Distributionally Robust Optimization For Decision Making Under Uncertainty For RAMS - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2024

Distributionally Robust Optimization For Decision Making Under Uncertainty For RAMS

L'optimisation distributionnellement robuste pour l'aide à la décision sous incertitude pour la sûreté de fonctionnement

Pascal Quach
Yiping Fang
Anne Barros

Résumé

Uncertainty quantification is a key component of modern reliability, and safety engineering. Most real-world decision-making problems in maintenance planning include uncertain parameters. The uncertainty model might be fitted to existing historical data, or expert knowledge, but remains ambiguous (Ellsberg, 1961). When data are scarce, or the system evolves in real conditions, the model may end up inaccurate. The impact of model misspecification is well-studied in the literature through perturbation and stability analysis (Rahimian and Mehrotra, 2022). To address model misspecification, we propose to introduce in RAMS analysis a framework from decision-making under uncertainty: the distributionally robust optimization framework.
La quantification des incertitudes est un élément clé des techniques modernes de fiabilité et de sûreté de fonctionnement. La plupart des problèmes d'aide à la décision en planification de maintenance en situation réelle incluent des paramètres incertains. Le modèle d'incertitude peut être spécifié à partir de données historiques existantes ou d'expertise métier, mais reste ambigu (Ellsberg, 1961). Lorsque les données sont rares ou que le système évolue dans des conditions réelles, le modèle peut s'avérer imprécis. L'impact d'une spécification erronée du modèle est étudié dans la littérature à travers l'analyse par perturbation et de stabilité (Rahimian et Mehrotra, 2022). Pour remédier à cela, nous proposons d'introduire dans l'analyse de sûreté de fonctionnement un outil issu de la prise de décision sous incertitudes: l'optimisation distributionnellement robuste.
Fichier principal
Vignette du fichier
distributionally-robust-optimization-for-decision-making-under-uncertainty-for-rams.pdf (272.18 Ko) Télécharger le fichier
Origine Fichiers éditeurs autorisés sur une archive ouverte
Licence

Dates et versions

hal-04634263 , version 1 (03-07-2024)

Licence

Identifiants

  • HAL Id : hal-04634263 , version 1

Citer

Pascal Quach, Yiping Fang, Anne Barros. Distributionally Robust Optimization For Decision Making Under Uncertainty For RAMS. European Safety and Reliability Conference, Polish Safety and Reliability Association, Jun 2024, Cracow, France. ⟨hal-04634263⟩
0 Consultations
0 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More