Le cinquième chapitre
__________________________________________________________________________________________
Objectif : présenter les supports matériels ou immatériels permettant d'étayer cette nouvelle approche de la fonction maintenance.
I. Evolution du domaine technique
- Différents domaines liés à la maintenance ont progressés allant des composants techniques aux fonctions spécifiques comme un IPAD, des lunettes permettant de visualiser des données techniques aux réseaux sans fil, jusqu’aux techniques modernes d’analyse de maintenance et de contrôle. Qui dit analyse dit analyse vibratoire, analyse d’huile, thermographie IR, ultrasons à chaud, etc. Nous pouvons distinguer parmi ces systèmes deux grands groupes : les systèmes d’analyse et les systèmes d’acquisition et de contrôle.
- Les systèmes d’analyse, quelques fois couplés aux systèmes experts ont été décrits sous le sigle TTAO (travaux techniques assistés par ordinateur) ou TMAO (techniques de maintenance assistées par ordinateur). Les systèmes d’analyse sont également destinés à fournir de l’aide à la décision en diagnostic, pronostic et réparation des équipements aux opérateurs, etc.
- Parmi les systèmes d’acquisition et de contrôle, nous pouvons citer SCADA1 - Système de Contrôle et d’Acquisition des Données, contrôles commandes des équipements, systèmes de gestion des données techniques et de documentation, etc…
On s’aperçoit que l’évolution du domaine technique touche aussi bien les ressources matérielles que logicielles.
Avant de recenser les nouveaux composants qui peuvent être utilisés dans le processus d’échange et de traitement d’information. Nous définissons au paragraphe 2 les notions de données information connaissances. En effet les nouveaux composants technologiques sur le marché, font appel à une diversité de données à manipuler, que nous passerons en revue.
II. Définition données information connaissance
Les nouvelles technologies nous permettent d’échanger des données, de l’information, de la connaissance 1. Données informations connaissances:
La donnée est un élément de base qui peut être utilisé pour représenter une information dans des bases de données, à savoir une mesure ou une caractéristique. Nous distinguons deux types de données, les données brutes et les données structurées permettant d’être transférées par un système informatique à distance. Un exemple de données peut être 100 °C
.
L’information est une donnée interprétée qui représente un fait réel. C’est la donnée complétée par une description qui indique le contexte : de quelle mesure s’agit-il, quand, où et par qui elle a été prise, etc. Pour notre exemple c’est la température de l’eau dans le moteur prise sur un équipement.
La connaissance est une information assimilée, affinée et synthétisée se rapportant à un contexte spécifié. C’est l’information interprétée et contextualisée ayant un sens ou une signification (pourquoi et comment cette mesure a été prise et le contexte entier de cette mesure souvent structuré pour les besoins de son exploitation). Pour notre exemple, la température de l’eau à 100 °C d’un moteur est trop élevée et signifie un symptôme d’une défaillance.
La compétence est dans ce cas une connaissance structurée pouvant être directement exploitée par les utilisateurs afin d’accomplir une certaine tâche ou action. Cela représente « la connaissance dans l’action » donc une résolution d’un
1 Supervisory Control and Data Acquisition
problème qui est après cette action validée ou révisée (actualisée) par le retour d’expérience. Pour notre exemple cela serait un remède pour la défaillance de moteur.
Donnée
Information
Connaissance
Compétence
Compréhension Abstraction
Complexité
Quoi ?
Quoi, quand, où, qui ?
Comment, pourquoi ?
Contexte
Interprétation
Réutilisation Action
Figure Classification des différents types d’information
2. Les différentes formes de données:
données brutes technique telles que l’on retrouve dans un SCADA avec des dépassements de seuils.
schéma constructeur
photographie de l’équipement ou des outils spécifiques vidéo de montage démontage
vidéo des installations
Ces informations de différents types doivent pouvoir être collectés échangés distribuées spatialement entre les différents sites les reliant.
Supports matériels qu’immatériel et ayant un impact sur la fonction maintenance. Nous allons
III. Vue Technologique
Le processus d’échange d’information qui est à la base de l’infrastructure de niveau 4 nécessite quatre processus de base à savoir l’Acquisition, la Diffusion, le Traitement et le Stockage. Les avancées technologiques ont portées sur chacun.
