Analyse de sensibilité fiabiliste en présence d'incertitudes épistémiques introduites par les données d'apprentissage (Reliability-oriented sensitivity analysis in presence of data-driven epistemic uncertainty) Sarazin, Gabriel 2021-05-27 Institut Supérieur de l'Aéronautique et de l'Espace

Directeur(s) de thèse:  Morio, Jérôme; Lagnoux, Agnès Laboratoire :  Equipe d'accueil ISAE-ONERA Modélisation et Ingénierie des Sytèmes -MOIS ,  Département Traitement de l’information et systèmes - DTIS (depuis 2017) Ecole doctorale :  Mathématiques, Informatique et Télécommunications de Toulouse -MITT Classification : Mathématiques

Accès :  Texte intégral Mots-clés :  Incertitudes aléatoires et épistémiques, Analyse de sensibilité, Estimation de probabilités d'évènements rares, Méthodes de simulation de Monte-Carlo, Statistique inférentielle, Théorie des copules Résumé : Dans le contexte d'une analyse de fiabilité, pour évaluer la position de retombée d'un étage de lanceur de satellite et pour estimer le risque de défaillance associé, il est souvent nécessaire d'utiliser un code de simulation numérique dont les entrées sont des mesures issues de systèmes embarqués. La méconnaissance des incertitudes affectant ces entrées mesurées peut avoir un impact considérable sur la qualité de l'estimation du risque de défaillance. Ces travaux de thèse ont deux objectifs principaux : - Implémenter un algorithme permettant d'acquérir le maximum de connaissances sur la distribution des entrées (sachant que la seule matière première est un jeu de données de petite taille) avant d'utiliser le résultat de cette apprentissage pour quantifier le risque de défaillance. - Effectuer une analyse de sensibilité permettant de comprendre quelles sont les variables d'entrée ou bien les motifs de dépendance en entrée qui jouent un rôle clé dans le processus d'estimation du risque. Résumé (anglais) : In the context of assessing the reliability of a satellite launch vehicle, an input-output simulation code is often required so as to predict the fallout position and to estimate the associated failure probability. Input data are measurements issued from embedded systems. The lack of knowledge about the uncertainties affecting input variables may have a significant impact on the quality of risk estimation. These PhD research works have two main goals : - Implementing an algorithm able to extract as much information as possible on the aforementionned uncertainties (knowing that the only available raw material is a small-sized dataset) before using the results of this statistical learning step to quantify the failure probability. - Performing a sensitivity analysis in order to understand which input variables or which input correlations play a key role in the risk assessment process. Langue : Français

Exporter au format XML