Show simple item record

dc.contributor.advisorChen, David
dc.contributor.advisorZacharewicz, Grégory
dc.contributor.advisorTraoré, Mamadou Kaba
dc.contributor.authorWANG, Yan
dc.contributor.otherZacharewicz, Grégory
dc.contributor.otherTraoré, Mamadou Kaba
dc.contributor.otherArchimède, Bernard
dc.contributor.otherSantucci, Jean-François
dc.date2018-10-12
dc.identifier.uri
dc.identifier.urihttp://www.theses.fr/2018BORD0183/abes
dc.identifier.uri
dc.identifier.urihttps://tel.archives-ouvertes.fr/tel-01952795
dc.identifier.nnt2018BORD0183
dc.description.abstractL'inférence d’un système, par la reconstruction de la structure à partir de l’analyse de son comportement, est reconnue comme un problème critique. Dans la théorie des systèmes, la structure et le comportement se situent aux extrémités de la hiérarchie qui définit la connaissance du système. L'inférence d’un système peut être également considérée comme l’escalade de la hiérarchie depuis la connaissance de bas niveau vers la connaissance de plus haut niveau. Ceci n'est possible que sous des conditions maitrisées et justifiées. Dans cette thèse, une nouvelle méthode d'inférence de système est proposée. La méthode proposée étend la technique Process Mining pour extraire des connaissances depuis les données des événements du système. Les aspects de modularité, de fréquence et de synchronisation peuvent être extraits des données. Ils sont intégrés ensemble pour construire un modèle Fuzzy-Discrete Event System Specification (Fuzzy-DEVS). La méthode proposée, également appelée méthode D2FD (Data to Fuzzy-DEVS), comprend trois étapes: (1) l’extraction depuis des journaux d’évènements (registres) obtenus à partir des données générées par le système en utilisant une approche conceptuelle; (2) la découverte d'un système de transition, en utilisant des techniques de découverte de processus; (3) l'intégration de méthodes Fuzzy pour générer automatiquement un modèle Fuzzy-DEVS à partir du système de transition. La dernière étape est de l’implémenter cette contribution en tant que plugin dans l'environnement Process Mining Framework (ProM). Afin de valider les modèles construits, une approximation de modèle basée sur le morphisme et une méthode prédictive intégrée à Granger Causality sont proposées. Deux études de cas sont présentées dans lesquelles le modèle Fuzzy-DEVS est déduit à partir de données réelles, où l'outil SimStudio est utilisé pour sa simulation. Les modèles ainsi construits et les résultats de simulation sont validés par comparaison à d'autres modèles.
dc.description.abstractEnSystem inference, i.e., the building of system structure from system behavior, is widely recognized as a critical challenging issue. In System Theory, structure and behavior are at the extreme sides of the hierarchy that defines knowledge about the system. System inference is known as climbing the hierarchy from less to more knowledge. In addition, it is possible only under justifying conditions. In this thesis, a new system inference method is proposed. The proposed method extends the process mining technique to extract knowledge from event data and to represent complex systems. The modularity, frequency and timing aspects can be extracted from the data. They are integrated together to construct the Fuzzy Discrete Event System Specification (Fuzzy-DEVS) model. The proposed method is also called D2FD (Data to Fuzzy-DEVS) method, and consists of three stages: (1) extraction of event logs from event data by using the conceptual structure; (2) discovery of a transition system, using process discovery techniques; (3) integration of fuzzy methods to automatically generate a Fuzzy-DEVS model from the transition system. The last stage is implemented as a plugin in the Process Mining Framework (ProM) environment. In order to validate constructed models, morphism-based model approximation and predictive method integrated with Granger Causality are proposed. Two case studies are presented in which Fuzzy-DEVS model is inferred from real life data, and the SimStudio tool is used for its simulation. The constructed models and simulation results are validated by comparing to other models.
dc.language.isoen
dc.subjectInférence de système
dc.subjectDécouverte de processus
dc.subjectDEVS flous
dc.subjectModélisation et simulation
dc.subjectValidation de modèle
dc.subject.enSystem inference
dc.subject.enProcess mining
dc.subject.enFuzzy-DEVS
dc.subject.enModeling and simulation
dc.subject.enModel validation
dc.titleUne approche intégrée de découverte de processus pour découvrir le modèle simulation d'événement discret depuis les données des événements du système
dc.title.enAn integrative process mining approach to mine discrete event simulation model from event data
dc.typeThèses de doctorat
dc.contributor.jurypresidentArchimède, Bernard
bordeaux.hal.laboratoriesLaboratoire de l'intégration du matériau au système (Talence, Gironde)
bordeaux.type.institutionBordeaux
bordeaux.thesis.disciplineAutomatique, productique, signal et image, ingénierie cognitique
bordeaux.ecole.doctoraleÉcole doctorale des sciences physiques et de l’ingénieur (Talence, Gironde)
star.origin.linkhttps://www.theses.fr/2018BORD0183
dc.contributor.rapporteurSantucci, Jean-François
bordeaux.COinSctx_ver=Z39.88-2004&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.title=Une%20approche%20int%C3%A9gr%C3%A9e%20de%20d%C3%A9couverte%20de%20processus%20pour%20d%C3%A9couvrir%20le%20mod%C3%A8le%20simulation%20d'%C3%A9v%C3%A9nement%20discret%20de&rft.atitle=Une%20approche%20int%C3%A9gr%C3%A9e%20de%20d%C3%A9couverte%20de%20processus%20pour%20d%C3%A9couvrir%20le%20mod%C3%A8le%20simulation%20d'%C3%A9v%C3%A9nement%20discret%20d&rft.au=WANG,%20Yan&rft.genre=unknown


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record