A. Les composants techniques de base
Permettant la distribution spatiale de l’information passe par :
1. Besoin de réseau technologique reliant les différents sites entre eux.
a. réseau filaire, b. réseau sans fil, c. routeur, d. intranet internet
2. De nouveaux modes de traitement sur le réseau a. Technologie agent
b. Technologie web avec les web services
3. Les nouveaux type d’entrées ( modes d’acquisition de données) a. temps réel : réseau de capteur, tablettes à écran tactiles, iPac b. en différé : numérisation des documents papiers (plan constructeur)
4. De nouveaux types de sorties (modes de diffusion de l’information à l’acteur de maintenance) a. iPAC,
b. des lunettes en utilisant la vidéo par exemple de démontage d’une pièce délicate sur un ipac c. des casques à réalité augmentée
5. De nouveaux modes de stockage
a. Bases de données documentaires, serveur de données stockant aussi bien des dessins des photos que des vidéos technique pour la maintenance curative ou plans techniques pour la maintenance améliorative
b. Bases de données aussi bien technique recensant des historiques de pannes, Entrepôt de données stockées dans une GMAO orientée web
c. Bases de connaissances, mémoire métier
d. Serveur d’applications, pour les applications d’aide au diagnostic, pronostic, supervision etc…
B. Les nouvelles architectures techniques
Pour permettre et mettre en œuvre la coopération entre processus, tout en utilisant les services d’autres îlots, on doit disposer d’architectures techniques adaptées, prenant appui sur des ressources aussi bien matérielles que logicielles.
Un assemblage de ces composants, aussi bien réseaux, serveurs de données serveurs d’applications, base de connaissance permettront de définir différentes types d’architecture techniques.
- Informatisation des procédures de maintenance
Les équipements, les interventions, les stocks, les plans et schémas etc. existent sous forme de fichiers et sont stockés grâce aux progiciels de GMAO (Gestion de Maintenance Assistée par Ordinateur). Les événements quotidiens de maintenance tels que la panne, l’exécution du préventif, la gestion de stock, sont traités automatiquement:
- Intégration de modules intelligents en architectures de maintenance
La présence de différents modules intelligents de maintenance nous amène à les faire communiquer et collaborer entre eux.Cette construction de modules ou briques intelligentes doit concourir à donner des indicateurs pour prendre la bonne décision en matière de stratégie et de politique de maintenance.
Réseau web par exemple Système d’information
ERP GMAO
SCADA Analyse
Documentation
Webcam Base de données
documentaire
Collecte Travaux
BD Technique
Ressources Humaines
Base de connaissance
Acquisition
Serveur d’applications
Caméra IR
Base de données Techniques
Maintenance préventive Module d’intelligence
artificielle
Analyse des défaillances
Pronostic Analyse
d’équipement
Fiche des interventions
préventives
Diagnostic des pannes
Etat
Réseau de
Capteurs SCADA Module d’intelligence artificielle
Maintenance conditionnelle Evenement
BD Tech
Figure . Exemple de Coopération des différents systèmes informatiques
Le projet MIMOSA (The Machinery Information Management Open Systems Alliance) a été le premier dans les années 90 aux Etats Unis à développer un système complexe d’information unique pour la gestion de la maintenance [Kahn, 2003]. Le projet est illustré à la figure 1.13. Il a eu pour objectif le développement d’un réseau de collaboration de maintenance en proposant la norme open de protocole EAI (Enterprise Application Integration). L’organisation préconise et développe des caractéristiques d'intégration de l'information pour permettre la gestion et le contrôle de la valeur ajoutée par les solutions ouvertes, intégrées et orientée l’industrie. Les solutions développées à partir des îlots d’information afin de créer la plateforme d’e-maintenance ont été proposées dans ce projet [Mitchell et al., 1998].
Une architecture fonctionnelle OSA/CBM (Open System Architecture for Condition-Based Maintenance) dédiée au développement de stratégies de maintenance conditionnelle ou prévisionnelle [Lebold & Thurston, 2001] a été développée à partir du schéma relationnel MIMOSA CRIS. Elle contient sept modules flexibles dont le contenu (méthodologie et algorithmes) est configurable par l’utilisateur (cf. fig. 1.14). Elle peut être simplifiée et adaptée à chaque besoin industriel en réduisant des modules.
