Le raisonnement causal
Supervision homme-machine

S7620 v1 Article de référence

Le raisonnement causal
Supervision homme-machine

Auteur(s) : Jacky MONTMAIN

Date de publication : 10 mars 2005 | Read in English

Cet article est réservé aux abonnés

Pour explorer cet article plus en profondeur Consulter l'extrait gratuit

Déjà abonné ?Se connecter

Sommaire
Médias

Présentation

1 - Principe

1.1 - Rôle de l’opérateur en salle de conduite
1.2 - Opérateur et automatisation
1.3 - Surveiller et diagnostiquer
1.4 - Caractéristiques des modèles utiles à la supervision

2 - Le raisonnement qualitatif

2.1 - Origines du RQ
2.2 - Courants du RQ
2.3 - L’évolution du RQ

3 - Le raisonnement causal

3.1 - Causalité
3.2 - Représentation par graphe causal

Figure 2 - Graphe causal de type SDG
3.3 - Graphe causal et diagnostic

Figure 3 - SDG et filtrage d’alarmes

4 - Le raisonnement multipoints de vue

4.1 - Méthode Multi Flow Modeling
4.2 - Méthode Sagace

Figure 6 - Matrice générique Sagace

5 - Le raisonnement approché

5.1 - L’interface numérique symbolique
5.2 - La décision multicritère

6 - Exemple d’application : la supervision dans le retraitement de combustibles irradiés

7 - Synthèse et conclusion

Bibliographie & annexes

Présentation

Auteur(s)

Jacky MONTMAIN : Ingénieur du Commissariat à l’Énergie Atomique Unité Mixte de Recherche sur la Complexité, École des Mines d’Alès – Commissariat à l’Énergie Atomique

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

Lire l’article

INTRODUCTION

La complexité des systèmes dans lesquels l’homme est impliqué aujourd’hui conduit à l’émergence de systèmes de traitement de l’information de plus en plus sophistiqués et incontournables où la prise de décision est de plus en plus difficile. La supervision homme-machine des systèmes de production s’inscrit typiquement dans cette problématique.

Les définitions de la supervision, fournies par les dictionnaires sont les suivantes : « surveiller et contrôler l’exécution d’une opération ou la réalisation d’un travail accompli par d’autres » (Larousse) ; « contrôler sans entrer dans les détails » (Robert). Les deux notions de « surveiller et contrôler l’exécution d’une opération » et « sans entrer dans les détails » sont déterminantes pour comprendre les orientations relatées dans cet article.

Le rôle de l’opérateur a évolué de la conduite à la supervision et l’outil de production est devenu indissociable de son système numérique de contrôle-commande rendant la compréhension des événements d’autant plus complexe. L’intégration d’indicateurs de contrôle de plus en plus nombreux et sophistiqués dans le poste de conduite ne correspond pas nécessairement aux attentes de l’équipe d’exploitation. Il est préférable d’élaborer des systèmes d’information coopératifs, véritables aides au raisonnement et à la compréhension de situations pour les opérateurs. L’enjeu ne doit pas être l’automatisation des tâches cognitives de ceux-ci mais l’aide au raisonnement. La supervision ne saurait se résumer à la surveillance d’un procédé physique, l’objet de son analyse est une installation complète avec son instrumentation, ses modes de fonctionnement, ses configurations…, conduite par une équipe d’opérateurs d’exploitation.

L’un des challenges des systèmes d’information interactifs réside alors dans la sélection, l’organisation et la présentation dynamique de l’information ; la performance de l’ensemble homme-machine dépend de l’efficacité de la communication établie par l’interface (au sens large du terme). La conception de systèmes coopératifs repose sur l’analyse du système homme-machine afin d’établir les besoins informationnels, de définir les objectifs, les contraintes et les tâches à remplir.

Nous verrons dans cet article les principes et les spécificités de la supervision homme-machine. Nous opposerons la notion d’automatisation cognitive à celle d’aide au raisonnement. Cela nous amènera à discuter des modèles cognitifs utiles à l’opérateur en salle de conduite. Nous nous attarderons à cet effet sur le raisonnement qualitatif, le raisonnement causal, le raisonnement multipoints de vue et le raisonnement approché.

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

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ? Se connecter

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-s7620

Lecture en cours
Présentation

Page
suivante

Le raisonnement multipoints de vue

Article inclus dans l'offre

"Automatique et ingénierie système"

(138 articles)

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Des contenus enrichis

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir l'offre

3. Le raisonnement causal

3.1 Causalité

La notion de causalité a été largement discutée dans les années 1980 [14] [41]. Nous ne l’aborderons dans ce paragraphe qu’à travers l’intérêt qu’elle a suscité durant ces dernières années dans le domaine de la supervision. En effet, le diagnostic est typiquement un processus causal, car il consiste à chercher les composants défectueux qui peuvent expliquer les dysfonctionnements observés. Qu’il s’agisse de simulation, d’explication ou de diagnostic, la causalité apparaît comme un principe de base. Si l’on y ajoute l’idée de dynamique de propagation des effets d’une commande, d’une perturbation ou d’un mode de défaillance, la notion de graphe causal dynamique pour la supervision s’impose : parce qu’une dynamique très forte pour des procédés couplés complexifie la compréhension et l’explication d’un fonctionnement anormal et constitue une cause supplémentaire d’erreurs d’interprétation pour l’opérateur, il est nécessaire de mettre l’accent sur la prise en compte des aspects temporels et causaux dans la simulation et le raisonnement [25] [51].

HAUT DE PAGE

3.2 Représentation par graphe causal

Un graphe causal est une description des influences que les variables peuvent avoir les unes sur les autres. Par suite, cela fournit un outil conceptuel pour raisonner sur la façon dont se propagent les changements dans une installation. Le comportement de tout système peut être décrit, au moins partiellement, par un graphe causal, composé de relations unidirectionnelles entre des variables : un système peut souvent être décrit par ses équations structurelles, qui sont généralement des interprétations algébriques des lois physiques régissant le système ; l’ordonnancement causal fournit un guide pour identifier les asymétries entre les variables dépendantes et indépendantes.

La structure la plus pauvre de graphe causal est celle du graphe signé orienté (SDG pour Signed Directed Graph). Les nœuds d’un SDG correspondent à l’état des variables, et les arcs orientés portent les signes des influences correspondantes : le signe est « + » lorsque les variables se rapportant à l’arc évoluent dans le même sens, et...

Cet article est réservé aux abonnés.
Il vous reste 95 % à découvrir.