Académique Documents
Professionnel Documents
Culture Documents
Structuration Des Connaissances Et Des Savoir-Faire Pour L'amélioration Du Système de Production
Structuration Des Connaissances Et Des Savoir-Faire Pour L'amélioration Du Système de Production
Structuration Des Connaissances Et Des Savoir-Faire Pour L'amélioration Du Système de Production
Louis Pasteur
L
R
S
P
Laboratoire de Recherche
Ecole Nationale Supérieure
des Arts et Industries
de Strasbourg en Productique de Strasbourg de Strasbourg
Thierry ERBEJA
1 Contexte et problématique
3 Présentation de la méthode
4 Conclusion et perspectives
2
Contexte et problématique
Capitaliser un savoir-faire à partir de l’existant
Le domaine d’application :
Les entreprises manufacturières
Objectif :
Se recentrer sur son savoir-faire et le capitaliser
Le support du savoir-faire :
Les homme et aussi les données accumulées par l’entreprise
La question :
Comment exploiter les données de l’entreprise pour identifier les savoir-faire et
améliorer le système de production ?
Moyen :
La catégorisation
3
Contexte et problématique
Capitaliser un savoir-faire à partir de l’existant
Plan
Commande
e Conception
4
Contexte et problématique
Capitaliser un savoir-faire à partir de l’existant
Représentation
XXXX - XX - XX XX XX - X - XX - X - X - X -
Définir une
2 représentation des objets
Forme Dimensions Matière Quantité
4
Valider les familles
6
Contexte et problématique L’Analyse Typologique un outil pour les processus de
catégorisation industriels ?
Définir une
2 représentation des objets Intégration dans
7 le processus de
classification
Connaissances
4
Valider les familles 5 supplémentaires
7
Contexte et problématique
Problématique
8
Limites des outils de Classification Automatique
Une méthode de
classification élémentaire
Td v1 v2 v3
a 1 4 3
b 1 5 3 Tableau de données
c 5 8 4
d 3 8 4
Ts a b c d
a 100 66 33 0 Tableau de similarité
b 66 100 0 0
c 33 0 100 66
d 0 0 66 100
V2 Ts a b c d
a 100 66 33 0
V1 V1 b 66 100 0 0
c 33 0 100 66
V3 V3 V3 V3 d 0 0 66 100
12
isolées mais pas homogènes homogènes mais pas isolées
Limites des outils de Classification Automatique
L’hypothèse de similarité
Dans quelle mesure ces méthodes peuvent-elles découvrir des concepts du domaine ?
1 Il existe une relation simple entre les propriétés qui définissent les concepts et les
attributs descriptifs
V1 V2 V3 V1 V2 V3
a 1 3 5 a 0 1 2
b 1 3 6 b 1 0 7
c 1 3 2 c -1 0 3
La Classification Conceptuelle
Cluster
Un langage plus évolué et moins contraignant pour la représentation des objets
La prise en compte de connaissances supplémentaires
Regrouper les objets parce qu’ensemble ils forment une classe que l’on peut décrire
Cobweb
Un algorithme efficace
Optimise un critère assimilable à une mesure de similarité.
15
Limites des outils de Classification Automatique
Les approches interactives
h=0
Evaluation de la
proposition Ph
h=h+1
NON
Recueil d’informations
supplémentaires
16
Limites des outils de Classification Automatique
Les approches interactives
Définir une
2 représentation des objets Intégration dans
7 le processus de
classification
Connaissances
4
Valider les familles 5 supplémentaires
18
Présentation de la méthode
d1 : L/D=0 et US=6 ou 8
Les objets tels que doivent cohabiter
d2 : US=1 ou 5
Td L/D FE FI US FO
a 0 1 5 6 5
b 0 1 1 8 6
c 0 4 4 8 6
d 2 2 1 3 2
e 1 5 6 4 8
f 2 2 1 1 1
g 0 0 3 5 2
h 0 4 4 8 6
I 0 5 2 5 5
J 0 5 2 7 5
19
Présentation de la méthode
d1 : L/D=0 et FE=1 ou 4
Td L/D FE FI US FO
a 0 1 5 6 5
b 0 1 1 8 6
c 0 4 4 8 6
d 2 2 1 3 2
e 1 5 6 4 8
f 2 2 1 1 1
g 0 0 3 5 2
h 0 4 4 8 6
I 0 5 2 5 5
J 0 5 2 7 5
20
Présentation de la méthode
peuvent être
les modalités pour comparer
Si L/D=0 alors groupées en une FI=N
