Modlisation des

stratgies de rcupration
de dfauts en plasturgie
chez des rgleurs de
presses injecter
Projet2004
RapportFinal
ProjetPLASTUR

Disciplinesetquipes
Psychologie cognitive, Ergonomie, Informatique + Partenaire
Social
CRAC, Universit Paris 8 (Jean-Franois Richard, Emmanuel
Sander)
CNAM, Equipe Didactique professionnelle (Pierre Pastr, Pierre
Parage)
CRIP 5 Universit Paris 5, LIP6 Universit Paris 6 (Michel
Futtersack, Jean-Marc Labat, Jacques de Frileuze, Christ
Poorianana)
AGEFOS-PME BOURGOGNE (Pascal Samson)
Ecole de formation dAlenon (Pierre Parage)

Rappelduprojet
Modlisationdurleducontexteen
situationnaturelle(rgleursde
pressesinjecter)enarticulantdes
cadresthoriquesdepsychologie
cognitiveetergonomique,etdes
mthodesdemodlisationissuesde
lI.A.etdelapsychologiecognitive.

Contextescientifique
PlacecentraledelaR.P.danslanalysedu
travailenpsychologieergonomiqueeten
didactiqueprofessionnelle
LapsychologiecognitiveetlI.A.ont
dveloppdesmodlesrarementmis
lpreuveensituationnaturelle
Lesenjeuxsontconsidrables

Casdelaconduitedeprocessus
Travailsursimulateur(Pastr,92,94,04)
Rglagedesdiffrentsparamtresafindeviser
labsencededfaut(correctiondedfaut)
3catgoriesdedfaut(conceptualisation)
Causecirconscrite
Reposantsurundiagnosticdefonctionnement
Comprhensionducomportementdelamatire

Ilexistedessituationsdecompensation(plusieurs
paramtresdrglssecompensent)

Objectifsscientifiques
Simuler le comportement des oprateurs et
identifier les stratgies et les comportements
dadaptation
dans une situation professionnelle o
interviennent des connaissances spcialises
de haut niveau, contrairement aux problmes
classiques o nexistent pas de telles
comptences.
Un modle de diagnostic des processus de
solution serait utilisable pour rorienter le
comportement de recherche et faire prendre
conscience de ladquation ou non des

Buse

Contre-pression
CP

Granules de
polymre

Vis dArchimde

Temprature T
Temps dinjection TID

Phase dynamique dinjection

Buse

Granules de
polymre

Vis dArchimde

Pression de Commutation
PC

Point de commutation

Buse

Granules de
polymre

Vis dArchimde

Pression de Maintien
P2

Temps de Maintien T2

Phase statique de maintien

Buse

Granules de
polymre

Temps de refroidissement T3

Phase de refroidissement

Vis dArchimde

Corpus
Recueildedonnessurunsimulateur(construit
partirdunebasedtat,associantvaleursde
paramtresetdfauts)
Problmesdenatureproche(mmeEspace
Problme,mmeEtatFinal;EtatInitialvarie)
Corpuscomprend2parties
Deuxsriesdeproblmes(9et8problmes)spars
parunephasedeformation.
13sujetsautotaldontcertainsnontpasfaitla2me
partie.

Paramtresdaction
Apartirdesdfautsvisuelsetdelacourbedes
pressions
7paramtresdactiondiscrtiss3tatsdontles
valeurspeuventtreaugmentesoudiminues

TID=TempsdInjection
PC=PressiondeCommutation
CP=ContrePression
P2=Pressiondemaintien
T=Tempraturedumoule
T2=Tempsdemaintien
T3=Tempsderefroidissement

Unparamtredtatdelamachine:busemateou
non

Lesindicesdecourbe

Point de
commutation

PC

P2

TID

T2

Les4couplesdedfauts
Dfautscauseunique
1/Striage/Brlure
(Cause=TID)

2/Cassure/Retassure
(Cause=P2T2)

Dfautscausesmultiples
3/Serragefort/faible
(Causes=T3,P2T2)

4/Manque/Bavure
(Causes=PC,T,buse)

