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
PlanSystème-Expert d’aide au diagnostic : 1. Les objectifs 2. Définitions 3. Fonctionnement 4. Les problèmes
Conclusion
3
Partie I Système-expert
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
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
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
Architecture d’un SE
Utilisateur
Expertdu
domaine
Cogniticien
Basede
connaissances
Moteurd’inférences
Interfaceutilisateur
Système-expert
8
Architecture d’un SEUne 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
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
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 raisonnementLe 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
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.
Temps de réponse adéquatFiabilité CompréhensibleHaut 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
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
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. 1
6
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
Exemples
Détection de fraudes aveccartes de crédit et téléphones,
aide au surveillance continu despatients
Aide a l’affectation du créditimmobilier ou du crédit à uneentreprise, calcul des risquespour assurances, prédiction desmarchés
Surveillance Finance
18
Exemples
Dans le domaine médical, maisaussi en informatique
Diagnose
19
Partie IIDiagnostic
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
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
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
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
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
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
27
Démarche de diagnostic
Démarche de diagnostic
Démarche inductive
Démarche déductive
27
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
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
Méthodes de diagnostic
30
Méthode de diagnostic
interne externe
Les méthodes d'analyse d'erreurs humaines
Les méthodes d'analyse de défaillances
30
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
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
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 … 3
3
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
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
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
37
Partie III Système expert d’aide au
diagnostic
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.
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
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
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
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
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
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
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
46
Merci pour votre attention
https://fr.wikipedia.org/wiki/Diagnostichttps://fr.wikipedia.org/wiki/Diagnostic_(intelligence_artificielle)
http://fr.allafrica.com/stories/200901020918.htmlhttp://
www.memoireonline.com/05/10/3493/m_Bond-graphs-couples-pour-la-surveillance2.html
Bibliographiehttp://www.hypergeo.eu/spip.php?article84
http://www.labri.fr/perso/moot/SE/SystemesExperts1.pdfhttp://www-igm.univ-mlv.fr/~dr/XPOSE2004/jvaldes/detail.html
http://www.tripalium.com/fiches/auto-evaluation/Sysexpert.htmlhttp://www.memoireonline.com/09/10/3851/Realisation-dun-systeme-expert-pour-la-therapeutique-et-le-diagnostic-des-maladies-de-la-tuber.html
http://www-igm.univ-mlv.fr/~dr/XPOSE2004/jvaldes/fonctionnement.html