{"id":226,"date":"2017-05-20T18:48:42","date_gmt":"2017-05-20T18:48:42","guid":{"rendered":"https:\/\/cime.math.cnrs.fr\/?page_id=226"},"modified":"2017-05-20T19:27:35","modified_gmt":"2017-05-20T19:27:35","slug":"arcelor-mittal-auchan","status":"publish","type":"page","link":"https:\/\/cime.math.cnrs.fr\/index.php\/arcelor-mittal-auchan\/","title":{"rendered":"Arcelor Mittal – Auchan"},"content":{"rendered":"

D\u00e9corr\u00e9lation de variables en r\u00e9gression lin\u00e9aire<\/strong>
\npar mod\u00e8les de sous-r\u00e9gressions<\/h4>\n

\"\"<\/p>\n

Collaboration avec<\/em>
\n ArcelorMittal (P\u00f4le Simulations & Mod\u00e8les), Dunkerque<\/em>
\n Auchan (P\u00f4le Etudes, Recherche & D\u00e9veloppement), Villeneuve d’Ascq<\/em><\/p>\n

Le projet<\/h4>\n

Les bases de donn\u00e9es issues de la sid\u00e9rurgie comportent g\u00e9n\u00e9ralement de nombreux param\u00e8tres (ou variables) mesur\u00e9s tout au long du process m\u00e9tallurgique qui conduit au produit fini souhait\u00e9. Ces variables sont cependant pour beaucoup d’entre elles en fortes corr\u00e9lations, soit parce qu’elles s’\u00e9crivent les unes en fonction des autres via des mod\u00e8les physiques, soit que les capteurs dont elles sont issues sont en quasi-redondance. Les m\u00e9thodes statistiques de pr\u00e9vision de qualit\u00e9 du produit fini s’appuyant sur des r\u00e9gressions lin\u00e9aires sont alors tr\u00e8s n\u00e9gativement impact\u00e9s par de telles corr\u00e9lations. L’id\u00e9e ma\u00eetresse du travail de th\u00e8se CIFRE (th\u00e8se soutenue en 2015) r\u00e9alis\u00e9 entre le Laboratoire Paul Painlev\u00e9 et ArcelorMittal est de consid\u00e9rer que les variables corr\u00e9l\u00e9es peuvent s’exprimer les unes en fonction des autres par des r\u00e9gressions lin\u00e9aires sp\u00e9cifiques (“sous-r\u00e9gressions”). On peut alors supprimer une partie des variables pour s’affranchir des probl\u00e8mes de conditionnement inh\u00e9rents \u00e0 la r\u00e9gression lin\u00e9aire. L’estimation des strutures de sous-r\u00e9gressions repose sur des mod\u00e9lisations g\u00e9n\u00e9ratives avec choix de mod\u00e8les pour assurer la coh\u00e9rence d’estimation math\u00e9matique. Cette recherche a conduit \u00e0 l’\u00e9laboration du package R CorReg, disponible sur le site du CRAN. Son utilisation dans le contexte sid\u00e9rurgique d’ArcelorMittal a permis simultan\u00e9ment d’identifier les structures de corr\u00e9lations du process industriel et d’am\u00e9liorer sensiblement les qualit\u00e9s pr\u00e9dictives de ce process.<\/p>\n

La probl\u00e9matique de corr\u00e9lation entre variables en r\u00e9gression lin\u00e9aire \u00e9tant g\u00e9n\u00e9rique, elle a aussi \u00e9t\u00e9 utilis\u00e9e en 2015 au travers d’un contrat de recherche avec le groupe Auchan dans le contexte de l’am\u00e9lioration de performance des hypermarch\u00e9s fran\u00e7ais.<\/p>\n

\"\"\u00a0 \u00a0\"\"\u00a0 \u00a0\"\"<\/p>\n

Quelques publications<\/h4>\n

[1] C. Th\u00e9ry. Model-based covariable decorrelation in linear regression (CorReg). Application to missing data and to steel industry<\/a>. PhD Thesis, Universit\u00e9 Lille 1, July 2015,.<\/p>\n

[2] C. Th\u00e9ry, C. Biernacki, G. Loridant. CorReg : Pr\u00e9selection de variables en r\u00e9gression lin\u00e9aire avec fortes corr\u00e9lations<\/a> . 46\u00b0 journ\u00e9es de statistiques, Rennes, France, SFDS, June 2014.<\/p>\n

[3] C. Th\u00e9ry, C. Biernacki, G. Loridant. Model-Based Variable Decorrelation in Linear Regression<\/a>. En pr\u00e9paration, 2015.<\/p>\n

Package\/logiciel<\/h4>\n

Le package CorReg peut \u00eatre t\u00e9l\u00e9charg\u00e9 ici<\/a> sur le site du CRAN.<\/p>\n

Contact<\/h4>\n

Christophe BIERNACKI : christophe.biernacki[AT]math.univ-lille1.fr<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

D\u00e9corr\u00e9lation de variables en r\u00e9gression lin\u00e9aire par mod\u00e8les de sous-r\u00e9gressions Collaboration avec ArcelorMittal (P\u00f4le Simulations & Mod\u00e8les), Dunkerque Auchan (P\u00f4le Etudes, Recherche & D\u00e9veloppement), Villeneuve d’Ascq Le projet Les bases de donn\u00e9es issues de la sid\u00e9rurgie comportent g\u00e9n\u00e9ralement de nombreux param\u00e8tres (ou variables) mesur\u00e9s tout au long du process m\u00e9tallurgique qui conduit au produit fini … Continue reading Arcelor Mittal – Auchan<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-226","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/cime.math.cnrs.fr\/index.php\/wp-json\/wp\/v2\/pages\/226","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cime.math.cnrs.fr\/index.php\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/cime.math.cnrs.fr\/index.php\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/cime.math.cnrs.fr\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/cime.math.cnrs.fr\/index.php\/wp-json\/wp\/v2\/comments?post=226"}],"version-history":[{"count":3,"href":"https:\/\/cime.math.cnrs.fr\/index.php\/wp-json\/wp\/v2\/pages\/226\/revisions"}],"predecessor-version":[{"id":261,"href":"https:\/\/cime.math.cnrs.fr\/index.php\/wp-json\/wp\/v2\/pages\/226\/revisions\/261"}],"wp:attachment":[{"href":"https:\/\/cime.math.cnrs.fr\/index.php\/wp-json\/wp\/v2\/media?parent=226"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}