Combinaisondecausesetdedfauts
Ladditiondedeuxcausesconcourant unmmeeffet.Dans
certainscas,ilyaproductiondedeuxeffetsconjoints.
Attnuation:unecause,indirecte,vientdiminuerleffetdela
causedirecteprincipale.
Additionavecattnuation:deuxcausesajoutentleurseffets,
alorsquune3ecausevientattnuerleffetdensemble.
Additionavecaugmentation:deuxcausesajoutentleurs
effets;une3ecause,indirecte,vientaccentuerleffet
densemble.
Prsencede2causesayantdeseffetsdistincts,avec
attnuationdundeseffets.
Prsencede2causesayantdeseffetsdistincts,avec
accentuationdundeseffets.
Prsencede2causes,inhibitiondundeseffets

Hypothsessurlesraisonnementsdesrgleurs
pourdfautscausesmultiples
Deuxclassesdesituations:
1. Ledfautestdunecauseunique

Serrage=T3ou(P2,T2)

Manque/Bavure=(PC,T)oubusemate

Striage/brlure=TID
Variante:2dfautsdusunecauseunique
(Ex:M1,St1=>T)

2.

Ilyaunecausedirecteetunphnomnede
compensation/accentuation
Lacompensationpeuttretotaleoupartielle.

Exemplesdecompensations/accentuations
Compensationtotale:
CP+,T=>pasdedfauts
Compensationpartielle:
PC,CP+=>M1
Accentuation:
PC,Buse=>M2

Modlisationparcontraintes
Unecontrainteestunerglequia3particularits
1sonrsultatestunerestrictionsurlesactions
possibles.Cestunvecteurindiquantpourchaque
ventualitsiellesestpermise(0),interdite(1)ou
indiffrente(0,5)
2lescontraintessecomposentdefaonadditive:le
rsultatestunecontrainteplusrestrictive
3lefaitquunelisteordonnedeCestuneCpermetun
diagnosticautomatiquedelalisteordonnedes
contraintesquireproduitauplusprsleprotocole

Etantdonnunprotocole,unensembledeCpossibleetune
mesurededistance,
onconstruitprogressivementparajoutdeClalistequisimuleau
mieuxleprotocole(unproblmeouunesuitedeproblmes)

Adaptationlatchederglage(1)
Onadfinicommedescontraintesles
rglesdegestiondelatcheprisesde
dcisionportantsurletypedactivit
engager:
aprsunrglage,enfaireunsecondou
sarrterdagirpourprendredelinformation?
Alors,quelleinformationdemander,lesdfauts
oulacourbe,quandpasserlactionou
considrerqueleproblmeestrsolu.

Adaptationlatchederglage(2)
Lesbutsdactionsontdirectementdrivs
dhypothsessurloriginedesdfauts
unbutcomportedeuxcomposantes
lapartiedfautsoonpeutavoirundfautouun
couplededfauts
lapartieactionsderemdiationoonpeutavoir
uneouplusieursactionsordonnesounon

Adaptationlatchederglage(3)
Onexprimeleniveaudecomprhensiondes5
paramtresdelacourbedespressionsparunvecteur
5valeursquiindiquepourchaqueparamtresil
estreconnuounondanslacourbeparloprateur
Lesvaleursdecevecteurentrentcommeconditions
danslescontraintesdegestiondelatcheetles
contraintesdesactionsderglage

Larchitecturedusystme
Leprotocoleestdcoupendeuxsousprotocoles:gestionde
latcheetactionsderglage.
Chaquesousprotocoleestrgiparunensemblede
contraintes
recherchedumeilleurjeudecontraintespourchacunet
calculdeladistanceauprotocolepourlesdiffrentes
valeursduvecteurcomprhension
reconstitutionduprotocoleglobal:recherchedupatronde
valeursduvecteurcomprhensionquidonnelameilleure
approximation.Unefoiscepatronchoisi
simulationdesprisesdedcisiondegestiondelactivit
simulationdesprisesdedcisionconcernantlesactionsderglage

