Skip to Main content Skip to Navigation
Theses

Knowledge Discovery for Avionics Maintenance : An Unsupervised Concept Learning Approach

Résumé : Dans cette thèse, nous étudions le problème de l’analyse de signatures de pannes dans le domaine de la maintenance avionique, afin d’identifier les défaillances au sein d’équipements en panne et suggérer des actions correctives permettant de les réparer. La thèse a été réalisée dans le cadre d’une convention CIFRE entre Thales Research & Technology et l’Université Paris-Sud. Les motivations sont donc à la fois théoriques et industrielles. Une signature de panne devrait fournir toutes les informations nécessaires pour identifier, comprendre et réparer la panne. Pour comprendre le mécanisme la panne son identification doit donc être explicable. Nous proposons une approche à base d’ontologies pour modéliser le domaine d’étude, permettant une interprétation automatisée des tests techniques réalisés afin d’identifier les pannes et obtenir les actions correctives associées. Il s’agit d’une approche d’apprentissage de concepts permettant de découvrir des concepts représentant les signatures de pannes tout en fournissant des explications sur les choix de propositions de réparations. Comme les signatures ne sont pas connues a priori, un algorithme d’apprentissage automatique non supervisé approxime les définitions des concepts. Les signatures apprises sont fournies sous forme de définitions de la logique de description (DL) et ces définitions servent d’explications. Contrairement aux techniques courantes d’apprentissage de concepts conçues pour faire de l’apprentissage supervisé ou basées sur l’analyse de patterns fréquents au sein de gros volumes de données, l’approche proposée adopte une perspective différente. Elle repose sur une construction bottom-up de l’ontologie. Le processus d’apprentissage est réalisé via un opérateur de raffinement appliqué sur l’espace des expressions de concepts et le processus est guidé par les données, c’est-à-dire les individus de l’ontologie. Ainsi, les notions de justifications, de concepts plus spécifiques et de raffinement de concepts ont été révisées et adaptées pour correspondre à nos besoins. L’approche a ensuite été appliquée au problème de la maintenance avionique. Un prototype a été implémenté et mis en œuvre au sein de Thales Avionics à titre de preuve de concept.
Complete list of metadatas

Cited literature [85 references]  Display  Hide  Download

https://tel.archives-ouvertes.fr/tel-02285443
Contributor : Abes Star :  Contact
Submitted on : Thursday, September 12, 2019 - 4:55:08 PM
Last modification on : Sunday, July 5, 2020 - 3:56:30 AM
Document(s) archivé(s) le : Saturday, February 8, 2020 - 3:23:21 AM

File

78400_PALACIOS_MEDINACELLI_201...
Version validated by the jury (STAR)

Identifiers

  • HAL Id : tel-02285443, version 1

Citation

Luis Palacios Medinacelli. Knowledge Discovery for Avionics Maintenance : An Unsupervised Concept Learning Approach. Artificial Intelligence [cs.AI]. Université Paris Saclay (COmUE), 2019. English. ⟨NNT : 2019SACLS130⟩. ⟨tel-02285443⟩

Share

Metrics

Record views

215

Files downloads

202