République Algérienne Démocratique et Populaire

Ministère de l’enseignement et de la Recherche

Scientifique
Université des Sciences et de la Technologie
HOUARIBOUMEDIENNE

Faculté d’Electronique et d’Informatique

Département d’Instrumentation et Automatique

Recherche pour le module Diagnostic des systèmes

industriels
Intitulé

Diagnostic des défauts par

système expert
Réaliser Par :

NOM : BOULBADAOUI PRENOM : AMINA MATRICULE : 191931068529

NOM : TAALBI PRENOM : MERIEMMATRICULE : 191931069528

SOUS GROUPE : 02

M2 AUTOMATISATION INDUSTRIELLE ET PROCESSUS

USTHB Diagnostic des défauts par système expert 2ème Année MASTER AIP

I. Introduction
Le diagnostic des défauts est une tâche importante qui consiste à identifier la cause d'un problème
ou d'une défaillance. Dans le passé, le diagnostic des défauts était un processus manuel, mais avec
l'augmentation de la complexité des systèmes, il est devenu de plus en plus difficile et coûteux.

Les systèmes experts sont une approche prometteuse pour le diagnostic des défauts dans les
systèmes complexes. Ils utilisent une base de connaissances des défauts potentiels et de leurs causes
pour identifier la cause la plus probable d'un défaut.

Les réseaux de neurones sont un type d'apprentissage automatique qui peut être utilisé pour
améliorer la précision et l'adaptabilité des systèmes experts. Ils peuvent être utilisés pour apprendre
les relations entre les symptômes d'un défaut et la cause du défaut.

Dans ce travail, nous nous concentrons sur le diagnostic de défauts par des systèmes experts utilisant
des réseaux de neurones. Nous présentons une revue de la littérature sur les systèmes experts pour
le diagnostic des défauts

II. Les Systèmes expert :

1. Définition
De nombreux auteurs ont défini le système expert de différentes façons. :

"Les systèmes experts sont définis de différentes manières par divers auteurs. Selon Riche et Knight
(1991), ce sont des programmes résolvant des problèmes typiquement traités par des experts
humains, nécessitant une vaste base de connaissances.

Frenzel (1987) les décrit comme des programmes d'Intelligence Artificielle agissant en tant que
conseillers intelligents dans des domaines spécifiques. Ces systèmes cherchent à reproduire le
raisonnement des experts humains et reposent sur la séparation entre une base de connaissances et
un moteur d'inférence informatique, nécessitant la capacité de stocker et de lier des connaissances."

À travers ces deux définitions transparaissent les principaux traits des systèmes experts. D'un point
de vue conceptuel. ils visent à restituer le raisonnement d'un expert humain dans un domaine
particulier.

2. Les composants d'un système experts :

Un système expert peut effectuer son travail grâce à l'incorporation de trois éléments essentiels.

1) La base de connaissances: elle contient une représentation du savoir nécessaire. Elle

comporte deux modules:
a. la base de faits : c'est la mémoire de travail du système expert qui contient des
connaissances ou faits qui décrivent des situations connues ou à établir:
b. la base de règles : elle contient des connaissances ou règles qui représentent le
savoir faire sur le domaine. Ces connaissances indiquent quelles conclusions tirer ou
quelles actions entreprendre lorsqu'une situation est établie ou est à établir.
2) Le moteur d'inférence : c'est la partie du système qui exploite méthodiquement la base de
connaissances pour résoudre le problème. Ii détecte les connaissances intéressantes.
sélectionne les règles à appliquer, les enchaîne et construit un plan de résolution. Les modes

2
USTHB Diagnostic des défauts par système expert 2ème Année MASTER AIP

de raisonnements possibles de ce moteur sont la technique du chaînage avant pour

raisonner à partir d'assertions et du chaînage arrière pour raisonner à partir d'hypothèses.
3) l'interface entrée-sortie : c'est ce qui permet à l'utilisateur de fournir des faits et des
données et au système de poser des questions ou de donner une explication.

3. Les étapes de construction d'un système expert :

Cinq étapes fondamentales de développement sont généralement identifiables dans la construction
d'un système expert.

1) Identification du problème : où l'on cherche à caractériser les aspects importants du

problème que le système expert devra résoudre.
2) Conceptualisation : qui permet de préciser plus explicitement les concepts. les
connaissances et les relations clés identifiés à l'étape précédente.
3) Formalisation du problème : c'est-à-dire le choix d'un mode de représentation technique du
problème et de la traduction des connaissances. Pour ce faire, on utilise le formalisme des
règles de production : SI. ..ALORS..
4) Implantation : c'est-à-dire le transfert des concepts et des connaissances d'un expert ou
d'une littérature vers une machine. C'est l'implantation informatique qui donnera le jour au
premier prototype du système expert.
5) Test du prototype : tous les aspects du système doivent être testés : la valeur de son
raisonnement, l'interface avec l'utilisateur, la capacité de fournir des explications de son
raisonnement, l'adéquation du moteur d' inférences, ... etc.

