Sous la responsabilité d'Adeline Leclercq Samson, professeur à l’Université Grenoble Alpes en statistique et Jérôme Lelong, professeur à Grenoble INP – UGA, Ensimag, en probabilités numériques, vous intégrerez le département DATA dont les membres sont spécialistes de statistique et probabilité.
Ce projet ambitionne d’améliorer les analyses de performance énergétique d’installations industrielles afin d’optimiser leur consommation énergétique. Les analyses de performance énergétique, les plans d’actions qui en découlent ainsi que les gains/dérives reposent sur des compteurs qui mesurent des grandeurs physiques (index de compteurs, mesure de température, de pression, de débit, d’humidité). Ces compteurs et toute leur chaîne d’acquisition rencontrent régulièrement des dysfonctionnements qui peuvent avoir de multiples origines, par exemple une grande imprécision des appareils de mesure, des mécanismes de saturation, des dérives de capteur ou des erreurs d’acquisition. Ce défaut de qualité de la donnée a un impact majeur sur l’exploitation et l’analyse de ces données.
La qualité des données dépend du type de données (température, pression, débit, etc.), de leur échantillonnage et du type d'anomalie. Des méthodes statistiques existent pour détecter des valeurs extrêmes, des ruptures ou des dérives, mais elles doivent être adaptées au contexte industriel. Les tests statistiques pour les valeurs extrêmes nécessitent une adaptation pour les séries temporelles, notamment pour tenir compte de l’irrégularité des temps d'observation.
La détection de dérives peut être réalisée par modélisation, régression et calcul d'une bande de confiance fonctionnelle. Une dérive est définie par des mesures hors de cette bande. Les bandes de confiance fonctionnelles ne sont garanties que dans un cadre asymptotique et ne traitent pas le biais fonctionnel engendré par l'application d'un noyau ou d'un opérateur de projection. La détection de ruptures dans les séries temporelles a été largement étudiée. Cependant, les méthodes actuelles ne sont pas adaptées à des échelles de temps variables ou à des mécanismes de rupture différés.
