Utilisation d’une méthode de filtrage pour la détection d’anomalie

Nous proposons ici une méthode statistique de détection de rupture dans un modèle auto-régressif. Dans le cadre de la supervision de procédés, cette rupture correspond à une panne, caractérisée par un changement imprévisible de valeur pour un paramètre dans le modèle du procédé. Tout comme pour le CUSUM ou le GLR, deux des tests les plus connus, nous allons baser notre statistique de test sur un rapport de vraisemblances conditionnelles. Pour obtenir ces vraisemblances d’observations, nous utilisons des méthodes issues de la théorie du filtrage et plus particulièrement des nouveaux filtres non linéaires à convolution de particules.