4. Les avantages des systèmes experts :

1) la disponibilité : les experts malheureusement ne sont pas toujours facilement disponibles. Un
système expert permet une grande disponibilité, malgré tout. de leur savoir.
2) la cohérence : un expert humain ne demeure pas insensible aux conditions de l'environnement
(fatigue, nervosité. humeur,..). et celles-ci affecteront par conséquent ses décisions, de sorte que
l'expert paraîtra quelque fois incohérent. Le système expert. au contraire, lorsqu'il est mis en
présence des c’est conditions. statuera toujours d'une façon identique.
3) l'ampleur de l'information : un expert ne peut utiliser que son propre savoir et sa propre
expérience, alors qu'un système expert peut englober le savoir de plusieurs experts.

5. Les limites des systèmes experts :

Les systèmes experts présentent des limites importantes liées principalement :

1- à l'ampleur et à la variété des connaissances mises en œuvre par les experts humains;
2- 2- à la difficulté d'extraire ces connaissances souvent inconscientes des experts humains et
de les structurer de façon cohérente et efficace.

3
USTHB Diagnostic des défauts par système expert 2ème Année MASTER AIP

III. Le diagnostique par système expert :

Pour les systèmes experts, le diagnostic industriel est un des domaines privilégiés d'application. Ils
experts sont des outils de l'intelligence artificielle, utilisés lorsqu’aucune méthode algorithmique
exacte n'est disponible ou praticable. En générale, système expert sert à codifier la connaissance
humaine en termes d'expérience, raisonnement approximatif, analogie, raisonnement par défaut,
apprentissage, etc.

De ce fait, la propriété principale de ces systèmes experts est de pouvoir représenter et restituer les
connaissances acquises par les spécialistes d'un domaine technique précis. Les connaissances
utilisées, dans la plupart des cas, pour le développement d'un système expert d'aide au diagnostic,
reposent sur l'apprentissage des relations entre les causes et les effets observés pour chaque
défaillance.

1- Types de défauts
Les défauts dans un système peuvent provenir de trois sources principales :

Les capteurs : les capteurs sont utilisés pour mesurer les états du système. Si un capteur est
défectueux, il peut fournir des données erronées, ce qui peut entraîner un diagnostic inexact.

Les actionneurs : les actionneurs sont utilisés pour appliquer les signaux de commande du contrôleur
au système. Si un actionneur est défectueux, il peut ne pas fonctionner correctement, ce qui peut
entraîner une perte de contrôle.

Le processus : le processus lui-même peut être défectueux. Cela peut se produire en raison d'une
défaillance matérielle, d'une modification des conditions environnementales ou d'autres facteurs.

Il est important de comprendre les différentes sources de défauts dans un système afin de pouvoir
les identifier et les traiter de manière appropriée.

Figure 1. – Différents types de défauts d’un système physique

2- Diagnostic par réseaux de neurones artificiels

Principe
Le principe de diagnostic par réseau de neurones est basé sur la reconnaissance de formes.

Pour identifier des défauts dans un système, il faut disposer d’un nombre suffisant d’exemples de
bon fonctionnement et de défauts que l’on fait apprendre au réseau. Pendant la phase
d’apprentissage, les exemples sont présentés au réseau en entrée avec les diagnostics

4
USTHB Diagnostic des défauts par système expert 2ème Année MASTER AIP

correspondants à la sortie. Le réseau s’auto-organise, apprenant à relier les exemples montrés aux
diagnostics. Apres l’apprentissage, le réseau ne reconnait pas seulement les exemples appris mais
également des paradigmes leur ressemblant ce qui correspond à une certaine robustesse par rapport
aux déformations de signaux par bruit.

Pour un traitement par réseau de neurones, les exemples doivent être mis en forme pour être entres
dans le réseau. Ce sont des grandeurs caractéristiques des défauts à diagnostiquer, filtrées et
prétraitées par exemples par une discrétisation ou une analyse de Fourier.

Expert Moteur Usager

d'inférences
Cogniticien

Base de faits
d'acquisition

d'explication
Module

Module
Base de règles

Méta-règles
Base de
connaissance

Moteur
d'apprentissage
Structure générale d'un SE

SE de base = base de connaissance + moteur d'inférences

Base de connaissance = faits + règles + méta-règles + …

Moteur d'inférences : mécanisme de raisonnement, indépendant du domaine et du problème

Faits : mémoire à court terme, dépendant du problème

Règles : mémoire à long terme, indépendant du problème, dépendant du domaine

 une règle manipule des faits

Méta-règles : mémoire à long terme, indépendant du problème, voire du domaine

==>uneméta-règle manipule des règles

Les faits (données) :Toute description d'une situation implique des entités liées par des relations

Un fait représente au moins une relation liant diverses entités