Utilisation conjointe des méthodes de recherche de règles d'association et de classification : contribution à l'amélioration de la qualité des véhicules en production grâce à l'exploitation des systèmes d'information

Combined use of association rules mining and clustering methods

• Auteur / Autrice : Marie Plasse
• Direction : Gilbert Saporta
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2006
• Etablissement(s) : Paris, CNAM

Mots clés

Mots clés contrôlés

Systèmes d'information

Véhicules

Résumé

Ces travaux s'intéressent à la découverte de nouvelles connaissances au sein de grandes bases de données dediées à la qualité des véhicules en production. Chaque véhicule est caractérisé par la présence ou l'absence de défauts détectés sur le processus de fabrication, puis corrigés. Nous avons rapproché notre problématique de recherche de liens entre défauts à celle de l'analyse du panier de la ménagère et avons recherché des règles d'association entre les défauts qui apparaissent fréquemment ensemble. Le nombre élevé de défauts combine à leur rareté conduit à un très grand nombre de règles complexes; Nous proposons d'utiliser des méthodes de classification de façon préalable à la la recherche de règle d'association, ce qui permet de réduire de manière très significative le nombre et la complexité des règles obtenues. Celes-ci peuvent être qualifiées par des indices de pertinence pour évaluer leur intérêt statistique. Nous présentons un outil graphique pour comparer ces indices.

The aim of this thesis is to reveal new information on quality by applying advanced statistical methops to a large database. Tis dataset contains vehicle defects detected during the manufacturing process. In the course of our sudy, we have emplyed the analogy of the shpping basket to analyse data using association rules mining. We use this metod to search for enormous and impractical number of rules. As a result, validating our findings becomes an impossible task. To solve this problem we propose to combine the use of clustering methods and association rules mining. This approach allows us to significantly reduce both the number and complexity of rules obtains. These rules can then be evaluated statistically using relevant indexes. To accompany this study, we present a graphical tool to help compare index properties. Our results have been confirmed by experts in the field