Présentation

Article

1 - QU’EST-CE QUE LE DIAGNOSTIC ?

  • 1.1 - Terminologie
  • 1.2 - Supervision

2 - DIAGNOSTIC EN IA

3 - DISCUSSION

Article de référence | Réf : S7217 v2

Diagnostic en IA
Intelligence artificielle et diagnostic

Auteur(s) : Sylvain PIECHOWIAK

Date de publication : 10 mars 2020

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

Version en anglais English

RÉSUMÉ

Le diagnostic est un problème important sur lequel se sont penchés depuis longtemps de nombreux chercheurs se réclamant de l’intelligence artificielle. Diverses approches ont été imaginées : les unes se basent sur une formalisation logique du raisonnement. Les autres privilégient l’exploitation de l’expérience de terrain des ingénieurs en maintenance.

Avec l’apparition d’une puissance de calcul et de stockage des nouveaux ordinateurs, l’intelligence artificielle connaît actuellement un regain d’intérêt, notamment dans le domaine des techniques d’apprentissage automatique. Ces techniques peuvent également être exploitées pour réaliser des outils performants de diagnostic.

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

Lire l’article

Auteur(s)

  • Sylvain PIECHOWIAK : Professeur des universités - LAMIH UMR CNRS 8502, Université polytechnique Hauts-de-France, 59300 Valenciennes, France

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 se décline en trois tâches importantes : la prévention, le diagnostic et le dépannage.

Cet article 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 sections. La première constitue un rappel de diverses définitions. La seconde présente les principales méthodes de diagnostic issues de l’intelligence artificielle ; elle se focalise sur les approches les plus représentatives. Enfin, une synthèse de ces approches est faite dans la troisième section afin de dégager les propriétés de ces approches.

Cet article est réservé aux abonnés.
Il vous reste 95% 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-v2-s7217

CET ARTICLE SE TROUVE ÉGALEMENT DANS :

Accueil Ressources documentaires Génie industriel Industrie du futur Industrie du futur : outils numériques Intelligence artificielle et diagnostic Diagnostic en IA

Accueil Ressources documentaires Innovation Industrie du futur Industrie du futur : outils numériques Intelligence artificielle et diagnostic Diagnostic en IA

Accueil Ressources documentaires Technologies de l'information Technologies logicielles Architectures des systèmes Intelligence artificielle Intelligence artificielle et diagnostic Diagnostic en IA

Accueil Ressources documentaires Génie industriel Maintenance Mise en œuvre de la maintenance Intelligence artificielle et diagnostic Diagnostic en IA


Cet article fait partie de l’offre

Automatique et ingénierie système

(139 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
Version en anglais English

2. Diagnostic en IA

Pour plus de détails sur l’intelligence artificielle, le lecteur est invité à consulter les articles [R 7 215] et [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 et de l’exploitation des dispositifs. Les systèmes experts ou les systèmes dits à apprentissage entrent dans cette catégorie. Dans ces approches, l’acquisition des connaissances reste le problème central. Les réseaux bayésiens et les réseaux de neurones sont d’autres exemples de ces approches. Le lecteur trouvera des présentations complètes dans , ou .

  • Dans la deuxième classe,...

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

Automatique et ingénierie système

(139 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) - PEARL (J.) -   Probabilistic reasoning in intelligent systems.  -  Morgan-Kaufman (1988).

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

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

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

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

Automatique et ingénierie système

(139 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