Remémoration guidée par l'adaptation et maintenance des systèmes de diagnostic industriel par l'approche du raisonnement à partir de cas.

The development of new technologies of the various products and components made the nature of systems more and more complex. This complexity is reverberated on the good functioning of the equipment with the appearance of new failures and the increasing involved costs. Maintenance became an indispensable element to maintain any equipment in operational condition regardless of its nature. In this context we are interested in corrective maintenance and more particularly in fault diagnostic of the industrial equipment. We have developed a method based on case-based reasoning (CBR), this latter being widely used in the industrial diagnostic domain. The CBR is an approach for problem solving and learning. In diagnostic, several CBR systems, ranging from classification problems “casebase mining” to knowledge-based systems, have proven their effectiveness. We have deployed in the first type of system a method insuring its maintenance where the case formalization is trivial. The whole system's maintenance requires the maintenance of the case-base which represents the heart of CBR systems. This method of maintenance is composed of a structuring step and an auto-increment step of the case-base, both aim at ensuring the quality of the system throughout its evolution. As for the second type of system, we have implemented a system which relies on knowledge models associated with different handling phases of the CBR cycle. We have proposed an adaptation-guided retrieval method based on two measures, one of similarity and one of adaptation, and an adaptation algorithm dedicated to the industrial diagnostic field. Our proposals have been implemented and validated on a GaMA-Frame (Global asset MAintenance) e-maintenance platform. This platform integrates our CBR diagnostic module and different knowledge models to diagnose faults on SISTRE (Supervised Industrial System of pallets TRansfEr) equipment.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 diagnostic 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)