Un système-expert, est un outil informatique d’intelligence artificielle, conçu pour simuler le savoir-faire d’un spécialiste, dans un domaine précis et bien délimité, grâce à l’exploitation d’un certain nombre de connaissances fournies explicitement par des experts du domaine.
GAL2024 - Méthane 2030 : une démarche collective française à destination de t...
Aide au diagnostic
1. Système-Expert
d’aide au diagnostic
Réalisé par:
Trabelsi Emna
Maalaoui Chaima
Jlassi Amine
Année universitaire: 2016-2017
www.skyware.com.tn
Cette présentation est réalisée par des étudiants. Skyware le partage à but non lucrative. Skyware
ne garantit pas la qualité ni l’exactitude du contenu de ce document.
2. Plan
Système-Expert :
1.Définition
2.Architecture d’un SE
3.Stratégie de raisonnement
4. Les caractéristiques
5.Les avantages et les inconvénients
Diagnostic:
1.Définition
2.Terminologie
3.Intelligence artificielle et diagnostic
4.Les méthodes et les démarches
2
2
3. Plan
Système-Expert d’aide au diagnostic :
1. Les objectifs
2. Définitions
3. Fonctionnement
4. Les problèmes
Conclusion
3
4.
5. Introduction
• D'être rares, donc peu disponibles
• D'être compétents (si possible les meilleurs)
• D'être souvent incapables d'expliquer leur
démarche
• D'être mortels
5
6. Définition
Un système-expert, est un outil informatique
d’intelligence artificielle, conçu pour simuler le
savoir-faire d’un spécialiste, dans un domaine
précis et bien délimité, grâce à l’exploitation d’un
certain nombre de connaissances fournies
explicitement par des experts du domaine.
6
7. Définition
Un système-expert, permet de modéliser le
raisonnement d’un expert, de manipuler des
connaissances sous une forme déclarative, d’en
faciliter l’acquisition, la modification et la mise
à jour et de produire des explications sur la
façon dont sont obtenus les résultats d’une
expertise.
7
9. Architecture d’un SE
Une base de connaissances
contient les connaissances
concernant la résolution du
problème.
Une base de faits
contient les données
spécifiques liées à
l’application traitée.
Elle peut contenir aussi
les solutions
intermédiaires ou les
conclusions partielles
trouvées lors de
l’inférence.
Une base de règles
contient les
connaissances expertes,
c'est-à-dire qu'elles
représentent les
raisonnements effectués
par un expert. « Si
condition vraie Alors
exécuter action »
9
10. Architecture d’un SE
Interface graphique:
Programme permet le dialogue avec le système, en
langage naturel pour le non-expert. Le moteur
d’inférence et les interfaces forment le système
essentiel, ainsi nommé parce qu’on peut le coupler à
diverses bases de faits pour créer des systèmes experts
distincts.
10
11. Architecture d’un SE
Le moteur d'inférence :
C’est un mécanisme qui permet d'inférer des
connaissances nouvelles à partir de la base de
connaissances du système.
Il a pour fonction de répondre à une requête de la part
d'un utilisateur ou d'un serveur afin de déclencher une
réflexion définie par ses règles d'inférence qui utiliseront
la base de connaissance.
11
12. Stratégie de raisonnement
12
Le chaînage avant :
le moteur d'inférence part des faits pour arriver au but, c'est-à-dire
qu'il ne sélectionne que les règles dont les conditions de la partie
gauche sont vérifiées, puis applique une de ces règles qui ajoute des
faits à la base.
=>Ce processus est réitéré jusqu'à ce qu'il n'y ait plus de règles
applicables ou que le but soit atteint.
12
Le chaînage arrière:
Le système part du but et essaie de remonter aux faits pour le démontrer.
Les règles sélectionnées sont celles dont la partie droite (conséquent)
correspond au but recherché.
Les conditions inconnues (partie gauche) de ces règles deviennent autant
de sous-buts à démontrer. Ce processus est répété jusqu'à ce que tous les
sous-buts soient démontrés
13. Stratégie de raisonnement
13
Le chaînage mixte: combine les 2 chaînages .
