Systèmes multi-agent pour le diagnostic pluri-disciplinaire

Multi-agent system for multi-disciplinary diagnostic

• Auteur / Autrice : Julien Dumont
• Direction : Olivier Boissier
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 24/02/2011
• Etablissement(s) : Saint-Etienne, EMSE
• Ecole(s) doctorale(s) : ED SIS 488
• Partenaire(s) de recherche : Entreprise : ACAI
• Jury : Président / Présidente : Valérie Laforest
• Jury : Examinateurs / Examinatrices : Olivier Boissier, Valérie Laforest, René Mandiau, Michel Occello, Stéphane Bonnevay, Maxime Morge, Jean-Claude Barthelemy, Guy Vinzant
• Jury : Rapporteur / Rapporteuse : René Mandiau, Michel Occello

Mots clés

Mots clés contrôlés

Argumentation

Statistique bayésienne

Intelligence artificielle répartie

Mots clés libres

Diagnostic

Multi-agent

Argumentation

Bayésien

Multi-agent system

Bayesian network

Argumentation

Résumé

Ce travail de recherche est consacré à la formalisation et à la réalisation d’un processus de diagnostic pluridisplinaire. La particularité d’un tel diagnostic résulte du fait qu’il nécessite de nombreux spécialistes, chacun ayant des connaissances sur leur domaine. Le problème principal réside dans les interconnexions entre les domaines. Ces interconnexions peuvent ou non être connues et influer sur le diagnostic. Dans ce manuscrit, nous proposons de réaliser un diagnostic pluridisciplinaire l’aide d’un système multi-agents. Les agents élaborent un diagnostic local à un domaine puis, fusionnent leurs diagnostics afin d’obtenir le diagnostic pluridisciplinaire. Dans ce but, nous proposons un cadre d’argumentation et une méthode de fusion des diagnostics. Ensemble, ces deux propositions forment le modèle ANDi.

Sharing opinions among different participants is a useful and common way to build a constructive argumentation in order to solve complex problems that require the confrontation of different discipline areas. In such settings, experts build different arguments in relation to their own discipline area, then share and confront them to the other experts’ opinions. In this report we present an argumentative framework ANDi based on a multi-agent approach and Bayesian networks. In this framework, the agents support the elaboration of a global diagnostic from local ones. Local diagnostics are resulting of argumentations between group of experts from the same discipline area. We illustrate the use of this argumentation framework on the domain of fault diagnosis.