Académique Documents
Professionnel Documents
Culture Documents
1. Introduction Les connaissances par rapport la qualit environnementale des btiments sont souvent imprcises et certains points de lvaluation de cette qualit considrent des dcisions subjectives. Les acteurs des btiments utilisent des donnes qui ne sont pas toujours satisfaisantes au niveau de la prcision, notamment parce que les valeurs et les croyances ne sont pas toujours quantifies facilement. En consquence, des formalismes reprsentant les informations incertaines (inadquates) doivent tre dvelopps dans ce domaine. La reprsentation des connaissances imparfaites et le raisonnement en prsence dincertitudes constituent un domaine trs actif dans la recherche en intelligence artificielle (Motro, 1995). Ces incertitudes ont intress plusieurs chercheurs et beaucoup d'articles ont t crits sur cette question. Toutefois, trs peu de recherches ont t faites dans le domaine pour la qualit environnementale des btiments.
Ltude prsente ici aborde ces problmes et propose une mthode pratique, base sur la thorie des possibilits. Elle aide qualifier les caractristiques des btiments sans ignorer les incertitudes des donnes. Cela permettra l'utilisateur d'ajouter une crdibilit dans lutilisation dune mthode franaise pour lvaluation de la qualit environnementale des btiments (la NF Btiments tertiaires- dmarche HQE). Cette communication sera dcompose en trois parties: dans un premier temps, une prsentation des aspects conceptuels de la mthode d'valuation NF-HQE sera faite. Puis nous prsenterons les incertitudes dans le secteur des btiments ainsi que les diffrentes modlisations des incertitudes pour ensuite justifier le choix de lapproche possibiliste. La troisime partie prsentera notamment la mthodologie propose pour intgrer les incertitudes dans cette valuation.
2. Concept de la qualit environnementale des btiments Dans le secteur du btiment, le besoin d'valuer quantitativement les effets environnementaux des oprations de construction est devenu une condition pratique pour obtenir une construction durable. Des mthodes dvaluation de la qualit environnementale des btiments accompagnent maintenant les processus ds la conception et jusqu' la dmolition. Cependant, les avantages les plus significatifs peuvent tre obtenus si l'quipe de projet retient ce type dapproche le plus tt possible. En adoptant cette stratgie, la performance tant conomique qu'environnementale peut tre maximise. La mthode dvaluation fournit gnralement un jeu de cibles, qui sont utilises comme un guide pour amliorer la conception. Les quipes de conception les utilisent pour mesurer la performance des btiments. Vue limportance de ces mthodes, la plupart des pays ont des approches adaptes leur contexte local.
2.1. Lapproche franaise pour la qualit environnementale des btiments L'approche franaise pour sinscrire le secteur de btiments dans une perspective de dveloppement durable est la Haute Qualit Environnementale HQE. Le CSTB et lAFNOR, mandats par lassociation HQE, ont mis en place une certification pour les btiments tertiaires (bureaux, coles). Cest une des mthodes franaises dvaluation. Les 14 cibles de cette mthode offrent un langage commun, dcrivant prcisment les caractristiques environnementales dun btiment et permettant ainsi de saccorder sur des objectifs partags par tous les acteurs. Ces cibles concernent l'co-construction (relation harmonieuse des btiments avec leur environnement immdiat, le choix intgr des procds et produits de construction, le chantier faibles nuisances), l'co-gestion (gestion de l'nergie, de l'eau, des dchets
d'activits, entretien et maintenance), le confort (hygrothermique, acoustique, visuel, olfactif), la sant (conditions sanitaires, qualit de l'air et de l'eau) (CSTB 2005). Malgr le fait que ce systme de certification est trs rcent, il est dj possible de dcrire quelques faiblesses et forces. Bien videmment, le fait de donner un contenu concret aux 14 cibles est trs positif et utile. Nanmoins, du point de vue mathmatique, un besoin de prendre les incertitudes en considration est aussi important. L'inexactitude ne peut pas tre ignore long terme parce que tous les projets sont soumis au moins un certain degr d'incertitude. Les donnes de la certification sont divises entre les cibles quantitatives et les cibles qualitatives. Les donnes quantitatives peut tre prsentes une chelle numrique. Mais ce nest pas le cas pour les donnes qualitatives. Les deux types de cibles sont face l'imperfection : les avis personnels dans les proccupations qualitatives sont souvent valus subjectivement et les mesures dans les cibles quantitatives ne sont pas faites compltement sans erreur.La meilleure solution consiste de toute faon, quelque soit la mthode dvaluation, damliorer la qualit des donnes dentre. Mais, malheureusement ce n'est pas toujours facile dans le domaine de la construction. En fait, l'imprcision devrait tre prise en compte ds le dbut, en vitant l'utilisation de valeurs supposes prcises lordque les informations ne sont pas fiables.
