Surveillance de procédés à base de méthodes de classification : conception d'un outil d'aide pour la détection et le diagnostic des défaillances

par Tatiana Kempowsky

Thèse de doctorat en Systèmes industriels

Sous la direction de Joseph Aguilar-Martin et de Audine Subias.

Soutenue en 2004

à Toulouse, INSA .


  • Résumé

    Les travaux présentés se situent dans le domaine de l'aide à la décision pour la surveillance de systèmes complexes tels que les procédés chimiques. Sur la base de méthodes pour l'interprétation de données (Data Mining), notre travail présente une stratégie permettant de construire, à partir de données historiques et de données récupérées en ligne, un modèle discret (automate à états finis) du comportement du processus et d'identifier des situations anormales issues des dysfonctionnements. Cette stratégie consiste à générer un premier modèle de référence à partir d'un apprentissage et d'un dialogue avec l'expert. La reconnaissance en ligne permet de suivre l'évolution temporelle des modes de fonctionnement déjà identifiés. Dans le cas de la détection d'une déviation (éléments non reconnus) par rapport à un comportement connu, l'objectif est de caractériser cette nouvelle situation. Pour cela, nous proposons de faire un nouvel apprentissage hors ligne. Les nouvelles classes créées permettent, toujours en interaction avec l'expert, de fixer la nature de la déviation observée. Une analyse portant sur les descripteurs et le profil des classes permet l'isolation d'une éventuelle défaillance. Ces informations sont transmises à l'opérateur pour l'assister dans son diagnostic. Un outil d'aide à la décision pour la surveillance s'appuyant sur cette stratégie a été mis en place. L'outil repose sur la méthode de classification LAMDA, qui permet l'analyse de données multi-variables et qui utilise des notions de la logique floue pour introduire le concept d'adéquation d'un élément à une classe. Les principaux aspects de nos travaux ont été illustrés sur des unités industrielles

  • Titre traduit

    Process monitoring based on classification methods : design of a decision support tool for fault detection and giagnosis


  • Résumé

    The present work belongs to the field of decision support systems for complex process monitoring, such as chemical and petrochemical plants. Since it is not always possible to obtain a mathematical model of the functional states for these processes, it is necessary to consider other approaches such as learning and classification methods, in order to identify their different operating modes (normal or faulty). We propose a strategy, based on Data Mining methods, which allows the construction of a discrete event model of the process behavior using historical and online data. This strategy consists of an offline learning stage for the elaboration of a first reference model. This model, in the form of a finite state automaton, must be validated and completed by the process expert. A second online stage consists in tracking the identified process states. A deviation is detected when a given number of observations are not recognized into any expected functional state. At this stage a new learning procedure is proposed in order to identify the nature of the deviation. The new resulting classes and information concerning the descriptors are presented to the expert as support for his diagnosis. A decision support software tool (SALSA) for monitoring processes using LAMDA classification algorithm has been developed based on the proposed strategy. LAMDA method uses Fuzzy logic theory and introduces the adequacy concept for the assignment of an element to a class. The principal aspects of our work were tested on different industrial and pilot plants

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : VII-170 p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 125-132

Où se trouve cette thèse ?

  • Bibliothèque : Institut national des sciences appliquées. Bibliothèque centrale.
  • Disponible pour le PEB
  • Cote : 2004/752/KEM
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.