Contraintes floues et Réconciliation de Données

La réconciliation de données consiste à modifier des données bruitées ou peu fiables de manière à les rendre compatibles avec un modèle mathématique (ici représentant un réseau de flux de matière). L'approche traditionnelle est celle des moindres carrés. On montre qu'une approche par les ensembles flous permet de généraliser cette démarche, en la rendant plus flexible, moins dépendante d'une justification purement probabiliste parfois discutable, tout en incluant l'analyse par contraintes de type intervalles comme cas particulier. Data reconciliation consists in modifying noisy or unreliable data so as to satisfy a mathematical model (here a material flow network). The usual approach relies on least squares minimization. Here we show that the setting of fuzzy sets enables a wider point of view to be formalised, yielding an approach that is more flexible and less dependent on sometimes debatable probabilistic justifications. Moreover our setting encompasses constraintbased reasoning using intervals as well.