Une démarche de conception de services d’information et de communication dédi...
COBRA : Une plate-forme de RàPC basée sur des ontologies
1. Amjad Abou Assali
Dominique Lenne et Bruno Debray
Laboratoire HEUDIASYC
Université de Technologie de Compiègne, France
29 mai 2009
2. Contexte
• Sur les sites industriels, des barrières de sécurité sont
utilisées pour réduire au maximum les risques.
• Ces barrières peuvent ne pas bien fonctionner, et des
accidents peuvent se déclencher.
• Pour diagnostiquer, l’hypothèse est que : « Si une barrière
n'a pas bien fonctionné dans une situation similaire, il est
fortement probable qu'elle ne fonctionne pas, dans la
situation actuelle, pour des raisons similaires ».
• Application aux capteurs de gaz.
2 / 21
3. Problématique
• Comment aider un expert à se remémorer les situations de
défaillance similaires ?
• Comment conserver les connaissances des experts après leur
départ ?
3 / 21
4. Objectifs
• Capitaliser les connaissances sur la défaillance des barrières
de sécurité.
• Concevoir un système de Raisonnement à partir de cas (RàPC)
basé sur une ontologie pour aider à diagnostiquer la
défaillance des barrières de sécurité.
• Le RàPC est une approche de résolution de problèmes ayant pour objectif
de résoudre un nouveau problème (problème cible) à l'aide d'un
ensemble de problèmes déjà résolus (problèmes sources).
4 / 21
5. Plan
• Architecture de COBRA
• Modèles des connaissances
– Modèle de domaine
– Modèle de cas
• Processus du RàPC
– Authoring des cas
– Remémoration des cas
• Hétérogénéité des cas
– Problèmes et solutions
• Résultats
• Bilan et perspectives
5 / 21
6. Architecture de COBRA
(Conversational Ontology-based CBR for Risk Analysis)
Élaborer
Ontologie Remémorer
Connaissances Authoring Base
des experts des cas de cas
Diagnostiquer Enrichir Expert
industriel
Sources de Processus
connaissances hors-ligne
Métriques
Valider
de similarité
Mémoriser
Connaissances Processus en-ligne
6 / 21
7. Modèles des connaissances
Modèle de domaine
• Il représente les connaissances du domaine sous forme d'une
ontologie.
• Deux ontologies ont été développées (Abou Assali et al., 2008) :
– Une ontologie noyau sur la sécurité industrielle ;
– Une ontologie de domaine sur les barrières de sécurité, en particulier
les capteurs de gaz.
7 / 21
8. Modèles des connaissances
Modèle de cas
• Un cas contient trois parties principales : description, mode
de défaillance, et causes.
• Les parties description et mode de défaillance représentent le
problème du cas, et la partie causes représente la solution.
• Pour améliorer la communication entre la base de cas et le
modèle de domaine, le modèle de cas est représenté à l'aide
d'une ontologie.
• Un cas est représenté par une instance de cette ontologie.
8 / 21
9. Modèles des connaissances
Modèle de cas
• Selon cette représentation, un cas peut avoir deux types
d’attributs :
– Des attributs simples correspondant à des propriétés data-type.
– Des attributs complexes correspondant à des instances de l’ontologie
de domaine.
9 / 21
11. Processus du RàPC
Authoring des cas
• Des experts du domaine ont été sollicités pour décrire des
cas de diagnostic.
• Les experts ont parfois besoin d’utiliser différents termes
pour décrire leurs cas.
• COBRA permet de décrire les cas avec des concepts ou des
instances quelconques de l’ontologie de domaine.
• Cela conduit à une base de cas hétérogène, ce qui complique
la remémoration des cas.
11 / 21
12. Processus du RàPC
Remémoration des cas
• Des mesures de similarité sont utilisées pour récupérer les cas
similaires à un cas cible.
