29 mai 2009

Amjad Abou Assali

Dominique Lenne et Bruno Debray

Laboratoire HEUDIASYC

Université de Technologie de Compiègne, France

Contexte

• Sur les sites industriels, des barrières de sécurité sont utilisées pour réduire au maximum les risques.

• Ces barrières peuvent ne pas bien fonctionner, et des accidents peuvent se déclencher.

• Pour diagnostiquer, l’hypothèse est que : « Si une barrière n'a pas bien fonctionné dans une situation similaire, il est fortement probable qu'elle ne fonctionne pas, dans la situation actuelle, pour des raisons similaires ».

• Application aux capteurs de gaz.

2 / 21

Problématique

• Comment aider un expert à se remémorer les situations de défaillance similaires ?

• Comment conserver les connaissances des experts après leur départ ?

3 / 21

Objectifs

• Capitaliser les connaissances sur la défaillance des barrières de sécurité.

• Concevoir un système de Raisonnement à partir de cas (RàPC) basé sur une ontologie pour aider à diagnostiquer la défaillance des barrières de sécurité.

• Le RàPC est une approche de résolution de problèmes ayant pour objectif de résoudre un nouveau problème (problème cible) à l'aide d'un ensemble de problèmes déjà résolus (problèmes sources).

4 / 21

Plan

• Architecture de COBRA

• Modèles des connaissances– Modèle de domaine

– Modèle de cas

• Processus du RàPC– Authoring des cas

– Remémoration des cas

• Hétérogénéité des cas– Problèmes et solutions

• Résultats

• Bilan et perspectives

5 / 21

Architecture de COBRA(Conversational Ontology-based CBR for Risk Analysis)

Authoringdes cas

Sources de connaissances

Connaissances des experts

Connaissances

Base de cas

Métriquesde similarité

Élaborer

Remémorer

Diagnostiquer

Valider

Mémoriser

Processushors-ligne

Processus en-ligne

Enrichir Expertindustriel

Ontologie

6 / 21

Modèles des connaissancesModèle de domaine

• Il représente les connaissances du domaine sous forme d'une ontologie.

• Deux ontologies ont été développées (Abou Assali et al., 2008) :– Une ontologie noyau sur la sécurité industrielle ;

– Une ontologie de domaine sur les barrières de sécurité, en particulier les capteurs de gaz.

7 / 21

Modèles des connaissances Modèle de cas

• Un cas contient trois parties principales : description, mode de défaillance, et causes.

• Les parties description et mode de défaillance représentent le problème du cas, et la partie causes représente la solution.

• Pour améliorer la communication entre la base de cas et le modèle de domaine, le modèle de cas est représenté à l'aide d'une ontologie.

• Un cas est représenté par une instance de cette ontologie.

8 / 21

• Selon cette représentation, un cas peut avoir deux types d’attributs :

– Des attributs simples correspondant à des propriétés data-type.

– Des attributs complexes correspondant à des instances de l’ontologie de domaine.

Modèles des connaissances Modèle de cas

9 / 21

Modèles des connaissances Modèle de cas

10 / 21

Processus du RàPCAuthoring des cas

• Des experts du domaine ont été sollicités pour décrire des cas de diagnostic.

• Les experts ont parfois besoin d’utiliser différents termes pour décrire leurs cas.

• COBRA permet de décrire les cas avec des concepts ou des instances quelconques de l’ontologie de domaine.

• Cela conduit à une base de cas hétérogène, ce qui complique la remémoration des cas.

11 / 21

Processus du RàPCRemémoration des cas

• Des mesures de similarité sont utilisées pour récupérer les cas similaires à un cas cible.

• Ces mesures suivent le principe “local-global” et sont divisées en deux composantes :

– Une similarité basée-concept qui dépend de l’emplacement du concept (ou instance) dans la hiérarchie de l’ontologie ;

– Une similarité basée-slot qui dépend des valeurs des attributs communs des objets comparés.

12 / 21

• Similarité basée-concept entre les deux concepts (ou instances) q et c :

prof : la profondeur d’un concept (ou instance).

LSC : le plus petit subsumant commun.

wq : le poids de q.

• Similarité basée-slot :

CS : l’ensemble des attributs communs (Common Slots) entre q et c.

Processus du RàPCRemémoration des cas

13 / 21

Hétérogénéité des cas (problème)

• Il n’y a pas de matching prédéfini entre les attributs du cas cible et ceux des cas sources.

Hydrogène Vapeur de solvant

Présence de poussière

…

Vapeur d’eau

Faible hygrométrie

…. Dépoussiéreur humide

méthane …

Cas cible (requête)

Cas source 1 Cas source 2

? ? ? ?

14 / 21

Hétérogénéité des cas (solution)

• Pour chaque attribut complexe q’, soit c’ l’attribut complexe correspondant dans le cas Cj. Nous considérons que c’ est l’attribut avec lequel q’ a une similarité maximale dans Cj :

• Cette définition n’étant pas satisfaisante, nous comparons sim(q’,c’)obtenue dans Cj avec la similarité maximale obtenue sur l’ensemble des cas pour l’attribut q’, ce qui donne la condition suivante :

Où (β = 0.6) est un certain seuil déterminé après une première validation.

15 / 21

Hétérogénéité des cas (problème)

Sur un site industriel, un capteur de gaz a été utilisé pour détecter le méthane. D'autres gaz étaient présents sur le site dont l'hydrogène.

Cas source

On cherche les cas où un capteur de gaz a été utilisé pour détecterl'hydrogène.

Cas cible (requête)

L’hydrogène du cas source est l’attribut correspondant le mieux à l’hydrogène de la requête.

En suivant l’approche proposée jusqu’à présent, nous trouvons que :

16 / 21

Hétérogénéité des cas (solution)

Notion de rôle d’attribut

• Nous proposons de préciser le rôle de chaque attribut complexe pouvant conduire à des situations ambiguës.

• Ainsi, l'hydrogène du cas aurait pour rôle « gaz présent », et celui de la requête « gaz à détecter ».

17 / 21

Résultats

• Nous avons développé la plateforme COBRA :– C’est une plateforme générique pour construire des systèmes de RàPC.

– L’intérêt principal est qu’elle permet de traiter des cas hétérogènes.

• Nous nous somme basés sur l’API jColibri, mais nous avons rajouté notre couche qui traite l’hétérogénéité des cas.

• Nous avons fait une première évaluation du système auprès d’experts de l’INERIS.

18 / 21

COBRA

19 / 21

Bilan

• Développement d’une approche de RàPC basée sur une ontologie ;

• Cette approche permet de traiter des bases de cas hétérogènes. Elle est basée sur :

– Des mesures de similarité ;

– L’affectation de rôles aux attributs des cas pour lever les ambiguïtés.

• Développement de la plate-forme générique COBRA qui prend en compte cette approche.

20 / 21

Perspectives

• Nous sommes actuellement en train de terminer les autres phases de RàPC.

• Nous allons faire une évaluation auprès d'experts de l‘INERIS à deux niveaux :

– Le premier niveau concerne l'utilisabilité de la plate-forme : à quel point la structure des cas et les processus de raisonnement sont-ils proches de l'activité réelle de l'expert ? Quels sont les concepts à rajouter à l'ontologie de domaine pour pouvoir décrire les nouveaux cas ? L'expert trouve-t-il les propositions d'aide intéressantes ? etc.

– Le deuxième niveau concerne les résultats fournis par le système ; i.e. la qualité du diagnostic proposé par le système par rapport à certains cas cibles.

21 / 21

Merci de votre attention