| Résumé | Les défaillances imprévues du matériel complexe comme les trains et les aéronefs occasionnent des dépenses inutiles, perturbent le déroulement des activités, affectent le degré de satisfaction des consommateurs et peuvent réduire la sécurité dans la pratique. Les systèmes de pronostic et de gestion de la santé (PGS) visent entre autres à réduire le nombre de défaillances imprévues par la surveillance des composants d'intérêt et à prévoir les défaillances avec suffisamment d'avance pour permettre une planification adéquate. En d'autres mots, les systèmes de PGS pourraient aider à prévoir les défaillances qui, à l'heure actuelle, sont imprévues. Des recherches récentes ont démontré l'utilité de l'exploration de données dans l'établissement de modèles pronostiques pour les systèmes de PGS, mais elles ont aussi fait ressortir la nécessité de mettre au point de nouvelles méthodes d'évaluation qui prennent en compte les particularités des applications pronostiques. Le présent article décrit ce problème, d'abord en expliquant les méthodes traditionnelles et plus récentes d'évaluation des modèles d'exploration de données et ensuite en exposant leurs lacunes sur le plan des applications pronostiques. On y propose également une nouvelle approche pour éliminer ces lacunes. Cette approche, qui incorpore les différents coûts et avantages liés aux pronostics, permet de quantifier les économies qui devraient découler d'un modèle pronostique donné. Du point de vue de l'utilisateur, la formule est pratique, car elle est facile à comprendre et elle repose sur des valeurs réalistes. L'article montre l'utilité des méthodes dans une étude en conditions réelles faisant appel à des modèles pronostiques d'exploration de données et à de l'information réaliste sur les coûts et les avantages. Les résultats indiquent que l'approche est réalisable et qu'elle peut être étendue à plusieurs applications pronostiques. |
|---|
