COBRA : Une plate-forme de RàPC basée sur des ontologies

1 195 vues

Publié le

Présentation de Amjad Abou Assali, Dominique Lenne, Bruno Debray et Sébastien Bouchet à IC 2009

Publié dans : Technologie, Sports
0 commentaire
1 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
1 195
Sur SlideShare
0
Issues des intégrations
0
Intégrations
5
Actions
Partages
0
Téléchargements
34
Commentaires
0
J’aime
1
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

COBRA : Une plate-forme de RàPC basée sur des ontologies

  1. 1. Amjad Abou Assali Dominique Lenne et Bruno Debray Laboratoire HEUDIASYC Université de Technologie de Compiègne, France 29 mai 2009
  2. 2. Contexte • Sur les sites industriels, des barrières de sécurité sont utilisées pour réduire au maximum les risques. • Ces barrières peuvent ne pas bien fonctionner, et des accidents peuvent se déclencher. • Pour diagnostiquer, l’hypothèse est que : « Si une barrière n'a pas bien fonctionné dans une situation similaire, il est fortement probable qu'elle ne fonctionne pas, dans la situation actuelle, pour des raisons similaires ». • Application aux capteurs de gaz. 2 / 21
  3. 3. Problématique • Comment aider un expert à se remémorer les situations de défaillance similaires ? • Comment conserver les connaissances des experts après leur départ ? 3 / 21
  4. 4. Objectifs • Capitaliser les connaissances sur la défaillance des barrières de sécurité. • Concevoir un système de Raisonnement à partir de cas (RàPC) basé sur une ontologie pour aider à diagnostiquer la défaillance des barrières de sécurité. • Le RàPC est une approche de résolution de problèmes ayant pour objectif de résoudre un nouveau problème (problème cible) à l'aide d'un ensemble de problèmes déjà résolus (problèmes sources). 4 / 21
  5. 5. Plan • Architecture de COBRA • Modèles des connaissances – Modèle de domaine – Modèle de cas • Processus du RàPC – Authoring des cas – Remémoration des cas • Hétérogénéité des cas – Problèmes et solutions • Résultats • Bilan et perspectives 5 / 21
  6. 6. Architecture de COBRA (Conversational Ontology-based CBR for Risk Analysis) Élaborer Ontologie Remémorer Connaissances Authoring Base des experts des cas de cas Diagnostiquer Enrichir Expert industriel Sources de Processus connaissances hors-ligne Métriques Valider de similarité Mémoriser Connaissances Processus en-ligne 6 / 21
  7. 7. Modèles des connaissances Modèle de domaine • Il représente les connaissances du domaine sous forme d'une ontologie. • Deux ontologies ont été développées (Abou Assali et al., 2008) : – Une ontologie noyau sur la sécurité industrielle ; – Une ontologie de domaine sur les barrières de sécurité, en particulier les capteurs de gaz. 7 / 21
  8. 8. Modèles des connaissances Modèle de cas • Un cas contient trois parties principales : description, mode de défaillance, et causes. • Les parties description et mode de défaillance représentent le problème du cas, et la partie causes représente la solution. • Pour améliorer la communication entre la base de cas et le modèle de domaine, le modèle de cas est représenté à l'aide d'une ontologie. • Un cas est représenté par une instance de cette ontologie. 8 / 21
  9. 9. Modèles des connaissances Modèle de cas • Selon cette représentation, un cas peut avoir deux types d’attributs : – Des attributs simples correspondant à des propriétés data-type. – Des attributs complexes correspondant à des instances de l’ontologie de domaine. 9 / 21
  10. 10. Modèles des connaissances Modèle de cas 10 / 21
  11. 11. Processus du RàPC Authoring des cas • Des experts du domaine ont été sollicités pour décrire des cas de diagnostic. • Les experts ont parfois besoin d’utiliser différents termes pour décrire leurs cas. • COBRA permet de décrire les cas avec des concepts ou des instances quelconques de l’ontologie de domaine. • Cela conduit à une base de cas hétérogène, ce qui complique la remémoration des cas. 11 / 21
