Résumé: Le développement des nouvelles technologies des différents produits et composants a rendu la nature des systèmes de plus en plus complexe. Cette complexité s’est répercutée sur le bon fonctionnement des équipements avec l’apparition de nouvelles pannes et l’accroissement des coûts engendrés. La maintenance est devenue un élément indispensable pour le maintien en condition opérationnelle de tout équipement quelque soit sa nature. Dans ce contexte nous nous intéressons à la maintenance corrective et plus particulièrement au diagnostic de pannes des équipements industriels. Nous développons une méthode basée sur le raisonnement à partir de cas (RàPC), méthode largement employée dans le domaine du iagnostic industriel. Le RàPC est une approche de résolution de problèmes et d’apprentissage. En diagnostic, une large variété de systèmes de RàPC a fait ses preuves, systèmes allant de problèmes de classification (systèmes orientés extraction « case-base mining ») aux systèmes à base de connaissance (systèmes orientés « connaissance »). Nous avons déployé dans le premier type de système, où la formalisation du cas est triviale, une méthode de maintenance du système. La maintenance de l’ensemble passe par la maintenance de la base de cas qui représente le coeur de ces systèmes de RàPC. Cette méthode de maintenance est composée d’une étape de structuration associée à une étape d’auto-incrémentation de la base de cas, afin de garantir la qualité du système tout au long de son évolution. Quant au deuxième type de système, nous avons mis en place un système fondé sur des modèles de connaissances associés aux différentes phases de manipulation du cycle de RàPC. Nous avons proposé une méthode de remémoration guidée par l’adaptation prenant appui sur deux mesures, une de similarité et une d’adaptation, et un algorithme d’adaptation spécifique au domaine du diagnostic industriel. Nos propositions ont été implémentées et validées sur une plateforme d’e-maintenance GaMA-Frame (Global asset MAintenance). Cette plateforme intègre notre module de diagnostic par RàPC ainsi que les différents modèles de connaissance liés à l’équipement à diagnostiquer SISTRE (Supervised Industrial System of pallets TRansfEr).

Edition: Besançon: Université de Franche-Comté
Langue: Français
Collation: 262 p. ill. ;30 cm.
Diplôme: Doctorat
Etablissement de soutenance: Besançon, Université de Franche-Comté
Spécialité: Automatique
Index décimal 006.331 .Acquisition des connaissances (apprentissage automatique dans les systèmes experts)
Thème Electronique

Mots clés:
Raisonnement par cas
Modèles de connaissance
Remémoration guidée par l’adaptation
Diagnostic industriel

Note: Bibliogr. pp.237-262