FR3090583A1 - Method of checking an element - Google Patents
Method of checking an element Download PDFInfo
- Publication number
- FR3090583A1 FR3090583A1 FR1873748A FR1873748A FR3090583A1 FR 3090583 A1 FR3090583 A1 FR 3090583A1 FR 1873748 A FR1873748 A FR 1873748A FR 1873748 A FR1873748 A FR 1873748A FR 3090583 A1 FR3090583 A1 FR 3090583A1
- Authority
- FR
- France
- Prior art keywords
- data
- prediction model
- equipment
- datum
- relating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012549 training Methods 0.000 claims abstract description 38
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 21
- 238000012423 maintenance Methods 0.000 claims description 18
- 230000009471 action Effects 0.000 claims description 13
- 230000007257 malfunction Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000002411 adverse Effects 0.000 claims description 4
- 230000015654 memory Effects 0.000 description 8
- 230000003993 interaction Effects 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Procédé de contrôle d’un élément La présente invention concerne un procédé de contrôle d’un élément, le procédé comprenant : - la collection de premières données relatives à des éléments et de deuxièmes données relatives au contrôle des éléments pour former une base d’entraînement, - l’optimisation d’un modèle de prédiction d’une deuxième donnée en fonction de premières données selon une technique d’apprentissage appliquée à la base d’entraînement pour obtenir un modèle de prédiction, la technique d’apprentissage étant mise en œuvre selon une contrainte imposant que le modèle de prédiction obtenu soit différent d’un modèle de référence, le modèle de référence étant le modèle de prédiction obtenu après optimisation selon la même technique d’apprentissage appliquée à la même base d’entraînement, - l’exploitation du modèle de prédiction comportant : - la fourniture de premières données relatives à un élément, - la prédiction, par le modèle de prédiction obtenu, d’une deuxième donnée. Figure pour l'abrégé : Figure 1The present invention relates to a method for controlling an element, the method comprising: the collection of first data relating to elements and second data relating to the control of elements to form a training base , - the optimization of a prediction model of a second data as a function of first data according to a learning technique applied to the training base to obtain a prediction model, the learning technique being implemented according to a constraint imposing that the prediction model obtained is different from a reference model, the reference model being the prediction model obtained after optimization according to the same learning technique applied to the same training base, - the exploitation of the prediction model comprising: - the supply of first data relating to an element, - the prediction, by the prediction model obtained, of a second datum. Figure for the abstract: Figure 1
Description
DescriptionDescription
Titre de l'invention : Procédé de contrôle d’un élémentTitle of the invention: Method for controlling an element
[0001] La présente invention concerne un procédé de contrôle d’un élément. La présente invention se rapporte aussi à un produit programme d’ordinateur associé.The present invention relates to a method for controlling an element. The present invention also relates to an associated computer program product.
[0002] Dans le domaine de l’avionique, le bon fonctionnement des équipements faisant partie d’un aéronef permet d’assurer la sécurité de l’aéronef.In the field of avionics, the proper functioning of the equipment forming part of an aircraft makes it possible to ensure the safety of the aircraft.
[0003] Comme chaque équipement est susceptible de tomber en panne, il est souhaitable d’instaurer une maintenance de tels équipements avant la survenue d’une panne. Pour cela, des opérateurs effectuent des contrôles à intervalles de temps réguliers sur les équipements afin de procéder à une maintenance des équipements avant la survenue d’une panne.As each piece of equipment is likely to break down, it is desirable to establish maintenance of such equipment before the occurrence of a breakdown. To do this, operators carry out checks at regular time intervals on the equipment in order to carry out maintenance on the equipment before a fault occurs.
[0004] Néanmoins, de tels contrôles ne sont pas optimaux puisque les opérateurs sont mobilisés même lorsqu’aucune maintenance de l’équipement n’est requise.However, such checks are not optimal since the operators are mobilized even when no maintenance of the equipment is required.
[0005] Il existe donc un besoin pour un procédé de contrôle d’un élément, tel qu’un équipement, qui permette de mieux contrôler l’élément tout en optimisant les contrôles effectués sur l’élément.There is therefore a need for a method of controlling an element, such as equipment, which allows better control of the element while optimizing the checks carried out on the element.
[0006] Pour cela, la présente description porte sur un procédé de contrôle d’un élément, le procédé comprenant :For this, the present description relates to a method of controlling an element, the method comprising:
[0007] - une phase de collection d’un ensemble de premières données relatives à des éléments et d’un ensemble de deuxièmes données relatives au contrôle des éléments pour former une base d’entraînement, chaque deuxième donnée étant associée à au moins une première donnée, la phase de collection étant mise en œuvre par ordinateur, [0008] - une phase d’optimisation d’un modèle de prédiction d’au moins une deuxième donnée en fonction de premières données selon une technique d’apprentissage appliquée à la base d’entraînement pour obtenir un modèle de prédiction, la technique d’apprentissage étant mise en œuvre selon une contrainte imposant que le modèle de prédiction obtenu soit différent d’un modèle de référence, le modèle de référence étant le modèle de prédiction obtenu après optimisation selon la même technique d’apprentissage appliquée à la même base d’entraînement, la phase d’optimisation étant mise en œuvre par ordinateur,- A phase of collecting a set of first data relating to elements and a set of second data relating to the control of the elements to form a training base, each second data being associated with at least a first given, the collection phase being implemented by computer, [0008] - a phase of optimizing a prediction model of at least a second data as a function of first data according to a learning technique applied to the base training to obtain a prediction model, the learning technique being implemented according to a constraint imposing that the prediction model obtained is different from a reference model, the reference model being the prediction model obtained after optimization according to the same learning technique applied to the same training base, the optimization phase being implemented by computer,
[0009] - une phase d’exploitation du modèle de prédiction, la phase d’exploitation étant mise en œuvre par ordinateur et comportant :[0009] - an exploitation phase of the prediction model, the exploitation phase being implemented by computer and comprising:
[0010] - une étape de fourniture de premières données relatives à un élément à contrôler,A step of supplying first data relating to an element to be checked,
[0011] - une étape de prédiction, par le modèle de prédiction obtenu, d’au moins une deuxième donnée relative au contrôle de l’élément,[0011] - a step of predicting, by the prediction model obtained, at least a second datum relating to the control of the element,
[0012] - une phase de mise en œuvre d’une action sur l’élément en fonction de la deuxième donnée prédite.- a phase of implementing an action on the element as a function of the second predicted datum.
[0013] Suivant des modes de réalisation particuliers, le procédé de contrôle comprend une ou plusieurs des caractéristiques suivantes, prise(s) isolément ou suivant toutes les combinaisons techniquement possibles :According to particular embodiments, the control method comprises one or more of the following characteristics, taken alone or in any technically possible combination:
[0014] - la base d’entraînement comprend un sous-ensemble de premières données, dites données à protéger, la contrainte imposant également que l’image de chaque deuxième donnée obtenue par un modèle inverse du modèle de prédiction soit différente des données à protéger ;- The training base comprises a subset of first data, called data to be protected, the constraint also imposing that the image of each second data obtained by an inverse model of the prediction model is different from the data to be protected ;
[0015] - la phase d’optimisation comprend une étape d’affectation d’une pondération pénalisante à chaque donnée à protéger de la base d’entraînement, la contrainte imposant également que chaque donnée à protéger soit affectée de la pondération pénalisante correspondante ;- The optimization phase includes a step of assigning a penalizing weighting to each datum to be protected from the training base, the constraint also imposing that each datum to be protected is affected by the corresponding penalizing weighting;
[0016] - le modèle de prédiction obtenu comprend des entrées et au moins une sortie, la contrainte imposant également que la technique d’apprentissage appliquée à la ou aux sortie(s) du modèle de prédiction obtenu conduise à un modèle adverse tel que l’image des deuxièmes données par le modèle adverse ne comporte pas de premières données à protéger ;- The prediction model obtained includes inputs and at least one output, the constraint also imposing that the learning technique applied to the output (s) of the prediction model obtained leads to an adverse model such that l the image of the second data given by the opposing model does not include the first data to be protected;
[0017] - le ou chaque modèle est un réseau de neurones ;- the or each model is a neural network;
[0018] - il est défini un niveau de sécurité du modèle de prédiction obtenu, la phase d’exploitation comprenant :- a security level of the prediction model obtained is defined, the operating phase comprising:
[0019] - une étape de réception d’un niveau de sécurité relatif à un utilisateur, et- a step of receiving a security level relating to a user, and
[0020] - une étape de transmission de la deuxième donnée prédite à l’utilisateur lorsque le niveau de sécurité reçu est supérieur ou égal au niveau de sécurité du modèle de prédiction obtenu ;- a step of transmitting the second predicted data to the user when the security level received is greater than or equal to the security level of the prediction model obtained;
[0021] - au moins une première donnée est issue de mesures effectuées par au moins un capteur ;- at least a first datum comes from measurements made by at least one sensor;
[0022] - chaque élément est un équipement, au moins une première donnée collectée étant relative à l’environnement des équipements, à l’origine des équipements, à l’historique des équipements ou aux dysfonctionnements observés sur les équipements, au moins une deuxième donnée collectée étant relative à une action de maintenance sur des équipements ou à une panne détectée sur des équipements ;- Each element is an item of equipment, at least one first data item collected relating to the environment of the equipment, the origin of the equipment, the history of the equipment or the malfunctions observed on the equipment, at least a second data collected relating to a maintenance action on equipment or to a fault detected on equipment;
[0023] - chaque élément est un message en provenance d’une entité, au moins une première donnée étant relative à une caractéristique de l’entité, au moins une deuxième donnée étant relative à une anomalie relative à l’entité ou au message.- each element is a message from an entity, at least one first datum relating to a characteristic of the entity, at least one second datum relating to an anomaly relating to the entity or to the message.
[0024] La présente description se rapporte également à un produit programme d’ordinateur comportant un support lisible d’informations, sur lequel est mémorisé un programme d’ordinateur comprenant des instructions de programme, le programme d’ordinateur étant chargeable sur une unité de traitement de données et adapté pour entraîner la mise en œuvre d’un procédé tel que précédemment décrit lorsque le programme d’ordinateur est mis en œuvre sur l’unité de traitement des données.The present description also relates to a computer program product comprising a readable information medium, on which is stored a computer program comprising program instructions, the computer program being loadable on a unit of data processing and adapted to involve the implementation of a method as previously described when the computer program is implemented on the data processing unit.
[0025] La présente description concerne aussi un support lisible d’informations sur lequel est mémorisé un produit programme d’ordinateur tel que précédemment décrit.The present description also relates to a readable medium of information on which is stored a computer program product as described above.
[0026] D’autres caractéristiques et avantages de l’invention apparaîtront à la lecture de la description qui suit de modes de réalisation de l’invention, donnés à titre d’exemple uniquement et en référence aux dessins qui sont :Other characteristics and advantages of the invention will appear on reading the following description of embodiments of the invention, given by way of example only and with reference to the drawings which are:
[0027] [fig.l] une vue schématique d’un exemple d’ordinateur permettant la mise en œuvre d’un procédé de contrôle d’un élément, et[Fig.l] a schematic view of an example of a computer allowing the implementation of an element control process, and
[0028] [fig-2] un organigramme d’un exemple de mise en œuvre d’un procédé de contrôle d’un élément.[Fig-2] a flow diagram of an example of implementation of an element control process.
[0029] Un calculateur 10 et un produit programme d’ordinateur 12 sont illustrés par la figure 1.A computer 10 and a computer program product 12 are illustrated in FIG. 1.
[0030] Le calculateur 10, est de préférence, un ordinateur.The computer 10 is preferably a computer.
[0031] Plus généralement, le calculateur 10 est un calculateur électronique propre à manipuler et/ou transformer des données représentées comme des quantités électroniques ou physiques dans des registres de calculateur 10 et/ou des mémoires en d’autres données similaires correspondant à des données physiques dans des mémoires, des registres ou d’autres types de dispositifs d’affichage, de transmission ou de mémorisation.More generally, the computer 10 is an electronic computer capable of handling and / or transforming data represented as electronic or physical quantities in computer registers 10 and / or memories into other similar data corresponding to data. physical in memories, registers or other types of display, transmission or storage devices.
[0032] Le calculateur 10 est en interaction avec le produit programme d’ordinateur 12.The computer 10 interacts with the computer program product 12.
[0033] Comme illustré par la figure 1, le calculateur 10 comporte un processeur 14 comprenant une unité de traitement de données 16, des mémoires 18 et un lecteur 20 de support d’informations. Dans l’exemple illustré par la figure 1, le calculateur 10 comprend un clavier 22 et une unité d’affichage 24.As illustrated in Figure 1, the computer 10 includes a processor 14 comprising a data processing unit 16, memories 18 and a reader 20 for information carrier. In the example illustrated in FIG. 1, the computer 10 comprises a keyboard 22 and a display unit 24.
[0034] Le produit programme d’ordinateur 12 comporte un support d’informations 26.The computer program product 12 includes an information medium 26.
[0035] Le support d’information 26 est un support lisible par le calculateur 10, usuellement par l’unité de traitement de données 16. Le support lisible d’informations 26 est un médium adapté à mémoriser des instructions électroniques et capable d’être couplé à un bus d’un système informatique.The information medium 26 is a medium readable by the computer 10, usually by the data processing unit 16. The readable medium 26 is a medium suitable for storing electronic instructions and capable of being coupled to a bus of a computer system.
[0036] A titre d’exemple, le support d’informations 26 est une disquette ou disque souple (de la dénomination anglaise « Floppy disc »), un disque optique, un CD-ROM, un disque magnéto-optique, une mémoire ROM, une mémoire RAM, une mémoire EPROM, une mémoire EEPROM, une carte magnétique ou une carte optique.By way of example, the information medium 26 is a floppy disk or flexible disk (from the English name "Floppy disc"), an optical disk, a CD-ROM, a magneto-optical disk, a ROM memory. , RAM memory, EPROM memory, EEPROM memory, magnetic card or optical card.
[0037] Sur le support d’informations 26 est mémorisé le programme d’ordinateur 12 comprenant des instructions de programme.On the information medium 26 is stored the computer program 12 comprising program instructions.
[0038] Le programme d’ordinateur 12 est chargeable sur l’unité de traitement de données 16 et est adapté pour entraîner la mise en œuvre d’un procédé de contrôle d’un élément lorsque le programme d’ordinateur 12 est mis en œuvre sur l’unité de traitement 16 du calculateur 10.The computer program 12 is loadable on the data processing unit 16 and is adapted to cause the implementation of an element control method when the computer program 12 is implemented on the processing unit 16 of the computer 10.
[0039] Le fonctionnement du calculateur 10 en interaction avec le produit programme d’ordinateur 12 va maintenant être décrit en référence à la figure 2, qui illustre schématiquement un exemple de mise en œuvre d’un procédé de contrôle d’un élément.The operation of the computer 10 in interaction with the computer program product 12 will now be described with reference to FIG. 2, which schematically illustrates an example of implementation of an element control method.
[0040] L’élément est, par exemple, un équipement, tel qu’un équipement d’un aéronef. Dans ce cas, un tel équipement est, par exemple, un ventilateur, un moteur ou des ailes de l’aéronef. L’équipement comprend, par exemple, des pièces. Il est entendu par le terme « pièces », les différents composants de l’équipement.The element is, for example, equipment, such as equipment of an aircraft. In this case, such equipment is, for example, a fan, an engine or wings of the aircraft. The equipment includes, for example, parts. It is understood by the term "parts", the various components of the equipment.
[0041] Dans un autre exemple, l’élément est un message en provenance d’une entité, par exemple, un message AIS (de l’anglais Automatic Identification System, traduit en français par Système d’identification automatique) en provenance d’un navire.In another example, the element is a message from an entity, for example, an AIS message (from the English Automatic Identification System, translated into French by Automatic identification system) from a ship.
[0042] Le procédé de contrôle comprend une phase 100 de collection d’un ensemble de premières données relatives à des éléments et d’un ensemble de deuxièmes données relatives au contrôle des éléments pour former une base d’entraînement. Chaque deuxième donnée de la base d’entraînement est associée à au moins une première donnée. La phase de collection 100 est mise en œuvre par le calculateur 10 en interaction avec le produit programme d’ordinateur 12, c’est-à-dire est mise en œuvre par ordinateur.The control method comprises a phase 100 of collecting a set of first data relating to elements and a set of second data relating to the control of elements to form a training base. Each second datum of the training base is associated with at least one first datum. The collection phase 100 is implemented by the computer 10 in interaction with the computer program product 12, that is to say is implemented by computer.
[0043] Par exemple, les données sont collectées par une première entité (telle qu’un calculateur ou une personne physique) et sont envoyées à une deuxième entité comprenant le calculateur 10 et le produit programme d’ordinateur 12 en vue d’être traité par la deuxième entité. La deuxième entité comprend alors avantageusement une unité de réception des données collectées.For example, the data is collected by a first entity (such as a computer or a natural person) and is sent to a second entity comprising the computer 10 and the computer program product 12 for processing. by the second entity. The second entity then advantageously comprises a unit for receiving the collected data.
[0044] Avantageusement, au moins une première donnée est issue de mesures effectuées par au moins un capteur.Advantageously, at least one first datum comes from measurements carried out by at least one sensor.
[0045] La base d’entraînement obtenue est, par exemple, mémorisée dans une mémoire 18 du calculateur 10.The training base obtained is, for example, stored in a memory 18 of the computer 10.
[0046] La base d’entraînement comprend un sous-ensemble de premières données, dites données à protéger. Les données à protéger sont, par exemple, déterminées en fonction d’un niveau de sécurité souhaité pour les données de la base d’entraînement. Optionnellement, les données à protéger comprennent, également, des deuxièmes données de la base d’entraînement. Les données à protéger sont aussi appelées attributs.The training base includes a subset of first data, called data to be protected. The data to be protected is, for example, determined according to a desired level of security for the data of the training base. Optionally, the data to be protected also includes second data from the training base. The data to be protected is also called attributes.
[0047] L’homme du métier comprendra que les premières et deuxièmes données collectées de la base d’entraînement sont des valeurs. Ainsi, il est collecté plusieurs valeurs pour un premier type de premières données de la base d’entraînement, plusieurs autres valeurs pour un deuxième type de premières données de la base d’entraînement, etc. De même, il est collecté plusieurs valeurs pour un premier type de deuxièmes données de la base d’entraînement, et éventuellement plusieurs autres valeurs pour un deuxième type de deuxièmes données de la base d’entraînement, etc.Those skilled in the art will understand that the first and second data collected from the training base are values. Thus, several values are collected for a first type of first data from the training base, several other values are collected for a second type of first data from the training base, etc. Likewise, several values are collected for a first type of second data from the training base, and possibly several other values for a second type of second data from the training base, etc.
[0048] Par exemple, lorsque chaque élément est un équipement, les premières données sont relatives à des équipements et les deuxièmes données sont relatives à la maintenance des équipements. Les données relatives à la maintenance couvrent, avantageusement, les données relatives à la réparation des équipements.For example, when each element is an item of equipment, the first data relates to equipment and the second data relates to the maintenance of equipment. The data relating to maintenance advantageously covers data relating to the repair of equipment.
[0049] Plus précisément, dans cet exemple, les premières données collectées sont des données relatives à l’environnement des équipements, à l’origine des équipements, à l’historique des équipements et/ou aux dysfonctionnements observés sur les équipements.More specifically, in this example, the first data collected is data relating to the environment of the equipment, the origin of the equipment, the history of the equipment and / or the malfunctions observed on the equipment.
[0050] Les données relatives à l’environnement des équipements sont, par exemple, les températures ou les pressions de l’atmosphère auxquelles les équipements ont été soumis.The data relating to the environment of the equipment are, for example, the temperatures or pressures of the atmosphere to which the equipment has been subjected.
[0051] Les données portant sur l’origine des équipements sont, par exemple, le fabricant des équipements ou l’avion dans lequel l’équipement a été installé.The data relating to the origin of the equipment is, for example, the manufacturer of the equipment or the aircraft in which the equipment was installed.
[0052] L’historique des équipements peut comporter des données relatives à la durée d’exploitation des équipements ou au nombre de maintenances effectuées sur les équipements.The equipment history may include data relating to the operating time of the equipment or the number of maintenance performed on the equipment.
[0053] Les données de dysfonctionnements observés sur les équipements comportent à titre d’illustration l’ensemble des mesures anormales obtenues lors des tests des équipements. Par l’expression « dysfonctionnement », il est entendu une panne, une absence de fonctionnement ou encore un fonctionnement non conforme au fonctionnement attendu de l’équipement.The malfunction data observed on the equipment includes, by way of illustration, all the abnormal measurements obtained during the equipment tests. By the expression "malfunction", it is understood a breakdown, an absence of operation or an operation not in conformity with the expected operation of the equipment.
[0054] De préférence, dans cet exemple, au moins un ensemble de premières et deuxièmes données collectées sont relatives à un équipement de même nature que l’équipement à surveiller.Preferably, in this example, at least one set of first and second data collected relates to equipment of the same kind as the equipment to be monitored.
[0055] Avantageusement, dans l’exemple des équipements, au moins une première donnée est choisie dans le groupe constitué de :Advantageously, in the example of the equipment, at least one first datum is chosen from the group consisting of:
[0056] - le modèle de l’équipement,- the model of the equipment,
[0057] - le fournisseur d’au moins une pièce de l’équipement, dite première pièce,- the supplier of at least one piece of equipment, called the first piece,
[0058] - la date de mise en place d’au moins la première pièce de l’équipement,- the date of installation of at least the first piece of equipment,
[0059] - une probabilité d’occurrence d’un dysfonctionnement d’au moins la première pièce de l’équipement,- a probability of occurrence of a malfunction of at least the first piece of equipment,
[0060] - la cause d’un dysfonctionnement d’au moins la première pièce de l’équipement,- the cause of a malfunction of at least the first piece of equipment,
[0061] Avantageusement, dans cet exemple, au moins une première donnée est issue de mesures effectuées par au moins un capteur, que ce soient des mesures de l’environnement de l’équipement 36 ou des mesures sur l’équipement lui-même. Les mesures sur l’équipement à surveiller lui-même sont, par exemples, des mesures relatives à la résistance mécanique de l’équipement ou à des valeurs électriques de référence de l’équipement.Advantageously, in this example, at least one first datum comes from measurements made by at least one sensor, whether these are measurements of the environment of the equipment 36 or measurements on the equipment itself. The measurements on the equipment to be monitored are, for example, measurements relating to the mechanical resistance of the equipment or to the electrical reference values of the equipment.
[0062] De manière générique, dans l’exemple des équipements, les deuxièmes données collectées sont des données relatives à des actions de maintenance sur des équipements ou à des pannes détectées sur des équipements.Generically, in the example of the equipment, the second data collected is data relating to maintenance actions on equipment or to faults detected on equipment.
[0063] Avantageusement, dans l’exemple des équipements, la ou chaque deuxième donnée est choisie dans le groupe constitué de :Advantageously, in the example of the equipment, the or each second datum is chosen from the group consisting of:
[0064] - la durée restante avant la mise en œuvre d’une action de maintenance sur au moins une pièce de l’équipement,- the time remaining before the implementation of a maintenance action on at least one piece of equipment,
[0065] - la ou les actions de maintenance (ou actions correctrices) à mettre en œuvre sur l’équipement ou sur au moins une pièce de l’équipement,- the maintenance action (s) (or corrective actions) to be implemented on the equipment or on at least one piece of the equipment,
[0066] - la probabilité de succès de ou des actions de maintenance ou correctrices en cas de dysfonctionnement de l’équipement ou d’au moins une pièce de l’équipement.- the probability of success of maintenance or corrective actions in the event of malfunction of the equipment or at least one part of the equipment.
[0067] Par exemple, pour un équipement d’aéronef, les données à protéger sont le ou les fournisseurs des pièces de l’équipement ou encore la probabilité d’occurrence d’un dysfonctionnement des pièces de l’équipement.For example, for aircraft equipment, the data to be protected are the supplier or suppliers of the parts of the equipment or the probability of occurrence of a malfunction of the parts of the equipment.
[0068] Dans un autre exemple, lorsque chaque élément est un message en provenance d’une entité, au moins une première donnée est relative à une caractéristique de l’entité et au moins une deuxième donnée est relative à une anomalie relative à l’entité ou au message.In another example, when each element is a message from an entity, at least one first datum relates to a characteristic of the entity and at least one second datum relates to an anomaly relating to the entity or message.
[0069] Plus précisément, dans le domaine naval, lorsque le message est un message AIS, au moins une première donnée est choisie dans le groupe constitué de :More precisely, in the naval field, when the message is an AIS message, at least one first datum is chosen from the group consisting of:
[0070] - la vitesse du navire,The speed of the ship,
- le cap du navire,- the course of the ship,
- la latitude du navire,- the latitude of the ship,
- la longitude du navire,- the longitude of the ship,
- le type du navire (cargo, navire pétrolier, etc), - le statut de navigation du navire (en marche, amarré, etc), - les données temporelles du message, telles que la date et l’heure de délivrance du message AIS, et- the type of the ship (cargo, oil tanker, etc.), - the navigation status of the ship (in progress, moored, etc.), - the time data of the message, such as the date and time of delivery of the AIS message , and
- des données relatives à la nature du message AIS telles que la destination du message AIS.- data relating to the nature of the AIS message such as the destination of the AIS message.
[0071] Les données à protéger sont, par exemple, les données relatives à la nature du message AIS.The data to be protected are, for example, data relating to the nature of the AIS message.
[0072] Le procédé de contrôle comprend une phase 110 d’optimisation d’un modèle de prédiction d’au moins une deuxième donnée en fonction de premières données selon une technique d’apprentissage appliquée à la base d’entraînement pour obtenir un modèle de prédiction, aussi appelé modèle de prédiction optimisé. La phase d’optimisation 110 est mise en œuvre par le calculateur 10 en interaction avec le produit programme d’ordinateur 12, c’est-à-dire est mise en œuvre par ordinateur.The control method comprises a phase 110 of optimizing a prediction model of at least a second piece of data as a function of first data according to a learning technique applied to the training base to obtain a model of prediction, also called an optimized prediction model. The optimization phase 110 is implemented by the computer 10 in interaction with the computer program product 12, that is to say is implemented by computer.
[0073] Le modèle de prédiction obtenu est un modèle ayant des entrées (autant d’entrées que de type de premières données) et au moins une sortie (autant de sorties que de type de deuxièmes données).The prediction model obtained is a model having inputs (as many inputs as type of first data) and at least one output (as many outputs as type of second data).
[0074] Pour l’obtention du modèle de prédiction, la technique d’apprentissage est mise en œuvre selon une contrainte imposant que le modèle de prédiction obtenu soit différent d’un modèle de référence. Le modèle de référence est le modèle de prédiction obtenu après optimisation selon la même technique d’apprentissage appliquée à la même base d’entraînement mais sans la contrainte imposée pour l’obtention du modèle de prédiction.To obtain the prediction model, the learning technique is implemented according to a constraint imposing that the prediction model obtained is different from a reference model. The reference model is the prediction model obtained after optimization according to the same learning technique applied to the same training base but without the constraint imposed to obtain the prediction model.
[0075] Avantageusement, la contrainte impose également que l’image de chaque deuxième donnée obtenue par un modèle inverse du modèle de prédiction soit différente des données à protéger. Ainsi, les sorties du modèle de prédiction obtenues ne permettent pas de remonter aux données à protéger (qui sont des valeurs) de la base d’entraînement ayant servi à obtenir le modèle de prédiction. Le modèle de prédiction obtenu est alors affecté d’un niveau de sécurité. Le niveau de sécurité dépend notamment des données à protéger prises en compte lors de l’optimisation du modèle de prédiction.Advantageously, the constraint also requires that the image of each second data item obtained by an inverse model of the prediction model be different from the data to be protected. Thus, the outputs of the prediction model obtained do not make it possible to trace the data to be protected (which are values) from the training base that was used to obtain the prediction model. The prediction model obtained is then assigned a security level. The level of security depends in particular on the data to be protected taken into account when optimizing the prediction model.
[0076] Avantageusement, la technique d’apprentissage a pour point de départ un réseau de neurones défini par une architecture et un paramétrage.Advantageously, the learning technique has as a starting point a neural network defined by an architecture and a configuration.
[0077] Dans un exemple de mise en œuvre, la phase d’optimisation 110 consiste à modifier le paramétrage du réseau de neurones de sorte que le paramétrage ne dépende pas des données à protéger de la base d’apprentissage.In an exemplary implementation, the optimization phase 110 consists in modifying the configuration of the neural network so that the configuration does not depend on the data to be protected from the learning base.
[0078] Dans un autre exemple de mise en œuvre, la phase d’optimisation 110 comprend une étape d’affectation d’une pondération pénalisante à chaque donnée à protéger de la base d’entraînement. La contrainte impose alors, également, que chaque donnée à protéger soit affectée de la pondération pénalisante correspondante. Ainsi, les données à protéger de la base d’entraînement seront moins utilisées lors de l’optimisation que les données non affectées d’une pondération pénalisante. Par exemple, lorsque le point de départ de la phase d’optimisation 110 est un réseau de neurones défini par une architecture et un paramétrage, du fait de la pondération pénalisante, l’utilisation de valeurs de la base d’entraînement directement ou indirectement liées aux données à protéger est pénalisée dans le paramétrage du réseau de neurones. En variante ou en complément, l’affectation d’une pondération pénalisante est mise en œuvre au moyen d’un algorithme de type « forêt aléatoire » (en anglais random forest).In another example of implementation, the optimization phase 110 includes a step of assigning a penalizing weighting to each datum to be protected from the training base. The constraint then also imposes that each datum to be protected is affected by the corresponding penalizing weighting. Thus, the data to be protected from the training base will be used less during optimization than the data not affected by a penalizing weighting. For example, when the starting point of the optimization phase 110 is a neural network defined by an architecture and a configuration, due to the penalizing weighting, the use of values of the training base directly or indirectly linked to the data to be protected is penalized in the configuration of the neural network. As a variant or in addition, the allocation of a penalizing weighting is implemented by means of an algorithm of the “random forest” type.
[0079] Dans encore un autre exemple de mise en œuvre, la contrainte impose également que la technique d’apprentissage appliquée à la ou aux sortie(s) du modèle de prédiction obtenu conduise à un modèle adverse tel que l’image des deuxièmes données par le modèle adverse ne comporte pas de premières données à protéger. Dans ce cas, par exemple, la phase d’optimisation 110 comprend une étape d’optimisation du modèle de prédiction pour cacher, dans la ou chaque sortie du modèle de prédiction, les données à protéger de la base d’entraînement. La phase d’optimisation 110 comprend, aussi, une étape d’entraînement du modèle adverse pour retrouver, à partir des sorties du modèle de de prédiction, les données à protéger de la base d’entraînement. Le modèle de prédiction obtenu est le modèle de prédiction optimisé de sorte que le modèle adverse ne retrouve plus, à partir des sorties du modèle de prédiction, les données à protéger de la base d’entraînement.In yet another example of implementation, the constraint also requires that the learning technique applied to the output (s) of the prediction model obtained leads to an adverse model such as the image of the second data by the adverse model does not contain any initial data to be protected. In this case, for example, the optimization phase 110 includes a step of optimizing the prediction model to hide, in the or each output of the prediction model, the data to be protected from the training base. The optimization phase 110 also includes a step of training the opposing model to find, from the outputs of the prediction model, the data to be protected from the training base. The prediction model obtained is the prediction model optimized so that the opposing model no longer finds, from the outputs of the prediction model, the data to be protected from the training base.
[0080] Le procédé de contrôle comprend une phase 120 d’exploitation du modèle de prédiction optimisé. La phase d’exploitation 120 est mise en œuvre par le calculateur 10 en interaction avec le produit programme d’ordinateur 12, c’est-à-dire est mise en œuvre par ordinateur.The control method includes a phase 120 of using the optimized prediction model. The operating phase 120 is implemented by the computer 10 in interaction with the computer program product 12, that is to say is implemented by computer.
[0081] La phase d’exploitation 120 comprend une étape de fourniture de premières données relatives à un élément à contrôler.The operating phase 120 includes a step of providing first data relating to an element to be checked.
[0082] La phase d’exploitation 120 comprend une étape de prédiction par le modèle de prédiction obtenu d’au moins une deuxième donnée relative au contrôle de l’élément.The operating phase 120 includes a step of predicting by the prediction model obtained from at least one second datum relating to the control of the element.
[0083] Dans l’exemple des équipements, les premières données fournies sont des données relatives à la nature de l’équipement et aux différentes pièces de l’équipement, telles que la date de mise en place des pièces. La deuxième donnée prédite est, par exemple, la probabilité d’occurrence d’un dysfonctionnement d’une ou de pièces de l’équipement, ce qui permet de déterminer des actions de maintenance à mettre en œuvre.In the example of the equipment, the first data supplied is data relating to the nature of the equipment and to the various parts of the equipment, such as the date of installation of the parts. The second predicted datum is, for example, the probability of the occurrence of a malfunction of one or more pieces of equipment, which makes it possible to determine the maintenance actions to be implemented.
