Calcul des diagnostics les plus probables a posteriori.
Cet article présente une méthode utilisant des réseaux bayésiens pour le diagnostic de dispositifs de taille importante. On décrit un réseau bayésien pour modéliser le dispositif à diagnostiquer. Ce modèle permet de prendre en compte la structure du dispositif mais aussi son comportement en fonction de l'état (bon ou mauvais) de ses composants. Etant donné un ensemble d'observations qui révèle un dysfonctionnement du dispositif, on cherche les diagnostics les plus probables. On entend par diagnostic une affectation d'un mode de fonctionnement à l'ensemble des variables d'états des composants du dispositif compatible avec les observations. L'algorithme que nous proposons recherche les meilleurs diagnostics, simples ou multiples, en exploitant le réseau bayésien du dispositif. Dans ce but, nous proposons une approximation de la probabilité a posteriori d'un diagnostic.
This paper presents a method using Bayesian networks for diagnosing large devices. A network is described to model the device. This model allows to take into account the structure of the device but also its behaviour according to the state (ok or abnormal) of its components. Given a set of observations that are incompatible with the normal state of the device, the aim is to compute the most probable diagnoses. A diagnosis is an affectation of all the states of components which is consistent with observations. We propose an algorithm to find the best diagnoses, single or multiple, that use the Bayesian network of the device. For that purpose, we use an approximation of the posterior probability of a diagnosis.
V.DELCROIX, S.PIECHOWIAK, M.MAALEJ
réseau bayésien, diagnostic, probabilité de panne, probabilité a posteriori, modèle, raisonnement incertain, état d'un composant.
Bayesian network, diagnosis, probability of failure, posterior probability, model, uncertain reasoning, component state.
Français
|
