Traitement des valeurs manquantes pour l'application de l'analyse logique des données à la maintenance conditionnelle
Year: 2010
Type: dissertation
Abstract: DÉDICACE À mes parents.À mon épouse Bouchra.À mes enfants Fatima et Yassine.Je dédie ce modeste travail et je leur dis merci.« Il me paraît que le seul moyen de faire une méthode instructive et naturelle est de mettre ensemble les choses qui se ressemblent, et de séparer celles qui différent les unes des autres.» Georges Louis Leclerc de Buffon -1749 Histoire naturelle, générale et particulière, avec la description du Cabinet du Roy Premier discours; page21 REMERCIEMENTS Ce travail n'aurait pas vu le jour sans l'aide et le constant encouragement de mon directeur de recherche Madame Soumaya Yacout.Je la remercie profondément de sa patience, son soutien et ses conseils.Mes remerciements vont aussi aux professeurs du département de mathématiques et de génie industriel, grâce à qui j'ai acquis de précieuses connaissances lors de mon passage à l'École Polytechnique de Montréal, c'est une expérience des plus enrichissantes de ma vie.Pendant toutes ces années d'études et pendant toute la durée de mes travaux, il y avait la femme de ma vie qui a cru en moi jusqu'au but, je lui dis : « Merci beaucoup Bouchra! » v RÉSUMÉ La qualité des données d'apprentissage est une problématique dans de nombreuses applications de classification supervisée, car la qualité de classification de n'importe qu'elle méthode est définie par la qualité des données utilisées dans le processus de traitement c.à.d.à l'entrée du système de classification.Lors de l'utilisation du classificateur basé sur la méthode d'analyse logique des données (LAD) dans le domaine de la maintenance conditionnelle, il est très fréquent de confronter le problème de données manquantes.Ce phénomène se manifeste lorsque les valeurs n'ont pas pu être observées, elles ont été perdues ou elles n'ont pas été enregistrées.La présence de ces dernières entraîne un dysfonctionnement du processus de traitement logique des données, puisque le classificateur LAD, ne peut pas apprendre à partir des bases de données incomplètes.Si l'on veut l'utiliser, il faut donc adopter une méthode d'imputation de ces données.En l'absence d'une méthode de traitement des données numériques manquantes pour le classificateur LAD, l'élaboration d'une nouvelle méthode statistique s'avère une alternative très intéressante pour substituer les données manquantes et, par la suite, générer des modèles de classification par LAD.Dans cette optique, nous proposons dans ce mémoire une méthode statistique de substitution des valeurs manquantes.L'objectif de cette méthode est de remplacer la valeur manquante par les deux possibilités extrêmes que peut prendre cette valeur suivant les valeurs disponibles de la variable en question, et suivant l'information des classes dont on dispose.Nous avons également mis l'accent sur la validation de notre approche, qui a bénéficié des techniques du test statistique non paramétrique.Cela nous a permis de confirmer les résultats de différents tests de la nouvelle méthode sur des données réelles dans le cadre de trois applications concernant la classification supervisée.vi Les travaux présentés dans ce mémoire s'inscrivent dans une thématique de recherche de longue haleine poursuivie au sein de l'équipe de recherche de Mme Soumaya Yacout.Ils font notamment suite aux travaux de thèse de David S. (David S. 2007) axés en particulier sur l'implantation de l'analyse logique des données pour la maintenance conditionnelle.Le nombre réduit des travaux sur ce sujet nous laisse envisager une suite prometteuse de ce type d'approche. Organisation du mémoireCe mémoire est organisé en deux parties.La première est consacrée aux aspects méthodologiques de la substitution des valeurs manquantes et propose une nouvelle méthode de substitution portant sur les données disponibles et l'information sur les classes des observations dont on dispose.La seconde partie développe les différents tests réalisés pour la validation de la nouvelle méthode de substitution des valeurs manquantes dans le contexte de l'analyse logique des données.Chacune de ces deux parties est divisée en deux chapitres. Première partieLe premier chapitre de ce document présente une introduction à la problématique des valeurs manquantes et un état de l'art des méthodes de substitution proposées dans la revue de littérature.Dans le chapitre 2, on aborde la théorie de substitution des valeurs manquantes par MIN-MAX, et on présente la méthodologie de traitement logique des données dans le contexte de la maintenance conditionnelle. Seconde partieAu chapitre 3, nous développons l'étude expérimentale et nous présentons les résultats de l'évaluation des performances de la méthode de substitution des données manquantes proposée.Enfin, dans le chapitre 4, nous présentons une synthèse des travaux réalisés et en dégageons quelques perspectives.
Author: Abderrazak Bennane
Language: French
Subfield: Safety, Risk, Reliability and Quality
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W2127864040