Construction de la structure des Réseaux Bayésiens causaux appliqués au diagnostic

National audienceLe formalisme des Réseaux Bayésiens possède plusieurs caractéristiques intéressantes pour l'analyse causale dans le domaine industriel. En effet, il permet de combiner des données certaines et incertaines d'une part et d'exploiter à la fois les données et l'expertise d'autre part. Mais la construction du réseau reste encore un défi dans les cas pratiques. Dans cet article, nous abordons cette problématique en proposant un algorithme de construction du réseau appliqué au diagnostic dans le domaine industriel. L'algorithme consiste, dans un premier temps, à exploiter les connaissances expertes et les propriétés du domaine d'application pour répartir les variables (ou paramètres ou noeuds) en différents niveaux de causalité. Cette première phase aboutit à une répartition en « cascade » des noeuds commençant par les causes racines pour aboutir aux effets ultimes en passant par un ou plusieurs niveaux intermédiaires. Puis dans une seconde phase, l'algorithme proposé permet de déterminer les liens de causalité existant entre les différents noeuds à partir des données de traçabilité unitaire historisées. L'étude comparative sur les données synthétiques avec les algorithmes d'apprentissage de structure parmi les plus performants actuellement a montré que notre algorithme est plus efficace en termes de capacité à reconstruire le vrai réseau