Figure . Projet OSA/CBM [Lebold & Thurston, 2001]
Figure . Utilisation des outils en Maintenance Corrective
III. Vue Informationnelle
A. Système d’information interconnectant ces composants
L’architecture d’e-maintenance se fait via un réseau qui permet coopérer, d’échanger, partager et de distribuer ces informations aux différents systèmes partenaires de ce réseau. Le principe consiste à intégrer l’ensemble des différents systèmes de maintenance dans un seul système d’information [Muller, 2005]. La mise en communication de tous ces éléments passe donc par un système d’information. Ce système d’information a vocation de relier et de faire travailler ensemble toutes les applications de maintenance avec ces différents composants et les acteurs de maintenance permettant ainsi de mettre en place différentes stratégies de maintenance.
D’abord nous rappelons la définition d’un système d’information. Selon [Wikipedia, 2005] c’est « un système, automatisé ou manuel, qui comprend des hommes, des machines et des méthodes organisés pour assembler, transmettre et répandre des données qui représentent de l’information pour les utilisateurs. Selon leur finalité principale, on distingue des systèmes d'information supports d'opérations (traitement de transaction, contrôle de processus industriels, supports d'opérations de bureau et de communication) et des systèmes d'information supports de gestion (aide à la production de rapports, aide à la décision…).
Ce système d’information met en relation tous les types de stockage de données (bases de données techniques documentaires, éventuellement des entrepôts de données, GMAO), les systèmes d’acquisition et de contrôle de données, les applications traitant des données, les acteurs par l’intermédiaires d’entrées sorties par rapport un portail web, des lunettes ou casques virtuel.
Les systèmes proposent différents formats d’information qui ne sont pas toujours compatibles pour le partage ce qui nécessite la coordination et la coopération entre les systèmes pour les rendre interopérables. D’après [Spadoni, 2004], l’interopérabilité est « la capacité qu’ont deux systèmes de communication à communiquer de façon non ambiguë, que ces systèmes soient similaires ou différents. On peut dire que rendre interopérable, c’est créer de la compatibilité. » L’architecture d’e-maintenance doit alors assurer l’interopérabilité avec chacun de ces différents systèmes.
Ces systèmes d’information nous donne Scénario possible
Utilisation des outils
Dysfonctionnement d’équipement
Diagnostic
Intervention
Rapport d'Intervention
Clôture de l'intervention Lancement Allocation des ressources
Demande d'Intervention
Rapport d'Intervention
Documentation
Documentation GMAO
webcam
ERP GMAO
GMAO GMAO
Analyse SCADA
1°- l’opportunité de manipuler l’information à une plus large échelle, de la diffuser de l’acquérir au moment où on en a besoin, de la stocker de la rechercher quand le besoin s’en fait ressentir, quelque soit le site où elle se trouve (par exemple dans des bases de données réparties ou bien dans le temps quand on recherche un événement similaire qui est apparu il y a un certain temps de cela.
2°- La possibilité d’élaborer, d’extraire ou de manager la connaissance métier à partir des informations transitant.
Deux communautés travaillent sur ces problématiques, l’une de l’ECD s’intéresse à l’extraction des Connaissances à partir des Données. Elle permet à partir de données d’extraire des règles de connaissances dans les domaines concernant ici la maintenance. Une deuxième communauté celle de management des connaissances, s’intéresse à formaliser la connaissance experte en s’adressant directement aux experts métiers et ainsi d’élaborer des mémoires métier.
3°- Le développement d’applications prenant appui sur l’ensemble des informations transitant sur ces différents systèmes, en exploitant aussi bien des informations temps réel issus du SCADA, que des règles expertes, et éventuellement des méthodes d’intelligence artificielle. Nous vous décrirons des travaux faits sur le diagnostic de pannes prenant appui sur des réseaux de neurones
B. la Manipulation de l’information
à une plus large échelle, sa collecte sa diffusion, traitement, acquisition, stockage
sa rechercheLe système d’information permet la mise en place effective de la Maintenance Distribuée dans le temps.
On peut rechercher d’informations appartenant au passé dans l’historique de pannes, recensé dans les Base de données techniques. Exploiter ces données dans un objectif décisionnel. Explorer ces données, en extrayant savoir à partir de grandes quantités de données, par des méthodes automatiques ou semi-automatiques, et l'utilisation industrielle ou opérationnelle de ce savoir. On pourra ainsi consulter un système d’aide à la décsision, prenant appui sur une plus grande expertise
DATA WAREHOUSING COLLECTE DE DONNEES dans un objectif décisionnel)
L'entrepôt de données, ou datawarehouse, est un concept spécifique de l'informatique décisionnelle, issu du constat suivant : les données de l'informatique de production notamment dans les progiciels de gestion intégrés (ou ERP, Enterprise Resource Planning) ne se prêtent pas à une exploitation dans un cadre d'analyse décisionnelle.
À l'inverse, les systèmes décisionnels doivent permettre l'analyse par métiers ou par sujets et le suivi dans le temps d'indicateurs calculés ou agrégés. Il est donc souvent indispensable de repenser les schémas de données, ce qui implique l'unification des différents gisements de données de l'entreprise en un entrepôt de données global (datawarehouse) ou dédié à un sujet/métiers (datamart).[ whilpedia]
Cela ouvre la voie à l’exploitation de techniques de collecte de donnée qui n’est que la première phase d’un processus plus complexe d’extraction des connaissances à partir des données.
L'Extraction de Connaissances à partir de Données (ECD) ou Knowledge Discovery in Databases (KDD) est un "processus non trivial d'identification de structures inconnues, valides et potentiellement exploitables sur une Base de Données" [Fayyad et al., 1995]. Son but est donc l'extraction d'information utile contenue dans les Bases de Données, à travers la mise en exergue des relations dominantes entre les exemples qui les composent. Elle se réfère à une démarche complète d'exploitation des données que l'on peut résumer en quatre phases distinctes [Liu et Motoda, 1998] dont l'enchaînement est présenté Fig..
Fouille de
Données Post-traitement
Pré-traitement Acquisition
données règles
observations données sélectionnées règles sélectionnées
Fig. Le processus de l'Extraction de Connaissances à partir de Données
Remarquons que ce déroulement n'est pas nécessairement séquentiel et des effets de retour peuvent être introduits dans le déroulement du processus [Liu et Motoda, 1998].
Différentes étapes de l'ECD
Nous allons décrire brièvement l'objectif des quatre phases de l'ECD.
l'acquisition des données (Data Warehousing) réalise la collecte des données à partir de multiples sources d'information pouvant être distribués sur plusieurs sites et se présente dans différents formats,
.
le pré-traitement des données (Pre-processing) consiste à sélectionner les données afin de créer un ensemble de données, supprimer les bruits et réaliser une transformation (réduction ou projection) de ces données en fonction de l'application visée,
la fouille de données (Data Mining) intègre à la fois le choix de la modélisation adéquate et de la méthode à utiliser ainsi que son application à la recherche de structures sous-jacentes des données et à la création de modèles explicatifs et/ou prédictifs. Le terme "règles" est le terme général utilisé pour désigner les conclusions issues de la fouille de données, On utilise comme méthodes, les réseaux de neurones, les arbres de décision, les structures de décision, la méthode des K+
proches voisins, les algorithmes génétiques.
le post-traitement (Post-Processing) consiste d'une part à évaluer et à interpréter les conclusions émises afin de s'assurer qu'elles correspondent à des mécanismes réels, et d'autre part à mettre ces conclusions sous forme intelligible et
réutilisable.
Exemple d’applications - sélection de capteurs
- extraction de règles d’ordonnancement de tâches
C. L’élaboration de la connaissance ( La possibilité d’élaborer, d’extraire ou de manager la connaissance)
Le système d’information permet la mise en place effective de la Maintenance Coopérative qui se base sur la
communication des informations entre les systèmes partenaires, le partage d’informations, la recherche d’information, dans les bases de stockage ou à travers les systèmes d’acquisition de données.
