Académique Documents
Professionnel Documents
Culture Documents
SIMON Christophe
CRAN- Nancy-Universit- CNRS
Contexte
Durable
Plan
Risque, expertise et perception Recueillir, Agrger et exploiter les avis des experts
Approches probabilistes Approches crdales Approches possibilistes
Quelques Applications
Agro-alimentaire Nuclaire Gnie civil Environnement
Conclusion
CRAN Nancy Universit -CNRS UMR 7039 3
Le risque
La perception du risque
Problmatique du risque
Le risque zro n'existe pas, il est inhrent notre existence Les socits industrialises l'acceptent de moins en moins Les risques se dveloppent en fonction de nos modes de vie
Risques sanitaires, Risques conomiques, Risques industriels, Risques environnementaux, Risques juridiques Au renouvellement de matriels, la construction de nouveaux dispositifs, la cration de dispositifs technologiquement plus complexes, disposer d'un retour d'exprience crdible et objectif percevoir prcisment les paramtres constitutifs du risque Modliser prcisment les mcanismes d'mergence du risque Maitriser les impacts des dispositifs quantifier le risque pour crer des donnes Mieux comprendre les impacts
CRAN Nancy Universit -CNRS UMR 7039 7
Les experts
L'expert joue un rle crucial:
Il amne de la connaissance sur les processus risque, Il transpose des donnes d'une situation une autre. Subjectivit de lapprciation/perception de paramtres Problme de la prcision sur la perception dun paramtre Prise en compte lincertitude dans le processus dvaluation Sollicitation des experts sur un rfrentiel Capture du/des avis Combinaison/agrgation des avis Exploitation des avis dans le modle de calcul du risque
CRAN Nancy Universit -CNRS UMR 7039
valuation du risque selon la logique du processus Agrgation des avis
Lart expertal
Processus
Processus d'valuation
3 mthodes d'valuation
Mthodes qualitatives Mthodes semi-quantitatives Mthodes quantitatives P : Vraisemblance d'apparition du risque G : Consquence d'un accident
Le risque R=GxP
Approches probabilistes
Quantification objective
Modles d'valuation probabiliste d'occurrence de l'accident P Arbres de dfaillance Chaines de Markov Rseaux de Petri Rseaux Baysiens ...
P = f (P , Pn ) 1,
Quantification subjective
Questionner les experts
frquent Occasionnel
Rare
Death
X
Rare Improbable Presque Impossible
Agrgation
Calcul de frquence
Extraction du maximum pour faire la synthse du groupe d'experts L'expert ne peut pas tre imprcis en choisissant 2 modalits. S'il choisit 2 modalits, le poids de son vote doit tre divis par 2. Attention la cohrence Comment l'expert peut-il indiquer qu'il ne sait pas? Si l'avis de l'expert n'est pas strictement sur une modalit?
frquent Occasionnel CRAN Nancy Universit -CNRS UMR 7039
Remarques :
X
Rare
X
Improbable Presque Impossible
Exploitation
IV
III
II
Exploitation
IV
III
II
Exploitation
Exemple d'un rseau baysien codant la matrice de risque
Valuation/Agrgation
Agrgation
Calcul dune distribution unique faisant la synthse du groupe d'experts (pi=wjpij)
Remarques :
L'expert peut tre incertain en donnant un poids plusieurs modalits Lexpert ne peut pas tre imprcis mme en choisissant n modalits. Lexpert doit tre additif (pij=1). Comment l'expert peut-il indiquer qu'il ne sait pas ? Les modalits relles sont elles rellement disjointes ?
0
CRAN Nancy Universit -CNRS UMR 7039
0.5
0.3
0.2
Exploitation
0.24 0.64 0.11 0.02 0.43 0.52 0.02
1
0.01
0.1
V
0.1
IV
0.4
III
0.3
II
0.1
I
Remarques
Questionnaire
modalits disjointes frquentiste ou subjectiviste ventuellement sur des chelles continues avec des quantiles
Agrgation simple Modle probabiliste simple Ne tient pas compte de limprcision Problme de disjonction des modalits Lhomme nest pas une machine additive
Proposition
Cela suppose de :
Evaluation/Agrgation
Thorie de Dempster-Shafer
m : 2 [0,1]
Combinaison dopinions
m1 m2 ( X ) =
m1 m2 ( X ) =
A B = X
m ( A).m (B )
1 2
1 2
A B = X
m ( A).m (B )
P ( X ) = Pls ( X ) =
m( A)
A X
m( A)
Pls ( X ) = 1 Bel X
( )
( 1) X B Bel (B )
CRAN Nancy Universit -CNRS UMR 7039
Questionnaire
0.4
0.1
0.3
0.1
0.1
Frquent
Occasionnel
Rare
Improbable
Presque Impossible
Valuation/Agrgation
m1 m2 ( X ) =
A B = X
m ( A).m (B)
1 2
m1 m2 ( X ) =
A B = X
m ( A).m (B )
1 2
m1 m2 ( X ) =
m1 m2 ( X ) =
A B = X
m ( A).m (B )
1 2
A B = X
m ( A).m (B )
1 2
Remarques
Questionnaire
form des sous ensembles de modalits disjointes subjectiviste ventuellement sur des chelles continues
Approche possibiliste
Proposition
Cela suppose de :
Echelle de cotation
Ab o
ut
C?
