Présentation

Article

1 - QU’EST-CE QUE LE DIAGNOSTIC ?

  • 1.1 - Terminologie
  • 1.2 - Supervision

2 - DIAGNOSTIC EN IA

3 - DISCUSSION

| Réf : S7217 v1

Diagnostic en IA
Intelligence artificielle et diagnostic

Auteur(s) : Sylvain PIECHOWIAK

Date de publication : 10 déc. 2003

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

RÉSUMÉ

Le diagnostic, qu'il soit technique ou médical, consiste à rechercher les causes d'un dysfonctionnement d'un système physique ou vivant, en vue de le réparer ou de le soigner. Cet article aborde la notion de diagnostic sous l'angle de l'intelligence artificielle et présente différentes approches, avec une synthèse comparative des plus représentatives. Le même dispositif simplifié est utilisé pour illustrer les différentes approches.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

Auteur(s)

  • Sylvain PIECHOWIAK : Professeur, université de Valenciennes et du Hainaut-Cambrésis - Laboratoire d’automatique, de mécanique et d’informatique industrielle et humaine (UMR CNRS 8530)

INTRODUCTION

Le monde dans lequel nous vivons voit naître des systèmes dont la complexité s’accroît constamment. Avec le développement des nouvelles technologies et de leur utilisation dans les nouveaux produits, les fonctions de conception et de maintenance engendrent des tâches qui requièrent des niveaux de qualification de plus en plus élevés. Cette constatation ne se limite pas au seul domaine technique mais concerne également d’autres domaines tels que la médecine.

À l’origine, le diagnostic était une notion purement médicale qui désignait l’activité consistant à identifier une maladie par ses symptômes. Bien évidemment, cette activité entre dans un processus plus global dont l’objectif ne s’arrête pas à l’identification des maladies mais comprend surtout la définition des soins à apporter pour guérir le patient ou pour le soulager. En effet, on ne va pas voir son médecin pour connaître le nom de sa maladie mais pour être soigné !

Cette vision médicale a ensuite été reprise dans le monde technique et industriel. Cette fois, il ne s’agit plus de rechercher les causes d’une maladie chez un patient mais les causes d’une défaillance ou d’une panne d’un dispositif physique. D’un point de vue conceptuel, il n’y a pas de différence fondamentale entre le diagnostic médical et le diagnostic technique. Tous les deux consistent à rechercher les causes d’un dysfonctionnement d’un système physique ou vivant en vue de le réparer ou de le soigner.

Dans le domaine technique, la fonction « maintenance » regroupe deux grandes classes d’activités : les activités relatives à la gestion et à l’organisation de la maintenance et les activités relatives à ses aspects techniques. Cette dernière classe est souvent englobée dans la supervision, notamment quand il s’agit de traiter des systèmes complexes tels que des centrales nucléaires ou des dispositifs électroniques de gestion du trafic ferroviaire, par exemple. Elle concerne les tâches de prévention, de diagnostic et de dépannage.

Ce document a pour objectif de présenter le diagnostic sous l’angle de l’intelligence artificielle (IA), domaine à la frontière de disciplines scientifiques variées telles que l’informatique, l’automatique, la psychologie, etc.

Il s’articule en trois parties. Nous commencerons par rappeler diverses définitions. Puis, nous présenterons les méthodes de diagnostic issues de l’intelligence artificielle. Nous focaliserons notre présentation sur les approches les plus représentatives. Enfin, nous ferons une synthèse de ces approches afin d’en dégager les propriétés.

Pour illustrer les différentes approches, nous utiliserons un même dispositif simplifié. Celui-ci concerne une partie électrique d’une automobile réduite à quatre composants : une batterie électrique, un système d’allumage, un moteur d’essuie-glaces et les ampoules de l’éclairage. L’objectif est de déterminer parmi ces composants celui ou ceux qui sont défaillants. Les observations qui peuvent être faites concernent les phares (ils fonctionnent ou non), les essuie-glaces (ils balaient ou non) et le moteur de l’automobile (il démarre ou non).

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

VERSIONS

Il existe d'autres versions de cet article :

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-s7217


Cet article fait partie de l’offre

Technologies logicielles Architectures des systèmes

(233 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Présentation

2. Diagnostic en IA

Pour plus de détails sur l’intelligence artificielle, le lecteur est invité à consulter Intelligence artificielle appliquée à l’automatique [R 7 215] et Systèmes à bases de connaissances [H 3 740].

En intelligence artificielle, on peut classer les approches de traitement du diagnostic en deux classes, selon le type de connaissances utilisées.

  • Dans la première classe, on trouve les approches basées sur des connaissances de nature heuristique, issues de l’expérience ou de l’exploitation des dispositifs. Les systèmes experts ou les systèmes dits à apprentissage entrent dans cette catégorie [H 3 740]. Dans ces approches, l’acquisition des connaissances reste le problème central. Les réseaux bayésiens 2.4 et les réseaux de neurones 2.3 sont d’autres exemples de ces approches. Le lecteur trouvera des présentations complètes dans ...

Cet article est réservé aux abonnés.
Il vous reste 94% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Technologies logicielles Architectures des systèmes

(233 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Diagnostic en IA
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - DUBUISSON (B.) -   Diagnostic, intelligence artificielle et reconnaissance de formes.  -  Hermès (2001).

  • (2) - BECKER (A.), NAÏM (P.) -   Les réseaux bayésiens - Modèles graphiques de connaissance.  -  Eyrolles (1999).

  • (3) - PEAR (J.) -   Probabilistic reasoning in intelligent systems.  -  Morgan-Kaufman (1988).

  • (4) - DOYLE (J.) -   A truth maintenance system.  -  Artificial Intelligence, 12, p. 231-272 (1979).

  • (5) - DE KLEER (J.) -   An assumption based TMS.  -  Artificial Intelligence, 28, p. 127-162 (1986).

  • (6) - TRAVÉ-MASSUYÈS (L.), DAGUE (P.), GUERRIN (F.) -   Le raisonnement qualitatif pour les sciences de l’ingénieur.  -  Diagnostic et Maintenance. Hermès (1997).

  • ...

Cet article est réservé aux abonnés.
Il vous reste 92% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Technologies logicielles Architectures des systèmes

(233 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS