1. Résistance mécanique [janvier 2024]
Méthodologie
Cette étude a été réalisée en R avec les packages rstan et brms pour l'inférence bayésienne.
Philosophie bayésienne
Contrairement aux méthodes fréquentistes classiques qui fournissent des estimations ponctuelles, l'analyse bayésienne produit des distributions de probabilité complètes pour les paramètres d'intérêt.
Cette approche présente plusieurs avantages :
- Honnêteté statistique : Présentation complète de l'incertitude
- Inférence naturelle : Calcul direct des probabilités a posteriori
- Intégration d'information a priori : Incorporation d'expertise métier
- Prédictions probabilistes : Intervalles de crédibilité pour les prédictions
Problématique étudiée
L'objectif est la paramétrisation de la courbe de vieillissement de la résistance mécanique Rp0.2 d'un alliage métallique, modélisée par :
où a et b sont les paramètres à déterminer, et t représente le temps de vieillissement.
Données simulées pour l'étude de résistance mécanique
Solution bayésienne avec intervalle de confiance à 95%
Interprétation des résultats
- Ligne sombre : Estimation médiane de la courbe
- Zone rouge foncé : Intervalle de crédibilité à 50%
- Zone rose clair : Intervalle de crédibilité à 95%
- Points noirs : Données simulées utilisées pour l'inférence
2. Deux alliages [janvier 2024]
L'extension naturelle consiste à traiter des données provenant de deux alliages différents présentant des comportements de vieillissement distincts.
Données expérimentales pour deux types d'alliages
Modélisation hiérarchique
Pour cette situation, nous utilisons un modèle hiérarchique bayésien :
où les paramètres a et b sont conditionnés par le groupe d'alliage.
Solutions conditionnées par type d'alliage
Détails techniques
- Priors : Normaux faiblement informatifs
- Chaines MCMC : 4 chaînes de 4000 itérations
- Convergence : R̂ < 1.01 pour tous les paramètres
- Échantillons effectifs : > 2000 par paramètre
3. Dépendance dans la composition [janvier 2024]
La dernière étape consiste à modéliser explicitement la dépendance des paramètres vis-à-vis des concentrations des éléments d'alliage.
Données avec variations des concentrations en Si et Mn
Modèle complet
Nous définissons un modèle linéaire pour les paramètres :
où [Si] et [Mn] représentent les concentrations massiques en silicium et manganèse.
Effets antagonistes
- Silicium (Si) : Renforce la résistance mécanique (αSi > 0)
- Manganèse (Mn) : Diminue la résistance mécanique (αMn < 0)
Prédictions conditionnées par concentrations
Analyse par scénarios
Scénario optimal
[Si] élevée, [Mn] basse
Courbe verte supérieure
Scénario défavorable
[Si] basse, [Mn] élevée
Courbe jaune inférieure
Compensation
[Si] ≈ [Mn]
Courbes médianes bleues
Conclusion méthodologique
L'analyse bayésienne permet non seulement d'estimer les paramètres avec leurs incertitudes, mais aussi de réaliser des prédictions conditionnelles pour différentes compositions, et de quantifier l'effet causal de chaque élément d'alliage.
Cette approche fournit aux ingénieurs métallurgistes un outil décisionnel puissant pour l'optimisation des formulations d'alliages.