technologies], http://www.intellitech.fr

Résumé :Dans la vie réelle, nous prenons régulièrement de bonnes décisions à partir d'informations floues, c’est-à-dire incluant de l’imprécision, de l’incertitude et de la subjectivité. Le cadre formel érigé par la théorie du flou permet la modélisation et le traitement rigoureux de ce type d'information. La logique floue sert à la modélisation graduelle et nuancée de la connaissance experte, en proposant un mode de raisonnement approché et analogique. Elle autorise la conception de systèmes d'aide à la décision plus efficaces que les systèmes experts classiques. Elle offre aussi une approche alternative pour la modélisation de processus complexes. L'arithmétique floue permet une modélisation et un traitement des quantités numériques imprécises. Elle autorise la conception de modèles prévisionnels plus fidèles à la réalité. La mesure de possibilité remplace celle de probabilité lorsque le décideur doit évaluer l'occurrence d'un événement, sur lequel il possède des données historiques en faible quantité ou de mauvaise qualité. Ceci apparaît notamment dans les problèmes de décision multicritère ou de sûreté de fonctionnement, lorsque le décideur fait appel à des informations provenant de capteurs humains (jugement, avis d'expert).

Nous introduirons l’approche xtractis® de modélisation prédictive floue robuste et présenterons ses apports dans la découverte automatique de connaissances à partir de données, en la comparant aux  approches classiques de modélisation (modélisation expérimentale statistique, modélisation analytique ab initio). Des exemples d’applications opérationnelles en aide à la conception de produits et en analyse de risques illustreront l’exposé.

 


    • Fiabilité par les essais,

Intervenant : Fabrice GUERIN, Professeur, ISTIA - Angers,

 

Personnes connectées : 1