Modèle bayésien d'agrégation des avis d'experts en exploitation d'équipements, application à l'optimisation de la disponibilité

Le travail proposé dans ce mémoire traite le problème de la prise en compte des avis d'experts en exploitation des équipements industriels dans les modèles statistiques de fiabilité, de maintenance et de disponibilité. Les avis d'experts sont formulés sous forme de distributions a priori sur des paramètres inconnus de ces derniers modèles. L'inférence bayésienne est proposée comme une méthode de construction des distributions a postériori de ces mêmes paramètres en tenant compte des données de vraisemblance collectées lors de l'exploitation d'un équipement. Ainsi, trois modèles sont développés et résolus à l'aide des méthodes de simulation de chaînes de Markov de type MCMC. Le premier modèle concerne l'agrégation des avis d'experts issus d'un même domaine d'expertise formulés sur un seul paramètre. Le second propose un modèle d'agrégation des avis formulés sur deux paramètres, les experts proviennent de deux domaines d'expertises différentes. Ces deux premiers modèles sont validés à l'aide de trois critères statistiques : le DIC (Deviance information criterion), le p-value bayésien et le test non paramétrique de mesure de tendance des données. Le troisième modèle concerne l'optimisation de la disponibilité d'un équipement avec une actualisation du taux de défaillance et du taux de réparation sur plusieurs périodes. Les trois modèles ainsi que les algorithmes de résolution sont programmés sous Matlab. Des données de simulation ont été exploitées afin de tester la logique de modélisation et d'analyser la performance des modèles proposés.