Quantité minimale d'observations pour l'estimation de Modèles de Markov Cachés, dans le cadre d'une politique de maintenance préventive
Abstract
Dans cet article, nous souhaitons évaluer la quantité minimale d'informations nécessaire pour l'estimation de modèles stochastiques, afin d'améliorer la conception d'une politique de maintenance préventive. Notre étude est basée sur des données fournies par un Modèle de Markov Caché (MMC) de synthèse. Ce modèle synthétique est destiné à produire des observations (ou " symboles ") utilisées dans le cadre d'une politique de maintenance préventive, ainsi qu'un indicateur de dégradation correspondant. Nous représentons ces événements chronologiques sous la forme de chaînes de Markov cachées d'ordre 1, également appelés " signatures ". La production de ces symboles est réalisée en utilisant des distributions uniformes ou normales. Nous mesurons ensuite la pertinence des paramètres du MMC à l'aide de l'entropie de Shannon. Les résultats montrent que l'on peut utiliser une quantité minimale d'informations pour décrire de manière optimale des modèles. Après une discussion sur l'utilisation d'une nouvelle " fenêtre glissante " de symboles utilisables dans un système de gestion de maintenance assistée par ordinateur, nous comparons l'ensemble des résultats avec des données réelles issues d'un processus continu.
Origin : Files produced by the author(s)
Loading...