• Ces mesures suivent le principe “local-global” et sont divisées
en deux composantes :
– Une similarité basée-concept qui dépend de l’emplacement du
concept (ou instance) dans la hiérarchie de l’ontologie ;
– Une similarité basée-slot qui dépend des valeurs des attributs
communs des objets comparés.
12 / 21
13. Processus du RàPC
Remémoration des cas
• Similarité basée-concept entre les deux concepts (ou
instances) q et c :
prof : la profondeur d’un concept (ou instance).
LSC : le plus petit subsumant commun.
wq : le poids de q.
• Similarité basée-slot :
CS : l’ensemble des attributs communs (Common Slots) entre q et c.
13 / 21
14. Hétérogénéité des cas (problème)
• Il n’y a pas de matching prédéfini entre les attributs du cas
cible et ceux des cas sources.
Cas cible (requête)
Hydrogène Vapeur de Présence de …
solvant poussière
? ? ? ?
Vapeur Faible …. Dépoussiéreur méthane …
d’eau hygrométrie humide
Cas source 1 Cas source 2
14 / 21
15. Hétérogénéité des cas (solution)
• Pour chaque attribut complexe q’, soit c’ l’attribut complexe
correspondant dans le cas Cj. Nous considérons que c’ est l’attribut avec
lequel q’ a une similarité maximale dans Cj :
• Cette définition n’étant pas satisfaisante, nous comparons sim(q’,c’)
obtenue dans Cj avec la similarité maximale obtenue sur l’ensemble des
cas pour l’attribut q’, ce qui donne la condition suivante :
Où (β = 0.6) est un certain seuil déterminé après une première validation.
15 / 21
16. Hétérogénéité des cas (problème)
Cas source
Sur un site industriel, un capteur de gaz a été utilisé pour détecter le
méthane. D'autres gaz étaient présents sur le site dont l'hydrogène.
Cas cible (requête)
On cherche les cas où un capteur de gaz a été utilisé pour détecter
l'hydrogène.
En suivant l’approche proposée jusqu’à présent, nous trouvons que :
L’hydrogène du cas source est l’attribut correspondant le
mieux à l’hydrogène de la requête.
16 / 21
17. Hétérogénéité des cas (solution)
Notion de rôle d’attribut
• Nous proposons de préciser le rôle de chaque attribut
complexe pouvant conduire à des situations ambiguës.
• Ainsi, l'hydrogène du cas aurait pour rôle « gaz présent »,
et celui de la requête « gaz à détecter ».
17 / 21
18. Résultats
• Nous avons développé la plateforme COBRA :
– C’est une plateforme générique pour construire des systèmes de RàPC.
– L’intérêt principal est qu’elle permet de traiter des cas hétérogènes.
• Nous nous somme basés sur l’API jColibri, mais nous avons
rajouté notre couche qui traite l’hétérogénéité des cas.
• Nous avons fait une première évaluation du système auprès
d’experts de l’INERIS.
18 / 21
20. Bilan
• Développement d’une approche de RàPC basée sur
une ontologie ;
• Cette approche permet de traiter des bases de cas
hétérogènes. Elle est basée sur :
– Des mesures de similarité ;
– L’affectation de rôles aux attributs des cas pour lever les
ambiguïtés.
• Développement de la plate-forme générique COBRA
qui prend en compte cette approche.
20 / 21
21. Perspectives
• Nous sommes actuellement en train de terminer les autres
phases de RàPC.
• Nous allons faire une évaluation auprès d'experts de l‘INERIS à
deux niveaux :
– Le premier niveau concerne l'utilisabilité de la plate-forme : à quel
point la structure des cas et les processus de raisonnement sont-ils
proches de l'activité réelle de l'expert ? Quels sont les concepts à
rajouter à l'ontologie de domaine pour pouvoir décrire les nouveaux
cas ? L'expert trouve-t-il les propositions d'aide intéressantes ? etc.
– Le deuxième niveau concerne les résultats fournis par le système ; i.e.
la qualité du diagnostic proposé par le système par rapport à certains
cas cibles.
21 / 21