Cequelergleurvoit
Etatdelamachine
Dfauts
Paramtreslisibles Etatdesparamtres

Cequilfait
Rglage
Dema
ndinf
o
MBBru Str DepCasSer Ti Pc Cp P2 T2 Ti Pc Cp P2 T2 T3 T Bu R1 R1 va D C
1 1 0 0 0 0
1 0 0 1 1 0 0 0 0 0 0 0 1
1 0 0 1 1 1 0 0 1 1 0 0 0 Ti + 0 0 1
0 0 0 1 1 0 0 0 1 1 0 0 0 Pc 0 0 1
0 1 0 1 1 0 1 0 1 1 0 0 0 Ti 0 0 1
1 1 0 1 1 1 1 0 1 1 0 0 0 Pc + 0 0 1
1 0 0 1 1 1 0 0 1 1 0 0 0 Ti + 0 0 1
0 0 0 1 1 0 0 0 1 1 0 0 0 P 0 0 1
2
0 0 0 0 1 0 0 0 0 1 0 0 0 T + 0 0 1
2
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0
0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0

Exempledesimulation
Essai1dcisionduprotocole:demandedecourbeEtat:prisedinformation
Contraintes
av
anva a>a arrt dc/a a/c
dd/c a/cd ac/ad Cglobale
0
1
0,5
0,5
0,5
0,5
Demandedfauts
1
0
0
0,5
0,5
0,5
0,5
Demandecourbe
0,5
0
1
0,5
0,5
0,5
0,5
Priseinfo>action
1
1
1
0,5
0,5
0,5
0,5
Arrtfindepb
1
Nouvelleaction
Action>priseinfo

1
0
1
1

dc/a;audbutdupbouaprsactionvalidesurparamtrecourbereconnu,demandercourbe
a/cd:aprsactionvalidesurparamtrecourbe,sicournormalemaisdfauts,alorsaction
Essai2dcisionduprotocole:passagelactionEtat:prisedinformation
Contraintes
av
anva a>a arrt dc/a A/c dd/c A/cd ac/ad Cglobale
0
0,5
1
0,5
0,5
0,5
Demandedfauts
1
0
0,5
1
0,5
0,5
0,5
Demandecourbe
1
0
0,5
0
0,5
0,5
0,5
Priseinfo>action
0,5
1
0,5
1
0,5
0,5
0,5
Arrtfindepb
1
Nouvelleaction
Action>priseinfo

1
1
0
1

Essai

Etat

Action

Contraintes

Actions
autorises

PI

PICPI

pasencoreeuderglage,courbe
absenteetlisible

PICPI

demanderlacourbe

PI

PIRE

pasencoreeuderglage,lacourbe
estprsente

PIRE

faireunrglage

RE Ti+1

Traitement courbe qui autorise Ti+,

Ti,Pc+,Pc(mallus)etP2+,T2(bienlus)

Ti+

ButsManqueetBrlurequiautorisentTi+,
P2,T2+

RE REPI

siunrglagevalideatfait,demanderde
linformation,saufsicerglageannulele
rglageprcdent,auquelcassoitdemander
delinformationsoitfaireunnouveau
rglage;silnyapaseuderglageousil
estinvalide,faireunrglage

REPI

PI

ilyaeuunrglagesurunparamtredela
courbequiestlisible,nilesdfautsnila
courbenonttdemands,demanderla

PICPI

PICPI

Fidlitdelasimulation
Lacompatibilitindiquequelestlepourcentagedesessais
du protocole pour lesquels laction observe se trouve
parmilesactionsautorisesparlasimulation
Laprdictibilitestlieaunombredactionsautorisespar
lasimulation:sicenombreestfaible(lalimiteune),cela
signifiequelasimulationserredetrsprsleprotocole
Silenombredactionsautorisesestimportant,la
simulationcontientleprotocole,maisdunefaonlche
Compatibilitetprdictibilitsontenrelationinverselune
delautre

And
Ber(1)
Cha
Chr
Dan
Eti(1)
Fra
Geo
Hen
Jac
Jea(1)
Luc(1)
Mic

EtatRE:gestionrglages EtatPIprisedinformation Etatchoixdesrglages

Nombre Incompa %decas Nombre Incompa %decas Nombre Incompa %decas
dessais tibilits 1action dessais tibilits 1action dessais tibilits 1/2
actions

