Bibliographie & annexes
Présentation
En anglais
Auteur(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.
L'expertise technique et scientifique de référence
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Automatique et ingénierie système
(138 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
Le raisonnement causal
En anglais
2. Le raisonnement qualitatif
2.1 Origines du RQ
Pour construire des représentations qui permettent une meilleure compréhension des phénomènes physiques mis en jeu dans un procédé, l’IA s’intéresse au milieu des années 1980 au raisonnement qualitatif (RQ). Le développement de techniques de représentation qualitative du monde pour en « comprendre schématiquement le fonctionnement » est une idée très naturelle et par conséquent très ancienne. La supervision reposant davantage sur la notion de pertinence que de précision des représentations, le RQ y trouve rapidement un champ d’application privilégié.
La modélisation qualitative doit avant tout être plus simple que la physique classique. Le moyen de simplification couramment envisagé est la diminution de la précision de la modélisation numérique ; poussé à l’extrême par De Kleer [13], ce raisonnement réduit l’ensemble des valeurs possibles d’une variable à {valeur négative, valeur nulle, valeur positive}. Les équations quantitatives décrivant classiquement le comportement d’un système sont alors transformées en équations qualitatives ou confluences, qui sont des fonctions de variables qualitatives. Le programme de simulation qualitative basé sur cette modélisation s’appelle ENVISION. À partir d’un système de confluences et d’un état initial, il fournit une description du comportement d’un système en termes de ses états futurs possibles.
Après les travaux de R. Thom sur une théorie mathématique de raisonnement qualitatif (théorie des catastrophes), les travaux d’économistes montrent que des modèles qualitatifs peuvent fournir une bonne représentation de certains systèmes économiques et que des conclusions significatives peuvent s’obtenir à partir d’informations purement qualitatives. Tous les travaux anciens que l’on peut trouver autour du raisonnement qualitatif étaient historiquement motivés par le fait que des informations quantitatives ne sont pas toujours disponibles de sorte que l’obtention d’un modèle numérique est remise en cause. Ceci peut être le cas en phase de conception d’un système lorsque seules les fonctions ont été définies sans pour autant donner lieu à une affectation de valeurs numériques ou face à des systèmes mal connus. Il s’agit alors de construire un modèle du système à partir d’une information incomplète...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Automatique et ingénierie système
(138 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 qualitatif
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 - ....
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Automatique et ingénierie système
(138 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
