Suivi en continu de processus dynamiques : fonctionnement en mode bouclé contrôlé d'un système d'intelligence artificielle

Dynamic process following : an artificial intelligence based looped inference engine

• Auteur / Autrice : Pierre Morizet-Mahoudeaux
• Direction : Paul Gaillard
• Type : Thèse de doctorat
• Discipline(s) : Contrôle des systèmes
• Date : Soutenance en 1987
• Etablissement(s) : Compiègne
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Compiègne)

Mots clés

Mots clés contrôlés

Qualité -- Contrôle

Traitement du signal

Commande automatique

Algorithmes

Estimation, Théorie de l'

Acquisition des connaissances (systèmes experts)

Systèmes experts (informatique)

Réanimation en néonatologie

Intelligence artificielle en médecine

Intelligence artificielle

Résumé

L'objet de ce travail est l'étude et la mise en œuvre d'un système d'intelligence artificielle capable de diagnostiquer, en continu, l'état d'un processus dynamique au cours de son évolution. Un premier chapitre montre, à l'aide de deux exemples, l'un concernant le traitement du signal, l'autre le contrôle de la réanimation néonatale, les propriétés que doivent satisfaire les systèmes de suivi de processus dynamiques (au niveau des faits, des règles et des buts) qui impliquent la gestion des contradictions, l'invalidation des règles et l'inhibition des buts (et de leurs contraires). Le système d'acquisition et de structuration des connaissances (SUPER) qui a servi de base à ce travail est ensuite présenté, ainsi que son interface en langage naturel et de représentation d'objet. Dans cette description, on donne les propriétés et les justifications du modèle de représentation du raisonnement utilisé dans SUPER. Les limitations et les avantages du modèle sont ainsi mis en évidence. Une comparaison avec les solutions apportées dans le cas des systèmes experts en général est présentée (non-monotonie). La troisième partie décrit la maintenance de la base de faits, lors d'ajouts, de suppressions ou de modifications d'informations. Le cas particulier des règles de changement d'état est aussi étudié, avec la mise en évidence de possibilité de mémorisation ou non du changement d'état. La description du moteur d'inférence bouclé est ensuite reportée. Il offre, sur la base d'une vision ensembliste des faits et des connaissances, la possibilité de gestion d'un objectif parmi plusieurs, compte tenu des données présentes et des états antérieurs. Deux exemples d'application font l'objet de la dernière partie. Ils montrent pour l'un une méthode optimale d'utilisation de méthodes algorithmiques en fonction de leurs caracteristiques propres et de la connaissance de données. Le second décrit les stratégies de résolution adoptées dans le cas d'un ensemble processus-environnement en cours d'évolution lente.

This work presents the study and the realization of an artificial intelligence based system which monitors and diagnoses the successive states of a dynamic process. The first chapter shows, with the help of two examples (one concerns signal processing, the other the resuscitation protocol following of neonates), the properties that a system for dynamic control following must satisfy. The necessity of the maintenance of inconsistencies, inhibition and reactivation for facts rules and goals is presented. The knowledge acquisition and structuration system (SUPER), which was at the foundations of this work, is presented. The natural language interface and the object representation model are also described. The specific properties of this system in comparison with general expert systems are given and justified. The solutions given by non-monotonic logic expert systems are also presented. The third part is the description of the fact base maintenance system, when dates change, is inserted or suppressed. The particular case of change of state rules is studied, with the possibility of memorizing or not the fact that the system's state has changed. The looped inference engine is then presented. It ensures the managing of goals analysis and resolution planning according to the passed and present datas. Two applications examples are given in the last part. The first one shows how to manage with signal processing algorithm during a problem resolution as temporary results are proved or not. The second one describes resolutions strategies management in the case of a process-environment system as it slowly evolves.