Application industrielle d

1
Application industrielle dune approche mixte de
modélisation des connaissances
DURIBREUX, Michèle COCQUEBERT HOURIEZ,
Bernard, Ingénierie des connaissances 
Évolutions récentes et nouveaux défis, p25-
Olivier Leclair, Université Laval, 2003
2
Plan de présentation

• Les approches de modélisation des connaissances
• Approche ascendante
• Approche descendante
• Approche mixte
• Application industrielle de la démarche
• Analyse critique de lapproche mixte utilisée
• Conclusion

3
Approches de modélisation des connaissances
approche ascendante

• Lapproche ascendante consiste à recueillir le
  maximum de données verbales auprès dun expert et
  les regrouper pour former un modèle.
• La méthode KOD a été utilisée.

4
Approches de modélisation des connaissances
approche ascendante (suite)
5
Approches de modélisation des connaissances
approche descendante

• Lapproche descendante se focalise rapidement sur
  la définition du modèle dexpertise afin de
  filtrer les connaissances acquises et de guider
  efficacement le processus dacquisition de ces
  connaissances.
• La méthode KADS a été utilisée.

6
Approches de modélisation des connaissances
approche descendante (suite)
7
Les approches de modélisation des connaissances

• Démarche ascendante
• Point fort
• La possibilité de réutiliser lexpertise du
  domaine pour dautres applications dans le même
  domaine.
• Point faible
• Le manque de généricité des modèles obtenus.
• Démarche descendante
• Point fort
• Le haut niveau dabstraction donne une généricité
  plus grande.
• Point faible
• Nécessité de disposer dun large éventail de
  modèles.

8
Approche mixte

• Étapes du processus dacquisition des
  connaissances
• Recueillir les connaissances de base pour la
  construction du modèle dexpertise (ascendante)
• Choix dun modèle générique (descendante)
• Instanciation du modèle conceptuel (descendante)
• Opérationnalisation du modèle conceptuel
  (descendante).

9
Approche mixte (suite)

• Raisons dune approche mixte
• La méthode ascendante KOD permet de mettre à plat
  le discours de lexpert et den extraire le plus
  .dinformations possible sous une structure
  homogène
• La méthode KADS permet de décrire les mécanismes
  de raisonnement à un bon niveau dabstraction.
• Trois niveaux de type de connaissances (KADS)
• Niveau du domaine (éléments du domaine)
• Niveau des inférences (vue fonctionnelle de la
  connaissance)
• Niveau de la tâche (étapes du raisonnement pour
  atteindre un but)

10
Application industrielle

• Application au diagnostic dincident sur réseau
  de gaz (France)
• Prob. Compte tenu de la complexité et de la
  densité croissantes des réseaux urbains, les
  outils daide à la décision pour la téléconduite
  et lexploitation des réseaux de distribution de
  gaz sont de plus en plus nécessaires.
• 1ère Étape La constitution des groupes de
  travail pour extraire les connaissances
  (incidents vécus et non vécus des conducteurs).
• 2e Étape La modélisation des connaissances
  recueillies grâce aux outils K-STATION et KADS
  TOOL.

11
Application industrielle (suite)

• Approche ascendante
• Une modélisation de lexpertise qui amène
  lidentification et la spécification de
  formalisme pour guider la collecte et faciliter
  la structuration ultérieure.
• Construction des modèles cognitifs
• Données (taxinomie arborescence de classe)
• Traitements (actinomie séquence dactions)
• Règles (Si ltsignesgt Alors ltabstractiongt Faire
  ltactionsgt
• Ex. Si ltcapteur Mini-aval déclenché vraigt
• Alors ltbaisse de pressiongt
• Faire ltenvoyer équipegtltvérifier
  postegtltvérifier robinetsgt

12
Application industrielle (suite)

• Approche descendante
• Identifier les modèles génériques à partir des
  trois tâches principales mises en évidence par la
  méthode KOD
• Identification de lorigine de lincident (modèle
  existant)
• Élaboration dune stratégie de maintien de
  desserte des clients (aucun modèle proposé)
• Remise en fonctionnement du réseau (aucun modèle
  proposé)

13
Analyse critique

• Étant donné que lexpertise est trop complexe
  pour identifier aisément des structures
  dinférences répondant au problème, il est
  pertinent de faire préalablement une analyse des
  connaissances.
• La principale difficulté rencontrée a été le
  transfert des connaissances du raisonnement KOD
  vers le modèle KADS.
• Structurer les connaissances jusquà ce quun
  modèle émerge. On arrête alors lanalyse des
  données.

14
Conclusion

• En résumé, la méthode mixte utilise lapproche
  ascendante pour identifier toutes les
  connaissances du domaine. Elle utilise lapproche
  descendante pour identifier clairement les tâches
  dexpertise.
• On voit que même si les deux approches sont
  souvent opposées et exclues lune de lautre,
  elles peuvent être complémentaires.

15
Merci