Accéder au savoir, Coordonner des activités
Ces éléments de base liés au traitement de l’information sont au centre des préoccupations de la gestion des
connaissances. En effet dans [Ermine, 2001]. La gestion des connaissances désigne un ensemble de concepts et d’outils permettant aux membres d’une organisation de travailler ensemble et de faire le lien entre les informations disponibles, la production de connaissances et le développement des compétences individuelles, collectives et organisationnelles.
Selon [Charlet, 2005] la gestion des connaissances vise à rassembler le savoir et le savoir faire sur des supports facilement accessibles, faciliter leur transmission en temps réel à l’intérieur de l’établissement, en différer à nos successeurs et garder la trace de certaines activités ou actions sur lesquelles on peut devoir rendre des comptes à l’avenir.
La connaissance est considérée comme un capital de plus en plus important dans les entreprises et les organisations, notamment dans le secteur des services des industries basées sur la connaissance. Cette connaissance, les expériences et le savoir faire des employés sont stockés et capitalisés afin de créer le capital intellectuel de l’entreprise. Il est défini d’après [Rosario, 1996] comme « la somme totale et la valeur accumulée du partage de la connaissance et de l’expertise de l’entreprise »
Cette Maintenance coopérative, peut donc se décliner par un cycle de capitalisation et gestion des
connaissances comme le cycle de référence de Grundstein.
CYCLE DE CAPITALISATION DES CONNAISSANCES DE GREINDSTEIN
Cela donne la possibilité de mettre à disposition d’acteurs de maintenance pendant leurs activités professionnelles différents types de connaissances. La visée de cette mise à disposition, est de faire partager la connaissance métier, de la capitaliser et de la faire vivre. L’expertise dans une entreprise est un bien immatériel à identifier, formaliser et modéliser ainsi à transmettre continuellement [Grundstein, 1994]. Ce capital, une fois en place, fait partie de la mémoire d’entreprise.
Charlet [2005] souligne qu’une mémoire d’entreprise s’acquiert par un processus de capitalisation des connaissances qui évolue et vit dans une gestion des connaissances. Nous développerons une méthode adaptée à nos besoins de capitaliser des connaissances dans un processus de maintenance et d’élaborer une mémoire d’entreprise.
Figure Cycle de capitalisation des connaissances [Grundstein, 2000]
La mémoire d’entreprise contient des connaissances du domaine, de l’entreprise ainsi que différentes sources de connaissances basées sur une ontologie commune. Cette ontologie permet d’utiliser les connaissances stockées dans cette mémoire par les différentes classes d’acteurs et selon leurs différentes tâches à faire dans le processus de maintenance. Elle permet la communication et l’échange des informations entre eux. La modélisation des connaissances, réalisée dans le cycle de capitalisation, est inséparable de la gestion des connaissances
C. L’utilisation d’outils es outils ’élaboration de la connaissance
La mise en relation d’expertise, de différents modules permettent de développer des applications tenant compte de plusieurs type d’informations et influencent l’outil développé. Nous vous décrirons une application concernant le diagnostic de pannes à base de méthodes d’intelligence artificielle notamment les réseaux de neurones et prenant appui sur des règles expertes.
De plus les outils développés doivent tenir compte non seulement de l’hétérogeneité des informations à disposition,mais également de la communication avec les différentes applications.
1°- Exploitation des techniques d’ECD par l’utilisation de réseaux de neurones ( Daniel Racocceanu)
2°- Exploitation d’une démarche KM pour le diagnostic de pannes, et raisonnement à partir de cas (Brigitte)
Exemple de retour d’expérience à partir d’une démarche KM pour l’intégration de l’expertise RETOUR D’EXPERIENCE
Nous vous donnons un exemple d’impact sur le diagnostic de pannes prenant appui sur une expertise terrain.
Système d’aide au diagnostic
Lancement
Contrôle et restitution
Equipement Requête Demande
d’intervention
Rapport d’intervention
Retour d’expérience
Modèle de la base de cas
Modèle du cas
Base des rapports d’intervention
Expertise
Diagnostic Approvisionnement Ordre de travail Ordonnancement
Intervention