[0084] Optionnellement, la phase d’exploitation 120 comprend une étape de réception d’un niveau de sécurité relatif à un utilisateur et une étape de transmission de la deuxième donnée prédite à l’utilisateur lorsque le niveau de sécurité reçu est supérieur ou égal au niveau de sécurité du modèle de prédiction obtenu. Le niveau de sécurité de l’utilisateur est fixé en fonction de données dont l’accès est non autorisé pour l’utilisateur. Le modèle de prédiction obtenu ayant été optimisé pour protéger des données à protéger, l’utilisateur a accès aux sorties du modèle de prédiction seulement si les données non autorisées pour l’utilisateur sont inclues dans les données à protéger. Si des données non autorisées pour l’utilisateur ne sont pas inclues dans les données à protéger, cela signifie que l’utilisateur pourrait via les sorties du modèle de prédiction remonter à de telles données, c’est pourquoi les sorties du modèle de prédiction ne sont pas fournies à un tel utilisateur.Optionally, the operating phase 120 includes a step of receiving a security level relating to a user and a step of transmitting the second predicted data to the user when the security level received is greater than or equal the security level of the prediction model obtained. The user’s security level is based on data that is not authorized for the user to access. The prediction model obtained having been optimized to protect data to be protected, the user has access to the outputs of the prediction model only if the data not authorized for the user is included in the data to be protected. If data not authorized for the user is not included in the data to be protected, this means that the user could via the outputs of the prediction model go up to such data, this is why the outputs of the prediction model do not are not provided to such a user.
[0085] Le procédé de contrôle comprend une phase 130 de mise en œuvre d’une action sur l’élément en fonction de la deuxième donnée prédite.The control method comprises a phase 130 of implementing an action on the element as a function of the second predicted datum.
[0086] Dans l’exemple des équipements, lorsque la deuxième donnée indique qu’une action de maintenance est à effectuer sur l’équipement, tel que le remplacement d’une pièce de l’équipement, un utilisateur effectue une telle action de maintenance.In the example of the equipment, when the second datum indicates that a maintenance action is to be carried out on the equipment, such as the replacement of a piece of equipment, a user performs such a maintenance action .
[0087] Avantageusement, le procédé comprend une étape d’envoi de la deuxième donnée prédite à une troisième entité, par exemple, en vue de sa mémorisation ou d’une analyse ultérieure par la troisième entité. Pour cela, la deuxième entité comprend avantageusement une unité d’émission de données. La première et la troisième entité sont, par exemple, identiques.Advantageously, the method comprises a step of sending the second predicted datum to a third entity, for example, with a view to its memorization or a subsequent analysis by the third entity. For this, the second entity advantageously includes a data transmission unit. The first and third entities are, for example, identical.
[0088] Ainsi, le procédé décrit constitue un outil d’aide à la décision pour optimiser le contrôle d’un élément. Dans l’exemple de la maintenance d’un équipement à surveiller, un tel procédé permet d’éviter les pannes de l’équipement tout en optimisant les contrôles effectués par les opérateurs sur l’équipement. Un tel procédé est donc particulièrement utile dans le cadre de la maintenance prédictive d’équipements à surveiller. Dans l’exemple des messages à contrôler, un tel procédé permet de détecter des anomalies dans les messages.Thus, the method described constitutes a decision-making aid tool for optimizing the control of an element. In the example of the maintenance of equipment to be monitored, such a method makes it possible to avoid equipment breakdowns while optimizing the checks carried out by operators on the equipment. Such a method is therefore particularly useful in the context of predictive maintenance of equipment to be monitored. In the example of the messages to be checked, such a method makes it possible to detect anomalies in the messages.
[0089] En outre, un tel procédé permet d’empêcher de retrouver, à partir des sorties du modèle de prédiction optimisé, certaines données (données à protéger) de la base d’entraînement utilisées pour obtenir le modèle de prédiction. Cela est particulièrement utile dans le cas d’un partage de données entre plusieurs utilisateurs ne disposant pas du même niveau de sécurité (par exemple, des clients ou des fournisseurs) ou dans le cas de données classifiées multi-niveaux. Le procédé permet, en outre, de minimiser ou cacher les interactions entre les données à protéger et les données non protégées de la base d’entraînement, ce qui permet d’améliorer la fiabilité du modèle de prédiction.In addition, such a method makes it possible to prevent retrieving, from the outputs of the optimized prediction model, certain data (data to be protected) from the training base used to obtain the prediction model. This is particularly useful in the case of data sharing between several users who do not have the same level of security (for example, customers or suppliers) or in the case of classified multi-level data. The method also makes it possible to minimize or hide the interactions between the data to be protected and the unprotected data of the training base, which makes it possible to improve the reliability of the prediction model.
[0090] En particulier, le modèle de prédiction est optimisé pour qu’un changement des données à protéger de la base d’entraînement n’influence pas les sorties du modèle de prédiction, que les erreurs du modèle de prédiction optimisé soient les mêmes selon les valeurs des données à protéger de la base d’entraînement et/ou que le modèle de prédiction optimisé génère des sorties similaires pour deux utilisateurs ayant le même niveau de sécurité.In particular, the prediction model is optimized so that a change in the data to be protected from the drive base does not influence the outputs of the prediction model, that the errors of the optimized prediction model are the same according to the values of the data to be protected from the training base and / or that the optimized prediction model generates similar outputs for two users with the same level of security.
[0091] Le procédé décrit permet donc d’assurer la pertinence des sorties du modèle de prédiction obtenu tout en protégeant les valeurs des données à protéger de la base d’entraînement.The method described therefore makes it possible to ensure the relevance of the outputs of the prediction model obtained while protecting the values of the data to be protected from the training base.