De prime abord, il fonctionne comme le chaînage avant
avec pour but de déduire un fait donnée.
Mais applique un chaînage arrière sur chaque fait trouvé
afin de déterminer les paramètres les plus probables et
les plus optimisés.
14. Temps de réponse adéquat
Fiabilité
Compréhensible
Haut rendement
Le système doit agir en un temps
raisonnable, comparable ou meilleur
au temps exigé par un spécialiste,
pour prendre une décision.le système expert doit être fiable et
ne doit pas connaître des "failles"
sinon il ne sera pas utilisé.
le système doit être capable
d'expliquer les étapes de son
raisonnement pendant qu'elles
s'exécutent, au lieu d'être seulement
une boîte noire.
Le système doit avoir la capacité
de répondre à un niveau de
compétence égal ou supérieur à
celui d'un spécialiste du domaine.
Caractéristiques d’un SE
14
15. Avantages d'un système
expert
Les systèmes experts ont plusieurs caractéristiques
attrayantes:
Grande disponibilité : L'expérience est disponible
pour tout matériel de traitement adéquat.
Coût réduit : Le coût de mettre l'expérience à la
disposition de l'utilisateur est réduit énormément.
Danger réduit : Les systèmes experts peuvent être
utilisés dans des environnements qui pourraient être
dangereux pour un être humain.
15
16. Avantages d'un système
expert
Permanence : L'expérience est permanente.
Contrairement aux spécialistes humains qui peuvent
se retirer, renoncer ou mourir, la connaissance d'un
système expert durera indéfiniment.
Expérience multiple : La connaissance des plusieurs
spécialistes peut être disponible pour travailler
simultanément et continuellement sur un problème,
à toute heure de la nuit ou du jour.
16
17. Inconvénients d'un
système expert
Les deux principaux inconvénients des systèmes
experts sont :
Ils créent le chômage parce qu'ils émulent les
humains
Dans les systèmes experts, on fait inférence à des
connaissances même si elles sont dépassées.
17
18. Exemples
Détection de fraudes avec
cartes de crédit et téléphones,
aide au surveillance continu des
patients
Aide a l’affectation du crédit
immobilier ou du crédit à une
entreprise, calcul des risques
pour assurances, prédiction des
marchés
Surveillance Finance
18
21. Qu’est ce qu’un
diagnostic ?
Le diagnostic est le raisonnement menant à
l'identification de la cause d'une défaillance, d'un
erreur ou d’une panne, à partir des informations
relevées par observation, contrôles et tests.
21
22. Terminologie
Défaillance: est l'altération ou la cessation de
l'aptitude d'un ensemble à accomplir ses fonctions
requises avec les performances définies dans les
spécifications techniques.
Panne: C'est l'inaptitude d'un dispositif à accomplir
sa fonction requise.
Erreur: Action de se tromper, faute commise en
croyant vrai ce qui est faux ou inversement.
22
23. Objectifs de diagnostic
Effectuer une analyse détaillée des informations
dans le but d’évaluer des problèmes .
Identifier et quantifier tous les points de rejets.
23
24. Intelligence artificielle et
diagnostic
Le diagnostic est une discipline de
l'intelligence artificielle qui vise le
développement d'algorithmes permettant
de déterminer si le comportement d'un
système est conforme au comportement
espéré.
23
25. Intelligence artificielle et
diagnostic
Dans le cas contraire, l'algorithme doit être capable
de :
Déterminer précisément quelles parties du
système sont fautives .
• Détecter le types de dysfonctionnements dont
les parties du système souffrent.
24
26. Les étapes de diagnostic
Il intègre différentes étapes:
Extraction des informations.
élaboration des caractéristiques.
Détection de l’état de fonctionnement
Evaluation des causes de l'occurrence de cet état.
Décision d'action pour modifier cet état.
26
28. Diagnostic inductive
La démarche inductive part des défaillances de
composants pour en déterminer les conséquences. Elle
permet de déterminer les états associés à des
événements initiaux : à partir des causes, on détermine
les conséquences. Dans l'élaboration d'un diagnostic à
partir d'un système expert, cette démarche est
également appelée chaînage avant basé sur les faits ou
raisonnement progressif.