? Concepts disjoints
Nouvelle chelle subjective dvaluation
Vrifie
() = 0, (X)=1
( A) = 1
A = [9 13]
N A =1 A
Les possibilits sont des substituts faibles des probabilits et dfinissent une famille de probabilits
Interface de cotation
Il sagit donc de prciser les valeurs possibles et impossibles que peut prendre le paramtre et la certitude que lon a sur ces valeurs
CRAN Nancy Universit -CNRS UMR 7039
Cotation
Lexpert considre percevoir parfaitement la valeur du paramtre sans incertitude (engagement total)
Cotation
Cotation
Lexpert peroit la valeur du paramtre comme environ moyen Il nest pas sur que la valeur ne puisse pas tre galement Faible Fort
Cotation
Lexpert ne sait pas ou ne veut pas proposer une valeur Toutes les concepts de valeurs sont possibles
Agrgation davis
Expert 2
c = mi n 'e' ,c j ei i j
Avis agrgs
Agrgation dopinions
Expert 1
Expert 2
c = mi n 'e' ,c j ei i j
Avis agrgs
Agrgation dopinions
2nd case: 2 experts Disjoint opinions
Expert 1
Expert 2
c = m i n 'e' ,c i j j ei
Avis agrgs
Modes dagrgation
1 K
ei iK
' ' ei ,c j
Infrence : Combinaison/Projection
Modus Ponens AB Or A B
Applications
1. Industrie Agro-Alimentaire (C. BAUDRIT) 2. Suret Nuclaire (S. DESTERCKE) 3. Ouvrage de gnie civil (C. CURT) 4. Risque Naturel (J.M. Tacnet)
Conclusion
Le manque de donnes objective conduit lutilisation dexperts Structurer le processus de collecte davis en accord avec dagrgation Les agrgations sappuient sur diffrentes thories
probabiliste (frquentiste/subjectiviste) quasi-probabilistes (incertitude et imprcision)
Les avis agrgs peuvent tre propags dans des modles de complexit variable (quations, graphes) formalisant tout ou partie du processus dcisionnel
Bibliographie
SIL allocation of SIS by aggregation of experts opinions, ESREL, Safety and Reliability Conference, Stavanger, 2007. T. Denoeux, The cautious rule of combination for belief functions and some extensions, in proceddings of FUSION2006, Florence, Italy, July 2006. P. Reichert and D. Keith, Bayesian combination of expert judgments: reinterpretation of the meaning and dependence of elicited distributions, 2001. M. Troffaes, Generalising the conjunction rule for aggregating conflicting expert opinions, Int. Journal of Intelligent Systems, 21(3): 361-380, 2006 C. Baudrit, D. Guyonnet and D. Dubois, Post-processing the hybird method for addressing the uncertainty in risk assessments, Journal of Environnemental Engineering, 131(12), 1750-1754, 2005. S.Destercke and E. Chojnacki, Methods for the evaluation and synthesis of multiple sources of information applied to Nuclear computer codes, Nuclear Engineering and Design, 238(9), Sep. 2008 J.M. Tacnet, M. BATTON-HUBERT and DEZERT, Information, fusion for natural hazards in mountains,in Part II, Advances and Applications of DSmT for Information Fusion, Volume 3, America Research Press, June 2009, pp 51006 Minh Ha-Duong, Hierarchical fusion of expert opinions in the Transferable Belief Model, application to climate sensitivity , International Journal of Approximate Reasoning, Volume 49, Issue 3, November 2008, Pages 555-574 Proceedings of the workshop on The use of expert Judgment in Decision Making, Aix en Provence, 21-23 June 2005 Institut de la maitrise des risques, Journe Nouvelles thories de lincertain pour la maitrise des risques industriels, 17/11/2008. P. Walley, Statistical reasonning with imprecise probabiliites, Chapmann and Hall, 1991 S. Sandri, D. Dubois and H. Kalfsbeek, Elicitation, assessment and pooling of expert judgments using possibility theory, IEEE Transactions on fuzzy systems, 3, 313-333, 1995 G. Shafer, A mathematical theory of evidence, Princeton University Press, 1976 D. Dubois and H. Prade, Possibility theory, Plenum Press, 1988. R. Cooke, Experts in uncertainty, Oxford University Press, 1991.
CRAN Nancy Universit -CNRS UMR 7039