Avec le soutien de

Projet “Diagnostic à base de modèles” (MBR)

Dans le domaine du diagnostic hors ligne, comme celui effectué dans les garages dans le domaine de l’Automobile, un problème essentiel est celui de la détermination de la séquence de tests et mesures aux points de contrôle (Figure 1), qui permettent de localiser la faute le plus rapidement possible et avec un coût minimal. Ce problème est connu sous le nom de Test Sequencing Problem.

La thèse de P-P. Faure soutenue en Juin 2001 (sous convention CIFRE avec ACTIA) a abouti à une méthode opérationnelle, appelée AGENDA (Automatic GENeration of DiAgnosis trees) de résolution du Test Sequencing Problem (Figure 2). La solution proposée génère la table des signatures des fautes à partir de modèles de fautes ensemblistes qui prennent en compte les tolérances de conception des composants. Un algorithme de recherche de type AO* associé à une heuristique permet de générer l’arbre de diagnostic optimal. Cette optimalité tient compte de coûts dynamiques pour les tests. En effet, le coût d’un test doit être mis à jour au fur et à mesure des déposes qui sont effectuées.

La suite du travail (réalisé dans le cadre d’une autre convention CIFRE avec ACTIA) a consisté à étendre l’applicabilité d’AGENDA et à améliorer les performances de cette approche. Nous avons étendu les concepts de modélisation d’AGENDA à des composants à plusieurs modes de fonctionnement.


Figure 1 : Points de contrôle

Figure 2 : Principe de la méthode AGENDA

Ces modèles constituent le cœur du système de diagnostic que nous proposons, et peuvent s’adapter à des tâches d’analyse pour la conception des systèmes (AMDEC, analyse des causes insidieuses, étude de diagnosticabilité et placement de capteurs), résultant en une approche intégrée pour le diagnostic et la conception.

Pour le diagnostic, deux variantes de l’algorithme AO*, ont été proposées pour générer des arbres de diagnostic presque-optimaux en réduisant les temps de calcul. Une méthode d’isolation de fautes qualitative à base de cohérence a été développée dans le but de prendre en compte les fautes de déviation des paramètres. Elle permet de générer des arbres de diagnostic hors ligne, mais aussi de réaliser une session de diagnostic interactif (choix des tests lors de la session de diagnostic en fonction du contexte courant) par un raisonnement qualitatif de type déduction (Figure 3).


Figure 3 : Couplage possible des méthodes

Le module MBR est un module qui doit prendre en compte plusieurs domaines techniques et proposer différentes approches de diagnostic (hors ligne, interactif, en ligne).

Une étude de marché spécifique permettant de positionner AGENDA par rapport aux outils existants sur le marché (Rodon, Flame, FirstEarth, Projet IDD, Outils dédiés en place chez les constructeurs, …) et de déterminer les besoins des constructeurs dans les années à venir a été faite.

Les axes que nous avons choisi de développer sont les suivants :

  • Elargissement du champ d’action de l’approche MBR par la prise en compte d’autres domaines que le domaine électrique (domaines mécaniques, thermiques, écoulement d’air, hydrauliques, …).
  • Développement d’une stratégie de haut niveau (type fonctionnel) afin de réaliser du diagnostic (étape de localisation) au niveau d’une fonction complète.
  • Poursuite des études sur la diagnosticabilité couplée au module MBR afin d’améliorer la création d’arbre de diagnostic presque optimaux.

Le travail porte donc sur l’élaboration d'une stratégie de raisonnement multi-modèles (Figure 4) pour faire collaborer divers types de modèles, exploiter différents points de vue et gérer les redondances éventuelles. En effet, selon les différentes parties du véhicule considérées, différents modèles sont disponibles : modèles mécaniques, modèles physiques, …, de même que la connaissance experte et le savoir-faire des ingénieurs de l’automobile. Plus précisément, les points que nous étudions sont les suivants :

  • comment faire cohabiter des représentations différentes (mais pas indépendantes) du même système : il est nécessaire d’en gérer la cohérence (mécanismes de détection des contradictions, mécanismes de traduction, de passage d’un point de vue à un autre, d’un niveau à un autre) et la complémentarité (mécanismes d’interfaçage).
  • comment utiliser ces différentes représentations pour la conception d’algorithmes de génération de tests faisant appel à toutes les connaissances disponibles sur le système ? (raisonnement temporel, fonctionnel, événementiel, …).
  • quelles stratégies de contrôle mettre en place, le cas échéant, pour le choix du modèle adéquat à une étape donnée du raisonnement ? En effet, concevoir un système capable de s'appuyer et de tirer parti de plusieurs types de modèles ajoute un aspect décisionnel (choix du modèle approprié) et un aspect de fusion de l'information (fournir une ou des conclusions globales à partir de conclusions partielles qui peuvent être contradictoires) auxquels nous devrons répondre. Les méthodes utilisées pour le choix de la meilleure prochaine mesure, basées souvent sur la théorie de l’information, devront être étudiées.