FI=1 et FI=4 deux pièces
seule
Td L/D FE FI US FO Td L/D FE FI US FO
a 0 1 5 6 5 a 0 1 5 6 5
b 0 1 1 8 6 b 0 1 N 8 6
c 0 4 4 8 6 c 0 4 N 8 6
d 2 2 1 3 2 d 2 2 1 3 2
e 1 5 6 4 8 e 1 5 6 4 8
f 2 2 1 1 1 f 2 2 1 1 1
g 0 0 3 5 2 g 0 0 3 5 2
h 0 4 4 8 6 h 0 4 N 8 6
I 0 5 2 5 5 I 0 5 2 5 5
J 0 5 2 7 5 J 0 5 2 7 5
21
Présentation de la méthode
Descriptions D Lien l
R1 ( L/D = { } ; NA )
R5 ( L/D=0 FE={1, 4} ; L/D=0 FE=0 ; L/D=0 FI= 2 FO=5 ; NA )
R6 ( L/D=0 FE=0 FI=1 US=0 FO=0 ; A )
R7 ( L/D=0 FE=0 FI=1 US=0 FO=0 ; F )
R8 ( L/D=0 FE=7 ; D )
R9 ( L/D=0 FO=6 ; A )
R10 ( L/D=0 FE=7 FO=6 ; A )
1 Mesure de l’utilité
2 Mesure de la redondance
3 Union et cohérence
Fc1 L/D FE FI Fc2 L/D FE FI Fce L/D FE FI
a - N1 - a - - - a - N1 -
b - - - b - N2 - b - N2 -
c - N1 - c - N2 - = c - -
d - N1 - d - - - d - N1 -
e - - - e - - - e - - -
ext( p1 ) = { b, c }
R1 ( p1, p2, p3 ; A) avec ext( p2 ) = {f, g }
ext( p3 ) = { i }
Ar1 a b c d e f g h i j
a - - - - - - - - - -
b - 1 1 - - 1 1 - 1 -
c - 1 1 - - 1 1 - 1 -
d - - - - - - - - - -
e - - - - - - - - - -
f - 1 1 - - 1 1 - 1 -
g - 1 1 - - 1 1 - 1 -
h - - - - - - - - - -
i - 1 1 - - 1 1 1 -
j - - - - - - - - - -
24
Présentation de la méthode
ext( p1 ) = { b, c, d }
R2 ( p1, p2 ; A) avec ext( p2 ) = {g, h ,i }
Ar2 a b c d e f g h i j
a - - - - - - - - - -
b - - - - - - 0 0 0 -
c - - - - - - 0 0 0 -
d - - - - - - 0 0 0 -
e - - - - - - - - - -
f - - - - - - - - - -
g - 0 0 0 - - - - - -
h - 0 0 0 - - - - - -
i - 0 0 0 - - - - - -
j - - - - - - - - - -
25
Présentation de la méthode
1 Utilité
2 Redondance
3 Union et incohérences directes
Ar1 a b c d e Ar2 a b c d e U a b c d e
a - 0 0 - 0 a 1 1 - 1 - a 1 0 1 0
b 0 - 0 0 0 b 1 1 - 1 - b 1 0 0
c 0 0 - - - c - - - 1 - = c 0 0 - 1 -
d - 0 - - 0 d 1 1 1 1 - d 1 1 1 0
e 0 0 - 0 - e - - - - - e 0 0 - 0 -
26
Présentation de la méthode
U1 a b c d P1 a b c d P2 a b c d
a 1 1 - 0 a 1 1 1 0 a 1 1 0 0
b 1 1 - 0 b 1 1 1 0 b 1 1 0 0
compatible
c - - - - c 1 1 1 0 c 0 0 1 1
d 0 0 - 1 d 0 0 0 1 d 0 0 1 1
U2 a b c d
a 1 0 - 1
Fermeture réflexive
b 1 - - -
NON compatible Fermeture symétrique
c 0 - 0 1
Fermeture transitive
d 0 - - 1
27
Présentation de la méthode
Ae 1 2 3 4 5 6 7 8 9 10
1 1 1 0 0 0 0 0 0 0 0
2 1 1 0 0 0 0 0 0 0 0
3 0 0 1 - - 0 0 0 0 0
4 0 0 - 1 - 0 0 0 0 0
5 0 0 - - 1 0 0 0 0 0
6 0 0 0 0 0 1 1 - - 0
7 0 0 0 0 0 1 1 - - 0
8 0 0 0 0 0 - - 1 1 -
9 0 0 0 0 0 - - 1 1 -
10 0 0 0 0 0 0 0 - - 1
28
Présentation de la méthode
Ts a b c d Tse a b c d Ts a b c d
a 25 50 a 60 45 a +35 -5
b 25 78 b 60 78 b +35
- = 0
c 50 56 c 45 56 c -5 0
d 78 56 d 78 56 d 0 0
Ac a b c d Ae a b c d CRC a b c d
a 1 0 a 0 0 a 0
b 1 -
b 0 1 = b 1
c 0 - c 0 - c 0 -
d - - d 1 - d 1 -
29
Présentation de la méthode
Intégration de l’information issue des règles
dans le processus de classification automatique
Tse a b c d Ae Tsec
a b c d a b c d
a 60 45 25 a 1 0 0 - a 100 0 0 25
b 60 37 78
b 0 1 - 1
= b 0 100 37 100
c 45 37 56 c 0 - 1 - c 0 37 100 56
d 25 78 56 d - 1 - - d 25 100 56 100
ise Ae isec
s 0 = Smin
s 1 = Smax
s - = s
30
Conclusion et perspectives
Conclusion
Intérêt de la démarche
Orientée vers les utilisateurs, la méthode tente de s’adapte aux experts et non l’inverse.
Une réponse au problème du choix de la similarité en Analyse Typologique.
Une réponse à l’absence de guide méthodologique pour l’intégration des connaissances
supplémentaires dans un processus d’Analyse Typologique
Limites
Toutes les connaissances supplémentaires ne sont pas formalisées.
Un formalisme contraignant de représentation des objets.
Difficultés pour identifier les règles à l’origine des incohérences indirectes
31
Conclusion et perspectives
Perpectives
.
Travailler en intention au niveau des règles
32