28
29. Diagnostic déductif
La démarche déductive permet de déterminer les
événements initiaux causant l‘occurrence d'un état
donné : à partir des conséquences, on détermine les
causes. Dans l'élaboration d'un diagnostic à partir d'un
système expert, cette démarche est également appelée
chaînage arrière basé sur les buts ou raisonnement
régressif.
29
30. Méthodes de diagnostic
30
Méthode de diagnostic
interne externe
Les méthodes
d'analyse
d'erreurs
humaines
Les méthodes
d'analyse de
défaillances
30
31. Méthodes de diagnostic
interne
Grace à cette famille de méthode, il devient possible
de mettre en œuvre la méthode du problème inverse.
Elles impliquent une connaissance approfondie du
fonctionnement sous la forme de modèles
mathématiques qui devront être obligatoirement
validés expérimentalement avant toute utilisation
industrielle.
31
32. Méthodes de diagnostic
interne
La démarche de diagnostic internes se
regroupe en trois grandes familles :
Méthode du modèle (analytique): L'état du
modèle est défini par une série de
nombres ordonnés en une matrice colonne
appelé vecteur d'état.
Méthodes d’identification de paramètres.
Méthodes d’estimation de vecteur d’état.
32
33. Méthodes de diagnostic
externe
Ces méthodes supposent qu’aucun modèle n’est
disponible pour décrire les relations de cause à effet.
La seule connaissance repose sur l’expertise humaine
confortée par un solide retour d’expérience.
Dans cette catégorie, on retrouve toutes les méthodes
basées sur l’intelligence artificielle :
la reconnaissance de formes.
les systèmes experts.
les réseaux de neurones artificiels … 33
34. Diagnostic d’erreur
humaine et de
défaillance
De nombreuses méthodes d'analyse peuvent être
utilisées afin de déterminer le diagnostic d'un état
de fonctionnement donné.
Deux catégories de méthodes sont présentées ici :
Les méthodes d'analyse d'erreurs humaines telles
que TESEO
Les méthodes d'analyse de défaillances telles
que MAC.
34
35. Diagnostic d’erreur
humaine
La méthode TESEO (Tecnica Empirica Stima Errori
Operatori) permet de calculer une probabilité
d'occurrence d'erreur humaine
La valeur de la probabilité d'erreur est une agrégation
de plusieurs paramètres : complexité de l'action à
réaliser, temps disponible pour la réaliser, expérience et
formation de l'opérateur face à cette action , et
caractéristiques ergonomiques de l'environnement.
35
36. Diagnostic de défaillance
Méthode MAC
La Méthode des Arbres de Causes permet d'identifier
les combinaisons d'événements élémentaires pouvant
conduire à des événements redoutés, et de calculer
leur probabilité d'occurrence.
36
38. Objectifs
Les systèmes experts comme étant des machines
capables de reproduire l’expertise humaine se
basent sur la diagnostique afin de concrétiser
l’intelligence artificielle et d’élaborer des
résultats très proches de celles fournis par un
expert humain
38
Automatiser la diagnostic et effectuer un résultat
déductif des données d’entrée.
39. Système expert d’aide au
diagnostic
Le diagnostic par système expert se base sur
l'expérience disponible sur le système pour construire
une table de correspondance permettant d'associer
efficacement les observations aux diagnostics
correspondants.
39
40. Système expert d’aide au
diagnostic
Ces systèmes sont: utilisé Lorsque les
connaissances sur le système sont de types
heuristiques. C'est à dire lorsque les informations
utilisées (qualitatives ou quantitatives) permettent
l'utilisation de règles imbriquées issues de la
connaissance et de l'expérience de l'expert, comme
par exemple des liens de cause a effet.
40
41. Système expert d’aide au
diagnostic
L'expérience peut être fournie :
par un opérateur humain. Dans ce cas, la
connaissance humaine doit être traduite en
langage informatique.
par un enregistrement éventuellement annoté
des précédentes exécutions du système. Dans
ce cas, un algorithme d'apprentissage
automatique doit être utilisé.