Figure 4 : Représentation Multi-Modèles

Un deuxième volet du projet porte sur l’utilisation de modèles qualitatifs et des techniques de raisonnement qualitatif associées, qui sont particulièrement adaptées aux fautes structurelles. Il s’avère que dans les circuits de résistances (qui constituent un grand nombre des circuits de l’automobile), un gros pourcentage de fautes provient d’une résistance en court-circuit ou à la masse; aussi la valeur des résistances peut se réduire à 0, + ou infini et l’on peut en déduire un modèle qualitatif qui sera mis en œuvre par des techniques de calcul dans une algèbre qualitative. Certains travaux dans cette voie peuvent déjà être cités dans le domaine automobile. De fait, le raisonnement qualitatif est un domaine de recherche très actif qui a donné lieu à de nombreux travaux de type fondamental visant à définir des structures mathématiques qualitatives préservant la consistance par rapport aux réels, ainsi qu’à des formalismes de représentation des systèmes dynamiques associés à des algorithmes de simulation qualitative. La contribution du LAAS dans ce domaine est très significative.

Nous avons le souci de générer automatiquement les modèles à partir des diverses sources d'information (schémas électriques, fonctionnels, ...). Il s’agit là de réutiliser les modèles déjà existants, notamment issus de la conception et de les mettre sous une forme répondant aux besoins du diagnostic. Dans cette optique, on peut citer, par exemple, les travaux sur l'ordonnancement causal qui se proposent de générer automatiquement une structure causale explicitant toutes les interactions existant entre les variables de description d’un système, à partir d’un modèle sous forme d’un ensemble d’équations algébro-différentielles. La structure causale est une forme qui peut servir de base à l’enregistrement de dépendances et de support à des algorithmes d’explication.

Enfin, nous souhaitons intégrer des analyses de fiabilité et des retours d’expérience qui peuvent être utilisés par le moteur de diagnostic sous diverses formes :

  • pour focaliser sur les composants suspects les plus probables en cours de session de diagnostic,
  • pour proposer les tests les plus discriminants,
  • pour associer une notion de probabilité aux diagnostics fournis, lorsque l’identification est non déterministe.

Aspect développement :

Il est important de structurer l’outil que nous voulons développer. Celui-ci doit être séparable en différents modules (facilité de maintenance + aspect commercial pour Actia) : en-ligne / hors-ligne, garage / embarqué, modélisation, prédiction, génération d’arbres, ...  Ces modules doivent être complètement indépendants et découplés les uns des autres.

Des spécifications très précises a priori doivent être écrites (utilisation de la modélisation UML, rédaction de documentation, …). Les interfaces avec les différents outils ACTIA (commercialisés ou non) et entre les différents modules doivent être clairement définies (utilisation de langage standard autant que possible : XML (données), SGML (arbre), …) .

Une analyse de type « rétro-engineering » est à réaliser pour réutiliser les modules déjà existants dans les différents prototypes recherches développés à ACTIA et au LAAS pour la diagnosticabilité.

Le développement d’un outil-auteur dédié à la saisie des données nécessaires aux moteurs de prédiction et de diagnostic est un aspect important. Le constructeur utilisant la méthode de diagnostic MBR doit pouvoir maîtriser les données d’entrée qui en font partie. Là encore, les types de données existants (données CAO, données issues de base de données, …) doivent être analysés afin de permettre un renseignement automatique de ces données dans l’outil-auteur (Utilisation de format d’entrée standard).

Chercheurs concernés :

* Hervé RESSENCOURT, Doctorant CIFRE Université Paul Sabatier, ACTIA et LAAS-CNRS
* Jérôme THOMAS, ingénieur ACTIA
* Louise TRAVE-MASSUYES, LAAS-CNRS, Directeur de Recherche CNRS

Contact : Louise TRAVE-MASSUYES, louise@laas.fr

MOTS-CLES : modélisation hiérarchique, hiérarchies fonctionnelles, abstractions, génération d’arbre de diagnostic
KEYWORDS : Hierarchical modelling, functional hierarchies, abstractions, test sequencing problem