Possibilistic methods for uncertainty treatment: an application to maintenance modelling

Les auteurs proposent une méthode pour évaluer la performance d’une politique de maintenance en intégrant l’effet de l’incertitude affectant différents paramètres d’un modèle de dégradation. La méthode proposée est adaptée à la représentation et la propagation d’incertitude de nature épistémique provenant d’avis d’experts. Pour chaque paramètre incertain, l’expert fournit une famille d’intervalles de confiance. Cette information élicitée est représentée à l’aide de distributions de possibilité et propagée dans le modèle de dégradation à l’aide de variables aléatoires floues et de la théorie des croyances de Dempster-Shafer.

Les approches classiques de la propagation d’incertitude, basées sur la théorie classique de la probabilité, utilisent des distributions de probabilité pour représenter l’information provenant d’experts. Cependant, les jugements d’expert sont souvent obtenus à l’aide d’expressions linguistiques imprécises, et imposer des distributions de probabilité sur-contraint cette information incertaine de façon arbitraire. La théorie des possibilités permet de représenter cette incertitude épistémique de manière rigoureuse, sans introduire des biais.

Une étude de cas pratique, concernant la maintenance d’une soupape dans une turbo-pompe d’un système de lubrification d’une centrale nucléaire de production d’électricité, permet d’illustrer la méthode. Un modèle de défaillances par rupture provoquées par la fatigue est développé, et une politique de maintenance conditionnelle (basée sur l’état) est appliquée au composant sur un horizon temporel fixe. La performance de la politique de maintenance est évaluée en termes de coûts et d’indisponibilité du composant.
La méthode produite des distributions de plausibilité et de croyance pour les variables de sortie d’intérêt. Des travaux complémentaires sont nécessaires pour aider les décideurs à interpréter ces informations et les intégrer à des processus et outils d’aide à la décision.