Présentation
EnglishAuteur(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’articleINTRODUCTION
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.
DOI (Digital Object Identifier)
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
Présentation
4. Le raisonnement multipoints de vue
Un autre type de raisonnement régulièrement mis en œuvre par les opérateurs en salle de conduite est le raisonnement multipoints de vue. Il peut correspondre à une appréhension des phénomènes suivant différents niveaux d’abstraction, différentes perspectives d’analyses, différentes natures de décomposition de l’installation. Nous avons choisi de présenter en quelques mots deux méthodes dont l’utilisation pour la supervision nous paraît immanente.
4.1 Méthode Multi Flow Modeling
Lind [52] propose une méthode baptisée Multi Flow Modeling (MFM) pour modéliser des systèmes industriels complexes à caractère continu. Cette méthode se base principalement sur le concept de flux comme son nom l’indique, mais également sur les concepts de buts et fonctions.
Cette méthode utilise deux axes de décomposition tout/parties et moyens/fin [52] [49]. L’axe tout/parties correspond à une décomposition hiérarchique descendante d’un système global en sous-systèmes décomposés à leur tour en sous-systèmes moins complexes jusqu’à l’obtention du niveau des fonctions de base. L’axe moyens/fin correspond, pour un niveau donné de décomposition, à la succession des moyens nécessaires pour atteindre un objectif donné.
Un objectif est atteint grâce à la réalisation d’un ensemble de fonctions qui sont elles-mêmes assurées par des composants physiques. Basée sur une grammaire simple, cette méthode modélise un système industriel en mettant en évidence les flux de matière, d’énergie et, dans un degré moindre, les flux d’information en jeu dans le système. Ces différents flux subissent des transformations successives au travers de fonctions de base ou élémentaires prédéfinies (fonctions source, puits, transport, stockage, barrière, équilibre) constituant le vocabulaire minimum de MFM.
Ces fonctions de base ainsi reliées entre elles constituent alors une fonction de plus haut niveau, appelée réseau ou structure permettant d’atteindre un but. Ainsi les fonctions de base permettent d’atteindre un but élémentaire et le réseau qui est, en fait, une agrégation de ces fonctions de base, un but complexe résultant de N buts élémentaires. Les fonctions élémentaires sont généralement conditionnées par la réalisation d’un...
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
Le raisonnement multipoints de vue
BIBLIOGRAPHIE
-
(1) - ALLEN (J.F.) - Maintaining knowledge about temporal intervals - . Communications of the ACM, p. 832-843 (1983).
-
(2) - BAINBRIDGE (L.) - Ironies of automation - . Automatica, 19 (6), p. 775-779 (1983).
-
(3) - BANDEKAR (V.) - Causal models for diagnostic reasoning - . Artificial Intelligence in Engineering, 4 (2) (1989).
-
(4) - BENKHANNOUCHE (S.) - Aide à la supervision des processus industriels : vers une méthodologie de conception - . Thèse de l’Université Pierre et Marie Curie de Paris 13 (1996).
-
(5) - BOBROW (D.G.) - Qualitative reasoning about physical systems : an introduction - . Artificial Intelligence, 24, p. 1-5 (1984).
-
(6) - BRUNET (J.), JAUME (D.), LABARRÈRE (M.), RAULT (A.), VERGÉ (M.) - Détection et diagnostic de pannes, approche par modélisation - ....
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