%decas
1/4
actions

66
143
55
75
91
103
52
76
90
68
71
33
34

.23
.55
.93
.47
.25
.67
.53
.47
.66
.87
.52
.56
.61

.090
.036
.026
.032
.058
.058
.0
.044
.073
.028
.030
.029
.060

.90
.96
.97
.97
.94
.92
1.0
.95
.93
.97
.88
.97
.94

246
117
179
223
142
111
192
189
142
176
64
68
154

.020
.042
.0
.031
.042
.027
.031
.063
.028
.006
.031
.015
.019

.45
.60
.75
.62
.68
.40
.53
.48
.49
.60
.72
.79
.62

141
55
75
146
136
51
76
90
67
71
33
34
66

.035
.036
.0
.010
.0
.020
.013
.022
.0
.0
.03
.0
.015

.18
.38
.67
.22
.18
.39
.30
.30
.46
.68
.33
.35
.39

Apportsdelamodlisationparcontraintes
Formaliserlesrsultatsdelanalysedutravail
concernantleshypothsesdesrgleurssurloriginedes
dfautsainsiquelesdiffrentesstratgies:pilotageparla
courbeouparlesdfauts
Permetdestimerdescaractristiquesindividuellesdes
oprateursautresquelesstratgies
Leniveaudexigencedeloprateur
Lacomprhensiondelacourbe
Leshypothsessurlescausesdesdfauts

Diagnosticfinduprocessusdersolutionquipermet
denvisagerlutilisationdumodledesfinsdeformation,
notammentpourfaireprendreconscienceloprateurdela
stratgiemiseenuvreetlafairevoluerversunestratgie
plusefficace

Modlesbasedeconnaissances
DfinitiondelOprateurIdal(O.I.)
Commenceparrectifierlacourbe
Puisstratgieanalytiquefondesur
Lenombredefoisouneactionluiapermisde
rsoudrelesdfautsprsentsdansleproblme
Limpactdelactionsurlesautrestypesdedfauts.
Rglesplusgnralesdadaptationlatche
(heuristiques)
Nepasexcuter2foislammeaction.
Nepasrevenirenarrire

Lesrglesdaction
Rglesdactionpourlacourbe
Siundesparamtresdelacourbe(TID,PC,P2,T2)
nestpascorrect,uneseulerglepossible

Rglesdactionpourlesdfautsvisuels
Extractiondesconnaissancespartirdelabasedes
tats
Rductiondelabasedestats
Dfinition des rgles daction et de leur priorit : une
premire dfinition a t implmente sur la base de
critres de frquence (nombre dtats de la base
prsentant un dfaut dj et pour lesquels laction ai tait
ncessaire)etderglesdoptimisation(lesheuristiques).

Lediagnostic
Choixdelactionlapluspertinente
M1 pour ManqueBavure, Str1 pour StriageBrlure et Nser pour
Serrage.Onaainsi:Pb={M1,Str1,Nser}.

ai
ai
buse

MAX MAX ( pd j pd j ) , pd j / 3
ai A /buse d Pb

j
d j Pb

RsultatsdelO.I.
LO.I.asursoudrelensembledes17problmes
Leplussouventenunnombredecoupsoptimal
LarchitecturedveloppepourlO.I.transposablepourlesO.V.
DveloppenCLIPSetdevraittreintgrausimulateurJava.

Mais
Lesrgleursrelsnefonctionnentpassurlemodledurgleur
idal,mmesousuneformeplusoumoinsdgrade.
Mmelergleurleplusperformant,necommencepasdefaon
systmatiquecorrigertouslesparamtresvisiblessurlacourbe
pournepasserquensuite,sibesoinest,lacorrectiondesdfauts
rsiduels
Registrepragmatique:lesrgleurscherchenttrouveruntat
acceptableenunminimumdetemps

Deuxoprateursvirtuels
OprateurRustique(O.R.)
Prendenconsidrationuniquementlesdfauts(demandesde
dfauts)
Neconnaitpas(outrspeu)lesinformationsdelacourbe
HypothsesimplificatricequelO.R.observelapiceaprschaqueaction

OprateurExpert(O.E.)
Prendencomptedesinformationsdelacourbe
Effectuedesdemandessurlesdfautsvisuels
HypothsesimplificatricequelO.R.consultetouteslesinformationsaprschaqueaction

Modlesarticuls
Labasederglesdumodleexpertestuneextensiondelabasede
rglesdumodlerustique

