Contexte : Projet ANR ASTER (Analyse Systémique des Terres Rares - flux et

stocks)

Lieu : IRIT (Toulouse)

Encadrants : D. Dubois et H. Fargier (IRIT), D. Guyonnet (BRGM, Orléans)

Thème : Etude et implémentation de nouvelles techniques de réconciliation de

données pour

l’analyse des flux de matières.

Description du sujet :

La réconciliation de données consiste à corriger des valeurs empiriques,

mesurées ou

fournies par des experts, quant aux paramètres d’un modèle de processus, de

façon à

restaurer la cohérence des données avec ce modèle. Dans l’application cible

de ce Post-Doc,

il s’agit de réconcilier des connaissances sur des flux de terres rares dans

la sphère

économique. Les terres rares sont des métaux nécessaires notamment aux

technologies

liées à la transition énergétique (lampes basse consommation, aimants

permanents pour

éoliennes ou véhicules électriques, etc.).

L’approche traditionnelle du problème de réconciliation consiste à chercher

des valeurs

corrigées cohérentes avec le modèle de processus, et qui minimisent l’erreur

quadratique par

rapport aux valeurs empiriques fournies. Cette technique est souvent

justifiée dans un cadre

probabiliste en considérant des distributions de probabilité gaussiennes

dont on connaît les

moyennes et les variances. Une approche alternative a été définie, dans

laquelle on introduit

des tolérances autour des données selon une approche possibiliste et non

plus probabiliste ;

techniquement, le problème posé pourrait alors être résolu par des

techniques de

programmation par contraintes flexibles (programmation linéaire floue ou

réseaux de

contraintes floues). Ces deux approches peuvent être généralisées dans un

cadre unifié, où

l’on choisit le modèle de tolérance et l’opérateur d’agrégation associé, ce

qui revient à choisir

la distance appropriée entre données brutes et données réconciliées, que

l’on va minimiser.

Les objectifs de ce stage sont :

- la mise en œuvre de l’approche de la réconciliation possibiliste ;

- la comparaison, sur des exemples, des solutions obtenues par l’approche

par contraintes

flexibles par rapport à celle, plus courante, des moindres carrés, et

éventuellement de

certaines des variantes de ces méthodes de réconciliation de données, afin

de mieux

appréhender leur domaine d’application ;

- une réflexion plus amont sur la caractérisation du domaine des valeurs

réconciliées

admissibles dans le cas des contraintes flexibles, en liaison avec les

méthodes de pavage

en analyse d’intervalles.