3. Modlisation d'incertitudes dans le domaine de constructions L'erreur, l'imprcision et l'incertitude sont les termes associs la notion d'imperfection. Les dfinitions de ces termes sont dtailles par (Bonna1, 2004) et (Motro, 1995). Comme rponse au fait que la plupart des paramtres que nous rencontrons dans le monde rel ne sont pas prcisment dfini (Bouchon, 1992), beaucoup de techniques pourraient tre utilise pour intgrer les incertitudes. Chaque technique ou thorie mathmatique est capable de considrer seulement certains types spcifiques d'incertitudes. L'utilisation de la thorie des probabilits dans plusieurs domaines a donn des rsultats importants (Bonnal, 2004). Cependant, parce que c'est une thorie particulirement axiomatique, plusieurs limitations existent par rapport des situations de processus dcisionnel, particulirement pour la qualit environnementale des btiments. Ces limitations rsultent notamment du fait du nombre de donnes qui ne permet par une utilisation raisonnable de la loi de distribution. La thorie des sous-ensembles flous a t applique la prdiction, le processus dcisionnel et le contrle d'actions dans des environnements caractriss par l'incertitude, le manque de prcision, et la subjectivit. Dans le domaine de la construction, la modlisation dincertitudes par des sous ensembles flous a t
utilise pour plusieurs applications, notamment la chane d'approvisionnement (Petroivc et al, 1998), la planification de projet (Bonnal, 2004) et la simulation d'oprations de construction (Zhang, 2003). Le concept de base de cette thorie est le sous ensemble flou. C'est un ensemble d'lments o chaque paramtre a une valeur associe dans l'intervalle [0, 1]. Le sous-ensemble flou trapzodal sera utilis pour modliser les paramtres quantitatifs dans cette tude. Il est montr dans la figure1. A Possibilit 1 A: Lintervalle le plus possible B: Lintervalle possible 0 B Figure 1. Le sous ensemble flou trapzodal Paramtre
La thorie des possibilits est base sur la thorie des sous-ensembles flous (Dubois, 1985). Cette thorie est une branche importante de logique floue (Zadeh, 2005). Dans cette thorie chaque variable a une distribution de possibilit associe . Celle-ci qualifie des valeurs de base de donnes avec des nombres pour dcrire la possibilit que ces valeurs spcifiques soient correctes. Cette thorie peut valuer quantitativement les critres qualitatifs, qui sont difficiles valuer par une valeur exacte (Seo et al, 2004). Grce sa capacit de manipuler des donnes imprcises et des contraintes flexibles qui sont dans la certification NF-HQE, elle a t choisie dans le cadre de cette tude. Ceci pour deux raisons : la prsentation simple et unique des incertitudes et des imprcisions, et la particularit de reprsenter les caractres vagues, flexibles et flous de qualificatifs du langage naturel. En gnral, la distribution de possibilits est labore subjectivement en demandant la coopration de professionnels dans le domaine d'tude. En utilisant le principe d'extension, toutes les oprations arithmtiques peuvent tre effectues pour les sous ensembles flous, et les rsultats seront des sous-ensembles flous eux-mmes. Le processus de defuzzification est important parce qu'il peut traduire un sous ensemble flou pour donner un nombre. La mthode de defuzzification la plus populaire est certainement le calcul du centre de gravit. Cependant, le milieu de coupes proposes par Dubois, Fargier et Fortemps (Bonnal, 2004) semble tre la faon la plus efficace de trouver la moyenne de n'importe quel intervalle flou. Cette proposition est base sur la mthode explique par (Yager, 1981). Elle sera applique dans la mthodologie de notre recherche. Avec l'avantage de la linarit, cette mthode ajoute nimporte quel intervalle flou une quantit obtenue du milieu
des segments produits par - coupes. La dfinition de coupes est montre dans la figure 2.
4. Description de la mthode propose Dans la figure 3 nous pouvons trouver un exemple d'agrgation de sous- cibles dans la certification. La modlisation d'imprcision de paramtres sera faite laide de la distribution de possibilit . Ces paramtres prsentent les donnes qui aident trouver le profil environnemental du btiment. Dans cet article, seules les incertitudes de paramtres quantitatifs vont tre traites. En pratique, certaines contraintes imposes sont flexibles de nature ; elles utilisent des conditions tolrables. Dans ce cas, la reprsentation classique avec une bonne ou une mauvaise performance n'est pas la meilleure. Les contraintes flexibles trouves dans la certification sont de type: "plus grand que" et "moindre que". La distribution de possibilit peut tre utilise pour les modliser ces deux cas, et quelques contraintes complmentaires peuvent tre ajoutes. La mthode dveloppe dans cette tude associe un degr de crdibilit aux trois niveaux de fonctionnement dans la mthode NF-HQE (B pour Base, P pour performant et TP pour trs performant) en fonction des caractristiques du btiment tudi. Le profile environnemental minimal de la certification NF-HQE selon les 14 cibles est obtenu quand trois cibles au moins ont un niveau dvaluation trs performant, 4 sont au moins qualifies par le niveau performant et 7 cibles sont au plus attribues un niveau base de performance. L'addition de la crdibilit cette valuation aidera le concepteur considrer les incertitudes des donnes disponibles. Une crdibilit faible indique que l'valuation doit tre revue cause de l'inexactitude et du manque de prcision des informations. Une crdibilit montre en revanche que les informations disponibles sont suffisantes.
