DIagnostic, Supervision et COnduite - DISCO

Responsable : Yannick PENCOLE
Représentant des doctorants  : Ibis VELASQUEZ
Gestionnaire : Justine Praneuf

Actualités: DISCO organise avec l'équipe VERTICS le 14ème colloque francophone sur la Modélisation des Systèmes Réactifs (MSR'23), les 22-24 novembre 2023.

Site Web: https://msr2023.sciencesconf.fr/

Intranet de l'équipe

L'objectif de l'équipe DISCO est de développer une recherche méthodologique à large spectre dans le domaine du diagnostic. Cette équipe dont les compétences scientifiques sont aux frontières de l'automatique et l'intelligence artificielle a pour objet d'étude un raisonnement de type abductif qui est appliqué à une large variété de classes de systèmes (systèmes statiques, systèmes dynamiques: de nature discrète, continue ou hybride). Le principe fondamental d'un processus de diagnostic est de confronter l'observation incertaine ou non d'un système réel  (mesures bruitées, alarmes, messages, tests) à la connaissance disponible de ce système (modèles incertains ou non) en vue d'établir un état de santé. Cette recherche est motivée par le fait que le diagnostic est crucial en vue d'améliorer, entre autres, la sûreté, la résilience et la maintenabilité des systèmes. Les activités de DISCO pour mener cette recherche peuvent se décliner en trois types.

L'équipe DISCO contribue à toute la chaîne du processus de diagnostic:

1. Acquisition des modèles pour le diagnostic par des méthodes de type apprentissage automatique.
   
   DISCO développe des méthodes de classification statique avec extraction d'indicateurs  (normal, anormal, sain, malade, fautif, etc.) sur des populations d'individus exploitant la logique floue [hal-01998674], les réseaux de neurones [hal-01998620]. Une méthode de classification dynamique offre quant à elle, la possibilité d'apprendre des états de comportement dynamiques et de détecter des changements entre ces états en détectant également des états nouveaux [hal-02135580].  DISCO contribue également à l'apprentissage automatique de modèles temporels (type chroniques) en exploitant des techniques de fouilles de données temporelles sur des logs de systèmes afin de découvrir des classes de fonctionnements temporellement discriminables [hal-01817529],  [hal-01611635].

2. Analyses  de modèles de diagnostic par des méthodes formelles.
   
   Que les modèles soient obtenus par apprentissage automatique ou par expertise, le développement d'une méthode de diagnostic efficace et performante nécessite des analyses  du modèle  du système au préalable. La performance d'une méthode de diagnostic repose non seulement sur la qualité des modèles mais également sur la capacité de mesures et sur la structure du système. DISCO propose des méthodes pour la vérification de la diagnosticabilité de systèmes discrets [hal-01574475], continus  [hal-01198408] et hybrides [hal-02004402] par la mise en évidence ou non de paires critiques (certificats) dont la non-existence garantit qu'il sera toujours possible en temps fini de fournir un diagnostic unique. Des travaux sur l'analyse de sensibilités dans les systèmes continus proposent également de définir des conditions expérimentales qui garantissent la sensibilisation aux défauts [hal-01914534]. Des analyses structurelles de tels systèmes sont également proposées afin de définir au préalable des tests de diagnostic pertinents, de sélectionner des capteurs discriminants ou de décentraliser les algorithmes de diagnostic [hal-01882324].
    

3. Développement d'algorithmes de diagnostic
   
   La synthèse de diagnostiqueurs (algorithmes de diagnostic) repose sur l'existence d'un modèle, d'un flot d'observations et d'un niveau d'objectif fonction de la connaissance issue du modèle. L'objectif de base est l'estimation d'états du système. L'une des difficultés de cette estimation est la gestion des différentes sources d'incertitudes (calcul ensembliste de type intervalles/ellipsoïdes/zonotopes,  filtre de Kalman par intervalles) dans les systèmes continus [hal-01739540], [hal-01884592], [hal-01884636] . et  hybrides (atteignabilité) [hal-01650701] et intègrent également des sources d'incertitudes statistiques (filtre de Kalman par intervalles [hal-01561951]). Le deuxième niveau d'objectif est la localisation de défauts dans le système (où est le défaut?). DISCO propose des techniques de localisation par la mise en place de problèmes type CSP (problème de satisfaction de contraintes) dans des systèmes logiques [hal-01929533], l'exploitation de la théorie de la résiduation de l'algèbre max,+ sur des systèmes à événements discrets temporisés [hal-01954270].  Le troisième niveau d'objectif est l'identification de défauts. Ce problème de diagnostic est quant à lui abordé sur tous les types de systèmes: diagnostic par model-checking sur des réseaux de Petri [hal-01827362], observateurs non-linéaires  [hal-01763870] et  exploitation d'expression de redondances analytiques sur des systèmes continus/hybrides [hal-01229077], prise en compte d'incertitudes bornées et mixtes [hal-01739540], méthodes distribuées de diagnostic [hal-01229097]. DISCO propose également  des travaux sur la synthèse de plans et de commandes prenant en compte des défauts (commande tolérante aux fautes)  [hal-01884700] ou servant à raffiner un diagnostic (diagnostic actif) [hal-02056090]. Le quatrième et dernier niveau d'objectif est l'explication de défauts où l'on recherche dans le système, les comportements (motifs, propagation d'événements) non anticipés qui sont la cause de l'apparition du défaut (comportements explicables de systèmes, explicabilité des algorithmes).
    

4. Intégration  diagnostic/pronostic pour la maintenance prévisionnelle
   
   DISCO étudie l'intégration des méthodes de diagnostic avec des méthodes de pronostic de viellissement en vue d'améliorer la maintenance prévisionnelle des systèmes. L'objectif est de fournir un diagnostic de dégradation qui alimente un modèle de vieillissement des équipements de systèmes en vue de déterminer la durée de vie résiduelle du système. DISCO aborde cette thématique par la modélisation des prérequis d'un bon modèle de vieillissement  [hal-01993849] et par la définition formelle d'un cadre diagnostic et pronostic  (Réseaux de Petri Hybrides Particulaires) [hal-01229083]. DISCO développe également des  techniques de couplage diagnostic/pronostic s'appuyant sur du calcul ensembliste [hal-01929470].