CHAPITRE
5.3 Mod´ elisation de la connaissance par le graphe causal
Le graphe causal est une repr´esentation g´en´erale intuitive et efficace pour mo-d´eliser les causalit´es r´egissant le fonctionnement du syst`eme `a surveiller en cas de panne. Comme tout graphe, il est compos´e de nœuds et de liens. Les nœuds du graphe correspondent `a diff´erents ´etats partiels du syst`eme. Ces nœuds sont reli´es par des liens orient´es qui mod´elisent la relation de causalit´e entre ces ´etats. L’arc est orient´e de la cause vers l’effet.
La relation de causalit´e est suppos´ee ˆetre acyclique (on s’interdit les cycles de causalit´e du style de celui de la poule et de l’œuf) aussi le graphe causal est, par d´efinition, un graphe orient´e acyclique. Cette hypoth`ese limite l’expressivit´e de la repr´esentation dans certains cas (par exemple, il n’est pas possible de repr´esenter des ´ev´enements r´ecurrents), mais elle permet de r´eduire grandement la complexit´e du raisonnement. `A ce jour, cette hypoth`ese d’acyclicit´e n’a pas ´et´e un obstacle `a notre d´emarche.
5.3.1 Nœuds causaux
La structure du graphe causal est bas´ee sur cinq types de nœuds et deux types de liens qui sont pr´esent´es dans les figures5.2et5.3.
Afin d’enrichir la repr´esentation, les nœuds du graphe peuvent ˆetre de diff´erentes
5.3. Mod´elisation de la connaissance par le graphe causal 69
Cause primaire Cause intermédiaire
Action de
réparation Observation Test
Figure 5.2 – Repr´esentation graphique des cinq types de nœuds du graphe causal
cat´egories qui sont les suivantes (voir figure5.2pour leur repr´esentation graphique) : Causes primaires (encore appel´ees d´efauts, pannes initiales, ou d´esordres) : sans ant´ec´edent dans le graphe, elles correspondent aux ph´enom`enes `a l’ori-gine du dysfonctionnement du syst`eme. Elles correspondent aux causes qui vont ˆetre recherch´ees de fa¸con abductive.
Causes interm´ediaires (ou syndromes, ´etats pathologiques) : elles repr´esentent des ´etats partiels du syst`eme, qui ne peuvent ˆetre directement observ´es. Elles ont des ant´ec´edents et des successeurs dans le graphe causal.
Observations (ou manifestations) : ce sont les effets observables des pannes (par exemple des mesures anormales faites sur le syst`eme). Elles correspondent aux symptˆomes `a expliquer et n’ont jamais de successeurs (ce sont les effets
“finaux”). Il peut s’agir des alarmes.
Tests : Ils servent `a v´erifier un ´etat ou une hypoth`ese. Du point de vue de la causalit´e, ce sont exactement des observations `a la diff´erence qu’elles ne sont pas notifi´ees automatiquement mais doivent ˆetre explicitement demand´ees.
Ce type de nœuds sert `a repr´esenter des requˆetes `a des bases de donn´ees ou des tests `a ex´ecuter.
Actions de r´eparation : elles sont d´efinies comme des concepts associ´es `a un ´etat interm´ediaire (ou `a une conjonction d’´etats interm´ediaires) et repr´esentent les
´etats n´ecessitant une r´eparation. Ces nœuds sont un peu particulier dans la mesure o`u ce ne sont pas v´eritablement des ´etats partiels et qu’ils ne parti-cipent pas `a l’enchaˆınement causal des causes et des effets. On peut les consi-d´erer comme des “´etiquettes” qui serviront `a compl´eter le diagnostic une fois
70 Chapitre 5. Diagnostic avec Graphes Causaux
celui-ci achev´e. Ces actions sont utilis´ees comme indication des traitements suppl´ementaires `a effectuer.
Les Observations et lesTests constituent l’ensemble des observables du sys-t`eme dont le comportement en cas de panne est mod´elis´e par le graphe causal. Les Tests que nous proposons dans la structure de graphe causal sont innovants.
5.3.2 Liens causaux
De la mˆeme fa¸con, nous envisageons plusieurs types de liens causaux. Seuls deux types sont utilis´es dans notre approche (voir la figure 5.3) :
– les “causes sˆures” o`u la cause produit syst´ematiquement l’effet (l’effet est donc un effet syst´ematique de la cause). Par exemple : “livebox d´ebranch´ee”cause sˆure‘pas de connectivit´e IP”.
– les “causes possibles” o`u la cause peut produire ou pas l’effet (la cause est une explication possible de l’effet) ; l’effet n’est pas syst´ematique. Par exemple :
”surcharge de CPU”cause possible”crash syst`eme”.
Figure 5.3 – Repr´esentation graphique des liens “Cause sˆure” et “Cause pos-sible”
5.3.3 Exemple
La figure5.4montre un exemple de demande de service VoIP dans un environ-nement IMS, pr´esentant les diff´erentes relations de causalit´e qui peuvent ˆetre mises en œuvre. Ce graphe contient deux observables : une alarme IMPU (IP Mutimedia Public Identity) qui remonte spontan´ement et un test “Unknown Client” qui peut ˆ
etre d´eclench´e pour tester si un client est effectivement inconnu ou non dans la base de donn´ees lorsque celui-ci veut utiliser le service VoIP.
La panne de non-synchronisation de la base de donn´ees (SLF no sync.) et la panne de client inconnu (Unknown client) ont pour symptˆome la mˆeme alarme. La distinction entre ces deux causes s’appuiera pr´ecis´ement sur le test disponible. Et
5.3. Mod´elisation de la connaissance par le graphe causal 71
Alarm unknown
IMPU in SLF IMPU
unknown in SLF
SLF no synchronizaton
IMPU barring in
SLF
Client barring in SLF Unknown client
in SLF(No account)
Resynchronization SLF
Unknown client in HSS (No account)
Test of unknown
client
Figure 5.4 – Graphe causal pour IMS (extrait)
72 Chapitre 5. Diagnostic avec Graphes Causaux
faire cette distinction sera n´ecessaire puisque si le diagnostic conclut sur un pro-bl`eme de synchronisation, l’action de r´eparation (Resynchronization SLF) devient envisageable.
Enfin, toujours sur cet exemple, l’ensemble des causalit´es sont sˆures `a l’exception de la panne de synchronisation de la base de donn´ees du SLF qui peut avoir pour cons´equence que le client est inconnu et/ou interdit (barring) sans pour autant en avoir la certitude. On utilise alors la causalit´e de type “possible”.
Le graphe causal permet une mod´elisation modulaire. Il peut mod´eliser chaque partie de la propagation d’un d´efaut d’un sous-syst`eme comme un sous-graphe cau-sal, puis la fusion de ces sous-graphes donne le graphe causal global. La mod´elisation est ´egalement extensible, ce qui signifie qu’elle permet, ´etape par ´etape, le raffine-ment de la propagation d’un d´efaut en ajoutant les causes sur le haut du graphe causal. Ainsi, certaines causes primaires deviennent donc les causes interm´ediaires quand les chemins de causalit´e sont ´etendus dans le graphe causal.
Dans l’exemple pr´ec´edent, on peut ´etablir une nouvelle cause au fait que le client soit interdit (barring) qui viendrait compl´eter le graphe actuel sans pour autant remettre en cause le reste de celui-ci.
La section suivante d´ecrira le principe g´en´eral du processus de diagnostic.