5. Les paramtres quantitatifs Loptimisation des consommations d'nergie constitue une sous-cible de la cible numro 4 (gestion dnergie). Dans cette sous cible, il y a un critre qui compare le coefficient Ubat (W / m2. K), coefficient moyen de diminution par l'enveloppe du btiment calcul selon le RT2000 par la mthode TH-C (CSTB, 2005), avec une rfrence estime Ubatref. Si Ubat < Ubatref alors le rsultat de l'valuation de cette sous- cible est "Performant". Cette valuation sera incluse dans l'valuation de la cible finale. Pour montrer limprcision de cette donne, la valeur d'Ubat a t modlise avec la distribution de possibilit comme le montre la figure 4. La flexibilit dans la contrainte Ubat < Ubatref a aussi t modlise grce la thorie des possibilits. Lobjectif de ces modlisations est de dterminer le niveau de la crdibilit de lvaluation effectue. Cette crdibilit est le rsultat dun calcul de la compatibilit entre deux sous ensembles flous. Ce calcul est prsent pour la premire fois par (Zadeh, 1978). Dans lexemple montr dans la figure 4, la fonction de contrainte indique que les valeurs d'Ubat les moins de 0.35 donneront la crdibilit maximale, et les valeurs suprieures 0.377 ne mneraient aucune crdibilit. Entre 0.35 et 0.377, la crdibilit thorique diminue linairement. Pour toutes les valeurs d'Ubat, la fonction
de contrainte est superpose sur la fonction d'incertitude. Chaque valeur corrle avec un niveau de crdibilit et avec un niveau de possibilit comme le montre la figure 4. A titre exemple, la valeur 0.32 corrle avec le niveau de crdibilit 1 et le degr de possibilit 0; ce point (I) est reprsent sur le rsultat de la combinaison. Toutes les valeurs d'Ubat sont tudies et tous les couples de points sont transfrs sur le diagramme final. Ce sous ensemble flou montre la possibilit de chaque niveau de crdibilit pour ce paramtre. Il formule les incertitudes dans l'valuation de cette sous cible comme "Performant". Cependant, comme ce rsultat doit tre traduit par un nombre, l'utilisation de la defuzzification est ncessaire. L'application de la mthode de defuzzification (le milieu des - coupes) donnera 0.375. Cette crdibilit montre que l'valuation trouve n'est pas parfaite. Nous considrons l que la crdibilit de l'valuation est faible.
Niveau de crdibilit de lvaluation
Ubat 0
0,35 0,377
Possibilit -3 % 1
1
+3 %
Possibilit
+
0,5
Ubat 0
I II
Ubat
0,35
0,37
0,39
II I
0,5 1
Crdibilit
6. Conclusion Le but de cet article est de fournir une tude d'application de la thorie des possibilits dans l'valuation de la qualit environnementale des btiments. Grce la souplesse de cett thorie, lintgration des incertitudes dans les processus dvaluation est rendu possible. Notamment pour des cas o linformation numrique est mal connue, ou insuffisamment dcrite pour identifier une loi de probabilit. Nous estimons quau-del de la qualit environnementale, dautres domaines du btiment pourraient bnficier de ce type dapproche (on pensera notamment la matrise des cots, la matrise des dlais, ).
7. Bibliographie Bonnal P., et al, Where do we stand with fuzzy project scheduling , journal of construction engineering and management, Vol. 130, no 1, 2004, p. 114-128 Bouchon- Meunier B., La logique floue, Que sais-je? PUF, n 2702, 1992. CSTB., NF-Btiments tertiaires-dmarche HQE, Rfrentiel technique de Certification. http://assohqe.org/documents, 2005. Dubois D., Prade H., Thorie des possibilits. Application la reprsentation des connaissances en informatique, Edition Masson, 1985. Motro A., Imprecision and Uncertainty in Database Systems . dans Fuzziness in Database Management Systems, Physica-Verlag, 1995. p. 457-476. Petroivc D., Roy R., Petroivc R., Modelling and simulation of a supply chain in an uncertain environment , European Journal of Operations Research, vol. 109, 1998, p. 299309. Seo S., et al, Fuzzy decision-making tool for environmental sustainable buildings , Journal of construction engineering and management, vol. 130 n 3, 2004, p. 415-423. Yager R., procedure for ordering fuzzy subsets of the unit interval , Information sciences, Vol. 24, 1981, p. 143-161. Zadeh L., Fuzzy sets as a basis for a theory of possibility, Fuzzy Set and Systems, vol. 1, 1978, p. 3-28. Zadeh L., What is fuzzy logic and what are its applications? http://www.eecs.berkeley.edu/IPRO/Summary/03abstracts/zadeh.13.html , 2005. Zhang H., et al., Application of fuzzy logic to simulation for construction operations , Journal of computing in civil engineering, vol. 17, n 1, 2003.