Speakers
Description
La surveillance des indicateurs implique la collecte en continu et l'analyse de métriques, ce qui permet d'éclairer la prise de décision. Cependant, des erreurs de mesure peuvent entacher la collecte d'indicateurs et conduire à une décision erronée. Cette contribution
propose une approche probabiliste pour la prise en compte de telles erreurs de mesure. Notre travail est réalisé dans le contexte de l'industrie manufacturière, où la métrologie est un outil clé pour le tolérancement car elle est utilisée pour déterminer si les dimensions sont dans leurs intervalles de tolérance. Cependant, la méthode proposée peut facilement être appliquée à d'autres problème, tant que l'indicateur considéré implique une plage de valeurs acceptables. La densité de probabilité de l'erreur de mesure est supposée connue; ce travail est inclus dans un projet de recherche en collaboration avec une entreprise de métrologie, où les ingénieurs sont en mesure de nous fournir ces informations.
Cet article décrit une stratégie pour tenir compte de ces erreurs de mesure et corriger (partiellement) ou atténuer leurs effets. À travers l'inférence bayésienne, la vraisemblance des vraies valeurs données des valeurs mesurées est estimée, permettant une correction probabiliste.
La méthode proposée est appliquée à des exemples numériques avec des données simulées et sa pertinence est discutée.
