1 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Fusion de données appliquée à l'END du béton V. Garnier M.A. Ploix J. Moysan D. Breysses.

Présentation au sujet: "1 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Fusion de données appliquée à l'END du béton V. Garnier M.A. Ploix J. Moysan D. Breysses."— Transcription de la présentation:

1 1 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Fusion de données appliquée à l'END du béton V. Garnier M.A. Ploix J. Moysan D. Breysses et beaucoup d’autres Laboratoire de Caractérisation Non Destructive Université de la Méditerranée – Aix-en-Provence SENSO Stratégie d’Evaluation Non destructive pour la Surveillance des Ouvrages en béton Vincent.Garnier@univmed.fr

2 2 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Objectifs du projet: Définir des protocoles d’essais non destructifs pour lier les observables aux indicateurs d’état et de pathologie du béton. Définir une démarche de fusion cohérente avec les données. Appliquer la méthode au cas des essais sur site  7 partenaires universitaires LMDC (Toulouse), CDGA (Univ. Bordeaux I), GEA (EC Lille), LCND (Univ. Méditerranée), LCPC (Nantes), LEAT (Univ. Nice Sophia-Antipolis) ONERA (Toulouse),  5 partenaires industriels CEIDRE EDF, GETEC, Exam-BTP, SOVEP, Port Autonome de Nantes-Saint-Nazaire Début janvier 2006Fin Juillet 2009 Introduction Projet ANR

3 3 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Fusion de données  Objectifs de la fusion : Collecter des informations d’observables multiples (lois empiriques). Obtenir une solution issue de la combinaison de plusieurs observables. Estimer la confiance dans le résultat.  Principe : Théorie des possibilités Gérer les incertitudes et les conflits Souplesse des opérateurs Aide au diagnostic

4 4 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010  Indicateurs :  Taux de porosité, Saturation, Résistance Compression, Module d’élasticité Profondeur des Chlorure et de la Carbonatation Aggr é gats Silice Roul é 0 – 12,5 mm Sil. Roul é 0-20 mm Sil. concass é 0-12,5 mm Cal Roul é 0-12,5 mm w/c0,30,40,50,60,80,5 Large base de données  techniques CND: Radar, Résistivité, Capacité, ultrasons ~ 80 observables (vitesse, attenuation...) Introduction 18,115,915,514,312,5 0406080100 90 dalles 5 niveaux de saturation (%) : 5 niveaux de porosité (%) : Projet ANR

5 5 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 FUSION  Vitesse(US) = …  Fréq.(Radar) = …  … Porosité ≈ … Saturation ≈ … Rc, E…  Connaissances de départ (campagne de mesure): Écart type de mesure de chaque observable ( V1, V2, V3 ) Fiabilité propre de chaque observable (= IQ) Corrélations observables/indicateurs (= régressions bilinéaires)  Entrées Valeurs mesurées de chaque observable sur le béton considéré  Sorties Estimation des indicateurs recherchés : Indice de qualité Fusion de données

6 6 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Trois étapes : 1) Modélisation des connaissances 2) Combinaison des distributions 3) Décision Fusion de données

7 7 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Fusion de données  Modélisation des connaissances = construction des distributions de possibilité Degré de possibilité 0 1 uouo [ π x (u) > 0 ] = ensemble flou des valeurs possibles de x u π x (u) π x (u) = 0 => “x = u” est impossible π x (u) = 1 => rien n’empêche x de valoir u u  Combinaison des distributions Fondée sur les opérateurs logiques : 0 1 π(u) π1π1 π2π2 π3π3  comportement conjonctif  comportement disjonctif  Décision Maximum des possibilités ou Seuil adaptatif  adaptatif (fonction du conflit)

8 8 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 8/20 V OS = 2209 m/s C pttes = -162 F V OR = 14 cm/ns t arr.14,7cm = 1,106 ns Paramètres influençant : écart type, correlation, pente de la corrélation Peu sensible à la saturation Peu sensible à la porosité saturation (%) Porosité (%) UltrasonsCapacité Radar saturation (%) Porosité (%) saturation (%) Porosité (%) saturation (%) Porosité (%) Modélisation des connaissances

