Une méthode statistique robuste pour la détection d’anomalies dans les systèmes à modélisation incertaine

Le test CUSUM est un des tests les plus efficaces pour la détection de pannes ou d’anomalies, comme celles rencontrées en surveillance de procédés de dépollution. Cependant, ce test repose sur la connaissance exacte de la modélisation du processus. Dès lors qu’il y a une petite erreur de modélisation, la qualité de ce test se dégrade rapidement. Nous présentons ici une extension du test CUSUM au cas où le modèle considéré possède une partie peu ou pas connue. A partir d’une estimation non paramétrique de cette partie, nous construisons un test “CUSUM non paramétrique”. Nous montrons, à partir de simulations, que notre méthode se révèle plus robuste, en terme de retard à la détection, que le test CUSUM, lorsqu’il y a une petite erreur de modélisation du système considéré.