[0092] Le présent procédé a été présenté dans le cadre spécifique de la maintenance d’équipements ou le contrôle de messages. Toutefois, le présent procédé s’applique également pour le contrôle d’autres éléments, tel que la détection d’anomalies dans des données échangées entre des entités (attaques cyber) ou encore la détection d’anomalies dans le transport maritime, terrestre ou aérien.The present method was presented in the specific context of equipment maintenance or message control. However, the present method also applies to the control of other elements, such as the detection of anomalies in data exchanged between entities (cyber attacks) or even the detection of anomalies in maritime, land or air transport. .
[0093] L’homme du métier comprendra que les modes de réalisation précédemment décrits peuvent être combinés pour former de nouveaux modes de réalisation pourvu qu’ils soient compatibles techniquement.Those skilled in the art will understand that the previously described embodiments can be combined to form new embodiments provided that they are technically compatible.
Claims (1)
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1873748A FR3090583B1 (en) | 2018-12-21 | 2018-12-21 | Method of checking an element |
| PCT/EP2019/086374 WO2020127781A1 (en) | 2018-12-21 | 2019-12-19 | Method for inspecting an element |
| EP19824328.9A EP3899810A1 (en) | 2018-12-21 | 2019-12-19 | Method for inspecting an element |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1873748A FR3090583B1 (en) | 2018-12-21 | 2018-12-21 | Method of checking an element |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3090583A1 true FR3090583A1 (en) | 2020-06-26 |
| FR3090583B1 FR3090583B1 (en) | 2021-04-09 |
Family
ID=67441188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1873748A Active FR3090583B1 (en) | 2018-12-21 | 2018-12-21 | Method of checking an element |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP3899810A1 (en) |
| FR (1) | FR3090583B1 (en) |
| WO (1) | WO2020127781A1 (en) |
-
2018
- 2018-12-21 FR FR1873748A patent/FR3090583B1/en active Active
-
2019
- 2019-12-19 WO PCT/EP2019/086374 patent/WO2020127781A1/en unknown
- 2019-12-19 EP EP19824328.9A patent/EP3899810A1/en active Pending
Non-Patent Citations (2)
| Title |
|---|
| BRIAN HU ZHANG ET AL: "Mitigating Unwanted Biases with Adversarial Learning", ARXIV.ORG, CORNELL UNIVERSITY LIBRARY, 201 OLIN LIBRARY CORNELL UNIVERSITY ITHACA, NY 14853, 22 January 2018 (2018-01-22), XP080854064 * |
| PAPERNOT NICOLAS ET AL: "SoK: Security and Privacy in Machine Learning", 2018 IEEE EUROPEAN SYMPOSIUM ON SECURITY AND PRIVACY (EUROS&P), IEEE, 24 April 2018 (2018-04-24), pages 399 - 414, XP033373219, DOI: 10.1109/EUROSP.2018.00035 * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3899810A1 (en) | 2021-10-27 |
| WO2020127781A1 (en) | 2020-06-25 |
| FR3090583B1 (en) | 2021-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Settanni et al. | A collaborative cyber incident management system for European interconnected critical infrastructures | |
| US8732455B2 (en) | Method and system for securing against leakage of source code | |
| FR2862404A1 (en) | RISK DETERMINATION FOR AN ORDER | |
| CA2619143A1 (en) | Aircraft engine monitoring process | |
| FR2917201A1 (en) | METHOD AND DEVICE FOR MANAGING, PROCESSING AND CONTROLLING PARAMETERS USED ON AIRCRAFT | |
| CA2888716A1 (en) | System for monitoring a set of components of a device | |
| FR3011105A1 (en) | METHOD FOR IDENTIFYING FAILURE EQUIPMENT IN AN AIRCRAFT | |
| EP3350660A1 (en) | Decision aid system and method for the maintenance of a machine with learning of a decision model supervised by expert opinion | |
| CN114218568B (en) | Big data attack processing method and system applied to cloud service | |
| CN117769706A (en) | Network risk management system and method for automatically detecting and analyzing network security in network | |
| Goode | Artificial intelligence and the future of nationalism | |
| EP3151153B1 (en) | Cyber security system with differentiated capacity to deal with complex cyber attacks | |
| WO2010011188A1 (en) | System and method for preventing leakage of sensitive digital information on a digital communication network | |
| Ghorbanian et al. | Signature-based hybrid Intrusion detection system (HIDS) for android devices | |
| FR3090583A1 (en) | Method of checking an element | |
| Hofstetter et al. | Applications of AI in cybersecurity | |
| CN112532693A (en) | Data leakage prevention method and device with network protection capability and storage medium | |
| Rajamäki | Cross-border satellite-based tracking: Needs, Approach, Benefits and Competition | |
| FR2819322A1 (en) | Method for assessing and managing security of computer system of certain configuration by performing comparative analysis between first and second databases to assess possible problems that might affect computer system | |
| FR2884378A1 (en) | Computer science architecture for monitoring functioning of e.g. lift, has server including unit to compare digital information transmitted by local unit with stored reference values and unit to communicate with remote accessing terminals | |
| EP3803630A1 (en) | Method for controlling the malfunctions of a piece of equipment and associated devices | |
| EP4174738A1 (en) | Systems and methods for protecting trainable model validation datasets | |
| WO2019201957A1 (en) | Methods for implementing algorithms for statistical analysis of data characterising the behaviour of a set of elements and associated system | |
| CN116684199A (en) | Dual-proxy-based data asset security protection system and method | |
| FR3118224A1 (en) | METHOD FOR MONITORING A SOFTWARE APPLICATION RESULTING FROM MACHINE LEARNING FOR THE ESTABLISHMENT OF INTELLECTUAL PROPERTY, ASSOCIATED SYSTEM AND COMPUTER PROGRAM |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20200626 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |
|
| PLFP | Fee payment |
Year of fee payment: 5 |
|
| PLFP | Fee payment |
Year of fee payment: 6 |