  12. 12. Processus du RàPC Remémoration des cas • Des mesures de similarité sont utilisées pour récupérer les cas similaires à un cas cible. • Ces mesures suivent le principe “local-global” et sont divisées en deux composantes : – Une similarité basée-concept qui dépend de l’emplacement du concept (ou instance) dans la hiérarchie de l’ontologie ; – Une similarité basée-slot qui dépend des valeurs des attributs communs des objets comparés. 12 / 21
  13. 13. Processus du RàPC Remémoration des cas • Similarité basée-concept entre les deux concepts (ou instances) q et c : prof : la profondeur d’un concept (ou instance). LSC : le plus petit subsumant commun. wq : le poids de q. • Similarité basée-slot : CS : l’ensemble des attributs communs (Common Slots) entre q et c. 13 / 21
  14. 14. Hétérogénéité des cas (problème) • Il n’y a pas de matching prédéfini entre les attributs du cas cible et ceux des cas sources. Cas cible (requête) Hydrogène Vapeur de Présence de … solvant poussière ? ? ? ? Vapeur Faible …. Dépoussiéreur méthane … d’eau hygrométrie humide Cas source 1 Cas source 2 14 / 21
  15. 15. Hétérogénéité des cas (solution) • Pour chaque attribut complexe q’, soit c’ l’attribut complexe correspondant dans le cas Cj. Nous considérons que c’ est l’attribut avec lequel q’ a une similarité maximale dans Cj : • Cette définition n’étant pas satisfaisante, nous comparons sim(q’,c’) obtenue dans Cj avec la similarité maximale obtenue sur l’ensemble des cas pour l’attribut q’, ce qui donne la condition suivante : Où (β = 0.6) est un certain seuil déterminé après une première validation. 15 / 21
  16. 16. Hétérogénéité des cas (problème) Cas source Sur un site industriel, un capteur de gaz a été utilisé pour détecter le méthane. D'autres gaz étaient présents sur le site dont l'hydrogène. Cas cible (requête) On cherche les cas où un capteur de gaz a été utilisé pour détecter l'hydrogène. En suivant l’approche proposée jusqu’à présent, nous trouvons que : L’hydrogène du cas source est l’attribut correspondant le mieux à l’hydrogène de la requête. 16 / 21
  17. 17. Hétérogénéité des cas (solution) Notion de rôle d’attribut • Nous proposons de préciser le rôle de chaque attribut complexe pouvant conduire à des situations ambiguës. • Ainsi, l'hydrogène du cas aurait pour rôle « gaz présent », et celui de la requête « gaz à détecter ». 17 / 21
  18. 18. Résultats • Nous avons développé la plateforme COBRA : – C’est une plateforme générique pour construire des systèmes de RàPC. – L’intérêt principal est qu’elle permet de traiter des cas hétérogènes. • Nous nous somme basés sur l’API jColibri, mais nous avons rajouté notre couche qui traite l’hétérogénéité des cas. • Nous avons fait une première évaluation du système auprès d’experts de l’INERIS. 18 / 21
  19. 19. COBRA 19 / 21
  20. 20. Bilan • Développement d’une approche de RàPC basée sur une ontologie ; • Cette approche permet de traiter des bases de cas hétérogènes. Elle est basée sur : – Des mesures de similarité ; – L’affectation de rôles aux attributs des cas pour lever les ambiguïtés. • Développement de la plate-forme générique COBRA qui prend en compte cette approche. 20 / 21
  21. 21. Perspectives • Nous sommes actuellement en train de terminer les autres phases de RàPC. • Nous allons faire une évaluation auprès d'experts de l‘INERIS à deux niveaux : – Le premier niveau concerne l'utilisabilité de la plate-forme : à quel point la structure des cas et les processus de raisonnement sont-ils proches de l'activité réelle de l'expert ? Quels sont les concepts à rajouter à l'ontologie de domaine pour pouvoir décrire les nouveaux cas ? L'expert trouve-t-il les propositions d'aide intéressantes ? etc. – Le deuxième niveau concerne les résultats fournis par le système ; i.e. la qualité du diagnostic proposé par le système par rapport à certains cas cibles. 21 / 21
  22. 22. Merci de votre attention

×