Evaluationdeloprateurrustique
Troissujetsserapprochentleplusdu
modlerustique:Lucien,HenrietJean
Ceuxcinedemandentjamais(outrsrarement)
consulterlacourbe

Pourlestroissujetsconcerns,lesqualits
desimulationsonttrsbonnes
Concidencesurlensembledesactionssur6ou
7des8problmes

Evaluationdeloprateurexpert
3oprateursaucomportementtrsprochepourconstruire
labasederglesdelO.R.
Environ60%desproblmessimuls
Encourageante,maisnonsuffisante

Troisimeniveaudemodlisationenvisager
Hypothsequelesexpertsfontdesinfrencessurdesvariables
nondirectementobservables
physiquesdductiblesd'observables(lavitessed'injectionpeuttredrive
dutempsd'injectionetdelapressiondecommutation)
physiquesinaccessibles(tempratureplastique,tatbuse)
construites(bourrage,retrait,manquedematire):abstractiond'un
phnomnephysicochimiqueimpliquantplusieursvariablesphysiques

Apportsdelasimulationbase
deconnaissances
Richessedulangagedereprsentation
Lesrglesutilisentlalogiquedesprdicats,onpeut
dfinirdesmtaconnaissancesexplicitespourcontrler
lemoteurdinfrences
Dcrireainsidescomportementsdersolution
complexes,commedeschangementsdestratgieen
coursdersolution.

Lisibilitdesrgles
Permetunemodlisationincrmentaleetinteractive
Lexpertdudomainepeutexaminerlatracedune
rsolutiondusystmeetcorriger/ajouterdesrglesen
dtectantdesincohrencesoudesincompltudes.

SIMPLAST
Unsimulateurpourlexprimentation,le
diagnostic,lasimulationetlaformation
Unmodeapprenant,etunmodeformateur
Possibilitderejouerunprotocole
Possibilitdersoudreunproblme(lO.I.
etlesOprateursvirtuelsserontimplants
dansSIMPLAST)

Etudeauprsdapprentis
Quenestilchezlesdbutants?
Apportdesmodlisationsconstruites
Applicationlaformation

EcoleprofessionnelledAlenon
RecueildesdonnessurSIMPLAST

80protocolescollects
Rsultatsencoursdanalyse(Thsede
PierreParage)

ModlisationcognitiveRst&R.P.
Miseenuvredemodlisationsissuesdechampsde
recherchesdiffrents
IApourlamodlisationbasedeconnaissances
PsyCogpourlamodlisationbasedecontraintes

MmeobjetderechercheETmmesdonnes.
Dmarchergulirementpromue,ralisationeffectivetrsrare
PLASTURconstituecetitreunexempleremarquable
dapplicationdedeuxapprochesunemmesituationetsurun
mmecorpus.

Articulationdesmodlisations
Caractristiquesdunmodleconjoint
Diagnostic,analysedescomportementsun
niveaufin(lescontraintes),etdegranularit
suprieur(rgles)
Diagnosticassurparlapprochecontrainte
Les contraintes identifies servent dentres pour la
slectiondesrglesappropries
dunmodlebasedeconnaissances
deloprateurvirtuellepluspertinent
supportdinteractionsdirectesaveclesexpertsdudomaineou
delanalysedutravail,etadaptlaconstructiondeprofils

Dpasselecadreduprojetmaisrenduepossibleparlui

Apportsrciproques
LesanalysesconduitesparPierrePastrontpuservirdesupportune
modlisationinformatique,tantparlapprochecontraintequepar
lapprochemodlisationbasedeconnaissance
Doublefonctiondeladmarchemodlisatrice
tentativedevalidationduneanalysejusquelseulementpartiellement
formaliseetlargementqualitative
supportpourunevolutionconceptuellelieauxncessitsdexplicitation
proprelaconstructiondunmodleinformatiqueetauxrinterprtationslies
auxrsultatsdespremirestentativesdesimulations

Pourlapsychologiecognitive:permetdprouveretdefairevoluer
desmodlesensortantdesproblmesjouetsetenprenantencompte
linfluencedesconnaissancesantrieures

PerspectivepourPlastur
Volontdepoursuiteparlesmembresdu
projet
Partenariatencoursdedveloppementavec
lcoledAlenon
Applicationlaformation
Unethseencours

Rdactiondarticles