Un modele de prediction et de classification des visites moteurs base sur les machines a vecteur de support

En tant que contribution pour l'amelioration du service clients aux detenteurs d'avions, ce modele de prediction et de classification des visites moteurs a ete inspire des machines a vecteur de support (SVM) afin d'unifier les methodes de prediction des visites en usines. Ainsi, un tout nouveau modele de classification de haut niveau pour la prediction des visites de maintenance des moteurs d'avion en atelier se presente, permettant egalement l'identification des types de maintenances effectuees.Les resultats de l'experimentation effectuee sur le modele de prediction et de classification des visites moteurs demontrent l'efficacite du modele, ainsi que sa performance, sur des modeles multi-classes. Ces derniers sont beaucoup plus appropries que d'autres resultats obtenus en utilisant les arbres de decision, ou encore l'algorithme des K plus proches voisins.L'un des plus grands avantages de cette methode, comparativement aux methodes traditionnelles de classification et de prediction, est qu'elle permet de soutirer les relations presentent dans la structure arborescente et d'ainsi deduire les relations entre les classes dans les noeuds de l'arbre. Ceci constitue une percee importante dans l'avancement des techniques d'apprentissage automatique qui utilisent un historique de donnees pour classer ou predire les valeurs futures qui risquent d'etre rencontrees.Il s'agit egalement d'un point tournant dans le passage d'un travail laborieux effectue manuellement par des experts a un algorithme performant qui deduit lui-meme les regles intrinseques enfouies dans un entrepot de donnees.Les SVM classiques permettent de resoudre des problemes de classification binaire, mais comme le probleme aborde n'est pas de type binaire, certaines modifications sont necessaires sur les SVM afin de les rendre plus flexibles et efficaces pour resoudre des problemes de classes multiples.