9 9 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Corrélations empiriques observable porosité (%) Cas simple à 1 indicateur Mesure observable π π measure correlation 1,1 Porosité% Mesure Observable Saturation % Degré de possibilté Saturation % Porosité % Principe d’extension Distribution des possibilités des indicateurs saturation (%) porosité (%) Valeurs les plus plausibles / mesure Modélisation des connaissances

10 10 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Combinaison Fiabilité globale de chaque source Distribution de fusion Distribution des données saturation (%) porosity (%) Combinaison : fiabilité moyenne  Opérateur de Delmotte Adaptatif t i : fiabilité globale d’une source i

11 11 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010  Prise de décision Deux principaux critères de décision couramment utilisés :  Critère du maximum de degré de possibilité Décision Solution proposée : p = 18.3 % w = 48 %

12 12 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010  Prise de décision Deux principaux critères de décision couramment utilisés :  Critère du maximum de degré de possibilité  Critère du seuil Décision

13 13 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Applications Comparaison fusion – mesure

14 14 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Module Matlab développé

15 15 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Ecarts maximum : 2,5 pts Porosité / 4,7 pts Saturation Gâchée 6 : seule à agrégats différents Comparaison fusion - mesure S 70%Porosité %Saturation % GâchéesExpFusionΔPExpFusionΔS B214.316.82.569.7654.7 B315.517.82.370.7664.7 B715.916.80.968.73690.27 B818.1162.168.1662.1 B3a1617.21.272.3693.3 B414.215.41.260.17621.83 B515.216.61.470.4732.6

16 16 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Ecarts maximum : 5 320 pts / 5,6 pts Saturation Comparaison fusion - mesure S 70%Module MPaSaturation % GâchéesExpFusionΔEExpFusionΔS B230 91626 0004 91669,7663,7 B329 17824 0005 17870,7682,7 B729 17526 0003 17568,7712,3 B822 85728 0005 14368,1662,1 B3a28 91126 0002 91172,3711,3 B430 75730 00075760,2621,8 B533 32028 0005 32070,4765,6

17 17 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Ecarts maximum : 16,6 pts Rés Comp 4,7 pts Saturation / Comparaison fusion - mesure S 70%Rés Comp MPaSaturation % GâchéesExpFusionΔRcExpFusionΔS B255,639,016,669,765,04,7 B744,039,05,068,769,00,3 B827,045,018,068,164,04,1 B3a46,036,010,072,369,03,3 B447,049,02,060,261,00,8 B553,040,013,070,472,01,6

18 18 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Indice de qualité

19 19 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Applications Choix automatique des observables

20 20 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010  Objectif: Choix automatique des observables pour le résultat le plus fiable Choix automatique des observables  Paramètres Paramètres à choisir Nombre de techniques utilisées Incertitude de la solution ΔS et ΔP Fiabilité minimale de la solution ΔSΔS ΔPΔP Complémentarité des observables = Angle entre les fuseaux solution Paramètres influençant le résultat Largeur de distributions Angle minimal  Concordance X  Indice de confiance IC = Fiabilité propre (possibilité maximale) + pertinence de la solution (émergence solution)

21 21 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 L’indice de confiance reste du même ordre de grandeur Problèmes d’estimation des indicateurs pour certaines éprouvettes, notamment à l’état de saturation S1 Choix automatique des observables

22 22 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Choix automatique Bordeaux PorositéSaturation 7.838 Dp=1.2Ds = 8 US1 Re2 Rad1 Rad7a Indice de confiance = 0.598

23 23 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Conclusions Perspectives  Transfert procédure in situ => recalage et optimisation  Définition du nombre d’essais nécessaires sur site  Optimisation des corrélations pour chaque béton  Nouveaux opérateurs  Estimation quantitative d’indicateurs de pathologie et de durabilité  Opérateur de fusion adaptatif qui prend en compte la fiabilité des sources  Bons résultats de fusion / valeurs mesurées  Automatisation du processus possible  Apport potentiel au gestionnaire d’ouvrages