41
42. Fonctionnement
le diagnostic une fois établi, le S.E pourra annoncer
automatiquement les outils et les pièces nécessaires
pour dépanner, voire la procédure à suivre et les
opérations à effectuer.
Les pannes rares ou nouvelles seront traitées par
quelques techniciens , qui auront en charge
d’enrichir la base de connaissances et la base de
règles des S.E.
42
43. Problèmes
L'acquisition de l'expertise : l'expertise n'est
disponible qu'après un certain temps d'utilisation du
système, ce qui exclut l'application pour des systèmes
critiques (centrales nucléaire ou robot spatiaux, par
exemple). D'autre part, la complétude de l'expertise
n'est jamais assurée. Ainsi, lorsqu'un comportement
inconnu a lieu sur le système, le diagnostic fourni
sera erroné.
43
44. l'apprentissage du système expert : la
construction du système expert se fait hors-ligne
(c'est-à-dire en dehors de l'utilisation) et peut être
gourmande en ressources.
la non robustesse : en cas de modification même
légère du système, le système expert doit être
entièrement recalculé.
44
Problèmes
44
45. Conclusion
Un système-expert peut être un outil d’aide à la décision
puisqu’il permet :
De tenir compte de variables, à la fois quantitatives et
qualitatives pour établir la base de connaissances.
De structurer le savoir de façon logique et de
l’organiser pour construire un modèle de simulation.
De proposer des réponses de type prospectif.
45
La résolution d’un problème demande des expert qui sont
Et
Donc la solution n’est pas disponible ni à l’endroit ,ni à l’heure du besoin
, selon la définition proposée par J.C. Pomerol
On a içi le cogniticien qui est le personne chargée de soutirer les connaisences de l’expert et de modéliser ces connaissance dans un sys expert qui contient
le but est alors atteint - ou jusqu'à ce qu'il ne soit plus possible de sélectionner des règles. Dans ce cas, le système peut demander à l'utilisateur de résoudre un ou plusieurs sous-buts (questions, tests) et le processus recommence.
=>Ce mécanisme permet l'ouverture sur de nouvelles combinaisons encore non envisagées par les règles d'inférence et de déterminer les facteurs discriminants lors de la recherche d'une solution.
*Dans un sens plus réel, un système expert est la production massive de l'expérience.
*****Le niveau d'expérience combinée de beaucoup de systèmes experts peut dépasser celui d'un seul spécialiste humain
Le diagnostic a pour but de
l’extraction des informations à partir de moyens de mesures appropriées ou d’observations réalisées lors des rondes par les personnels de surveillance.
Evaluation des causes de l'occurrence de cet état. Elle consiste à identifier, analyser et localiser ces causes.
Les notions de démarche inductive ou déductive se basent sur celles développées dans les approches d'analyse inductive ou déductive de risques.
Correspondent à une approche montante où l’on identifie toutes les combinaisons d’événements élémentaires possibles qui entraînent la réalisation d’un événement unique indésirable.
un problème inverse est une situation dans laquelle on tente de déterminer les causes d'un phénomène à partir des observations expérimentales de ses effets
1-la méthode du modèle consiste à comparer les grandeurs déduites d'un modèle représentatif du fonctionnement des différentes entités du processus avec les mesures directement observées sur le processus industriel.
identification de paramètre s'appliquent au cas très particulier ou l'on souhaite suivre l'évolution de certain paramètre physiques critiques pour le fonctionnement d'un processus et qui ne sont pas mesurables directement.
Méthodes d’estimation de vecteur d’état:
Permet de connaître tous les états internes du processus
De nombreuses méthodes d'analyse peuvent être utilisées afin de déterminer le diagnostic d'un état de fonctionnement donné.
En fonction des objectifs des analyses associées à ces méthodes, le diagnostic de sécurité, de performance, de disponibilité, d'erreur humaine, etc. pourra être entrepris.
Qui sera présenté par suite