Les Réseaux Bayésiens versus d'autres modèles probabilistes pour le diagnostic multiple de gros systèmes

Notre travail se situe dans le contexte du diagnostic multiple de systèmes fiables et de grande taille. Les systèmes que nous considérons sont constitués de composants, reliés entre eux par leurs entrées ou sorties. Un composant C est soit en bon état ok(C) soit défaillant ab(C). L’objectif du diagnostic est de trouver le ou les composants défaillants qui expliquent le mieux des observations de panne. Plusieurs aspects rendent cette tâche difficile : la grande taille des systèmes considérés implique qu’un grand nombre de composants peuvent être défaillants et que la liste des diagnostics correspondant à des observations de panne peut être longue ; de plus, pour les systèmes fiables, peu de scénarios de pannes sont connus et ils ne peuvent pas être utilisés pour la recherche des diagnostics. En revanche, la probabilité de défaillance de chaque composant est connue. En fonction de ces contraintes pour la recherche des meilleurs diagnostics, les réseaux bayésiens apparaissent comme un modèle très bien adapté. Après avoir décrit les réseaux bayésiens que nous utilisons, nous présentons notre algorithme de diagnostic. Nous comparons ensuite notre approche avec d’autres modèles probabilistes utilisés pour le diagnostic et expliquons en quoi ils ne sont en général pas adaptés au diagnostic multiple de systèmes fiables et de grande taille.