Wednesday 26
Stochastic and robust optimization, online optimization, queuing theory and simulation, machine learning and statistical methods
Michaël Gabay
› 16:20 - 16:40 (20min)
› Bât. B - TD 36
Détection de l'apparition de tendances linéaires dans des séries temporelles stationnaires
Nicolas Durrande  1@  
1 : Département Décision en Entreprise : Modélisation, Optimisation  (DEMO-ENSMSE)  -  Website
École Nationale Supérieure des Mines - Saint-Étienne, Institut Henri Fayol
158 cours Fauriel 42023 Saint-Etienne Cedex 2 -  France

Les chaînes de production modernes sont de plus en plus fréquemment équipées de capteurs permettant de suivre, en temps réel ou non, les caractéristiques des pièces en cours de production. L'apparition d'une tendance linéaire (ou dérive) dans les caractéristiques d'une pièce peut être due à l'usure d'un outil ou au dérèglement d'une machine. Afin de maîtriser la qualité des pièces produites, il est primordial de pouvoir détecter au plus vite l'apparition d'une dérive.

Sous l'hypothèse que la série temporelle peut être modélisée par un processus gaussien stationnaire, nous proposons un test statistique basé sur une fenêtre glissante. Cette approche permet deux types de contrôles : soit par des p-valeurs, soit par l'écart maximal autorisée. Dans les deux cas, le test conjugue plusieurs tailles de fenêtres afin de pouvoir détecter les faibles dérives sur le long terme ainsi que les phénomènes plus abruptes.

La méthode proposée est bien plus rigoureuse et précise que les méthode classiques de maîtrise statistique des procédés où l'on se contente de repérer dix accroissements consécutifs. De plus, elle peut être appliquée à la détection d'autres motifs tels que la présence d'un biais.

(Un rapport de travail sera mis en ligne très prochainement à l'adresse suivante : www.emse.fr/~durrande, je suis actuellement en déplacement en Chine et je n'ai pas accès à ma page)


Online user: 1