ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne

APPEL À
CONTRIBUTION

Le comité de rédaction du JESA lance un appel à proposition de numéros spéciaux.

En savoir plus >>
Autres revues >>

Journal Européen des Systèmes Automatisés

1269-6935
Revues des Systèmes
 

 ARTICLE VOL 40/8 - 2006  - pp.911-935  - doi:10.3166/jesa.40.915-935
TITLE
Modeling dynamic reliability using dynamic Bayesian networks

RÉSUMÉ
Cet article considère le problème de modélisation et d'analyse de la fiabilité d'un système ou d'un composant dont l'état et celui du processus qui s'y déroule s'influencent mutuellement en plus d'une éventuelle perturbation exogène : c'est la fiabilité dynamique. Nous considérons le cas où les variables sont observées ou mesurées à des instants précis. Les réseaux Bayesiens dynamiques (RBD) qui permettent une représentation graphique des processus stochastiques constituent un outil mathématique intéressant pour ce problème. Leur pouvoir d'apprentissage et d'inférence peut être exploité pour prendre en compte les données de retour d'expérience ou la connaissance des experts. Il sera montré qu'une interaction complexe entre les différentes variables mentionnées peut être représentée par un réseau bayésien dynamique. L'extension des RBD en Diagrammes d'Influence par intégration des noeuds de décision va permettre l'optimisation des politiques de maintenance et/ou la prise de décision réactive en cas d'accident par simulation des scénarios possibles.


ABSTRACT
This paper considers the problem of modeling and analyzing the reliability of a system or a component where the state of the system and the state of process variables influences each other in addition to an exogenous perturbation influence: this is the dynamic reliability. We consider the case where different variables are observed or measured at discrete time instants. A mathematical tool that shows interesting properties for this purpose is the so called Dynamic Bayesian Networks (DBN) that permit graphical representation of stochastic processes. Furthermore their learning and inference capabilities can be exploited to take into account experimental data or expert's knowledge. We will show that a complex interaction between previously mentioned variables can simply be represented graphically by a dynamic Bayesian network. Extending DBN to influence diagrams (ID) by integrating decision nodes, one can analyze and optimize a maintenance policy and/or make reactive decision during an accident by simulating different scenarios of its evolution for instance.


AUTEUR(S)
Ayeley P. TCHANGANI, Daniel NOYES

MOTS-CLÉS
fiabilité dynamique, réseaux Bayésiens dynamiques, diagrammes d'influence, maintenance.

KEYWORDS
dynamic reliability, dynamic Bayesian networks, influence diagrams, maintenance.

LANGUE DE L'ARTICLE
Anglais

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (323 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier