FR3077909A1 - Procede de determination de signatures de pannes a partir d'enregistrements de maintenance d'une flotte d'aeronefs et systeme associe - Google Patents
Procede de determination de signatures de pannes a partir d'enregistrements de maintenance d'une flotte d'aeronefs et systeme associe Download PDFInfo
- Publication number
- FR3077909A1 FR3077909A1 FR1800131A FR1800131A FR3077909A1 FR 3077909 A1 FR3077909 A1 FR 3077909A1 FR 1800131 A FR1800131 A FR 1800131A FR 1800131 A FR1800131 A FR 1800131A FR 3077909 A1 FR3077909 A1 FR 3077909A1
- Authority
- FR
- France
- Prior art keywords
- symptoms
- symptom
- instant
- observation
- groups
- 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 38
- 238000012423 maintenance Methods 0.000 title claims description 56
- 230000007547 defect Effects 0.000 title 1
- 208000024891 symptom Diseases 0.000 claims abstract description 442
- 239000011159 matrix material Substances 0.000 claims abstract description 55
- 230000002596 correlated effect Effects 0.000 claims abstract description 32
- 230000002123 temporal effect Effects 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000009877 rendering Methods 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000007620 mathematical function Methods 0.000 description 6
- 230000011664 signaling Effects 0.000 description 5
- 238000002372 labelling Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007257 malfunction Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Ce procédé comprend la fourniture (100) de groupes de symptômes, la génération (140) d'une matrice de cooccurrence associant à chaque couple de premier et deuxième symptômes un score de cooccurrence représentatif d'une corrélation entre la présence du premier et du deuxième symptômes dans un même groupe, la détermination (150) de signatures potentielles, comprenant l'identification, pour chaque symptôme, de symptômes corrélés tels que le score de cooccurrence entre ledit symptôme et chaque symptôme corrélé soit supérieur à un seuil, chaque signature potentielle étant constituée d'un symptôme et des symptômes corrélés audit symptôme, et classification (166) de chaque signature potentielle en signature univoque si un nombre de groupes comprenant tous les symptômes de la signature potentielle est supérieur à un nombre seuil prédéterminé, ou en signature plurielle si ledit nombre est inférieur au nombre seuil.
Description
Procédé de détermination de signatures de pannes à partir d’enregistrements de maintenance d’une flotte d’aéronefs et système associé
La présente invention concerne un procédé de détermination de signatures univoques, en particulier de signatures de pannes, à partir d’enregistrements de maintenance d’une flotte d’aéronefs.
Un aéronef présente un grand nombre de systèmes fonctionnels mécaniques, électriques et électroniques distincts et interconnectés, comprenant chacun plusieurs équipements.
De tels systèmes sont susceptibles d’engendrer une multitude de pannes distinctes qui résultent en la génération d’un grand nombre de messages de maintenance.
Ces messages de maintenance sont par exemple des messages numériques de pannes (ou « Fault Code ») ou de symptômes qui identifient notamment les résultats d’autotest, les résultats de tests d’intégrité de chaînes électriques, ou encore les résultats de tests de capteurs et d’actionneurs.
Dans certains cas, le nombre et la variété des messages de maintenance rendent extrêmement complexe la détermination du ou des systèmes en cause.
Pour pallier partiellement ce problème, il est connu de comparer les messages de maintenance à un référentiel de signatures de panne afin de déterminer si les messages de maintenance correspondent à une signature de panne préalablement identifiée.
L’efficacité de ce diagnostic dépend fortement du recensement ou définition préalable des signatures de panne pertinentes, c’est-à-dire des cooccurrences de messages signalant de manière univoque la présence de pannes.
Cette définition préalable est généralement réalisée au stade de la conception des aéronefs, par établissement d’une matrice de traçabilité recensant des signatures susceptibles d’être observées, à partir notamment des liens entre les différents équipements et systèmes de l’aéronef détectés au stade de la conception.
Néanmoins, un tel référentiel n’est pas exhaustif. Or, dès lors que des messages de maintenance ne correspondent à aucune signature de panne connue, l’origine de la panne est difficilement déterminable.
Cette méthode peut ainsi conduire au remplacement d’équipements qui sont supposés être incriminés, et qui, une fois remplacés, ne résolvent pas la panne.
Toutes ces pannes non facilement résolvables conduisent à des immobilisations non souhaitées de l’aéronef, voire à des interventions du constructeur.
Un but de l’invention est donc de fournir un procédé de détermination de signatures univoques à partir d’enregistrement de maintenance qui permette une identification efficace et plus exhaustive de signatures de panne pertinentes.
A cet effet, l’invention a pour objet un procédé de détermination de signatures univoques à partir d’enregistrements de maintenance d’une flotte d’aéronefs, ledit procédé comprenant :
- la fourniture d’un ensemble de groupes de symptômes, chaque groupe de symptômes étant constitué d’une pluralité de symptômes observés sur un aéronef donné de la flotte sur un segment temporel donné associé audit groupe de symptômes,
- une étape de génération d’une matrice de cooccurrence associant, à chacun d’une pluralité de couples constitués d’un premier et d’un deuxième symptômes observés, chacun présent dans au moins un groupe de symptômes, un score de cooccurrence représentatif d’une corrélation entre la présence du premier symptôme dans un ou des groupes donnés de l’ensemble de groupes et la présence du deuxième symptôme dans le ou lesdits groupes donnés,
- une étape de détermination d’un ensemble de signatures potentielles à partir de la matrice de cooccurrence, l’étape de détermination comprenant :
• l’identification, pour chaque symptôme observé, de symptômes corrélés audit symptôme observé, tels que le score de cooccurrence entre ledit symptôme observé et chaque symptôme corrélé audit symptôme observé soit supérieur à un seuil prédéterminé, • la génération de l’ensemble de signatures potentielles, chaque signature potentielle étant constituée d’un symptôme et du ou des symptômes qui lui sont corrélés,
- pour chaque signature potentielle, détermination d’un nombre de groupes de symptômes, parmi ledit ensemble de groupes de symptômes, comprenant tous les symptômes de la signature potentielle, et classification de ladite signature potentielle en signature univoque si ledit nombre est supérieur ou égal à un nombre seuil prédéterminé supérieur ou égal à 1, ou en signature plurielle si ledit nombre est inférieur au nombre seuil.
Le procédé selon l’invention peut comprendre l’une ou plusieurs des caractéristiques suivantes, prise(s) isolément ou suivant toute combinaison techniquement possible :
- le procédé comprend une étape d’indexation des groupes de symptômes, comprenant la génération de données d’indexation reliant chaque signature univoque aux groupes de symptômes comprenant tous les symptômes de cette signature univoque ;
- la génération de la matrice de cooccurrence comprend :
• une sous-étape de génération d’une matrice de symptômes associant, à chaque doublet formé par un groupe de symptômes de l’ensemble de groupes et un symptôme présent dans au moins un groupe de symptômes, une première valeur si le symptôme est compris dans le groupe de symptômes ou une deuxième valeur si le groupe de symptômes ne comprend pas ce symptôme, • une sous-étape de génération de la matrice de cooccurrence à partir de la matrice de symptômes ;
- la génération de la matrice de cooccurrence comprend la détermination d’un score de cooccurrence pour tout couple de premier et deuxième symptômes observés chacun présent dans au moins un groupe de symptômes.
- l’étape d’identification des symptômes corrélés à chaque symptôme observé comprend la comparaison du score de cooccurrence entre le symptôme observé et chaque autre symptôme observé présent dans au moins un groupe de symptômes audit seuil prédéterminé ;
- la fourniture de l’ensemble de groupes de symptômes comprend une étape de génération d’au moins un sous-ensemble de groupes de symptômes à partir d’une succession de symptômes enregistrés sur un aéronef de la flotte en une pluralité d’instants d’observations d’un intervalle de temps donné, la génération de chaque sousensemble de groupes de symptômes comprenant les sous-étapes suivantes :
• segmentation dudit intervalle de temps en une pluralité de segments temporels disjoints, • pour chaque segment temporel, génération d’un groupe de symptômes constitué des symptômes observés en des instants d’observation compris dans ledit segment temporel, le sous-ensemble de groupes de symptômes étant constitué des groupes de symptômes associés à la pluralité de segments temporels ;
- l’étape de génération de chaque sous-ensemble de groupes de symptômes comprend une sous-étape de génération de la succession de symptômes à partir d’un enregistrement de maintenance de l’aéronef, enregistré sur l’intervalle de temps, la génération de la succession de symptômes comprenant les phases suivantes :
• discrétiser l’intervalle de temps selon un pas de discrétisation temporelle prédéfini pour définir lesdits instants d’observations, et • associer à chaque instant d’observation les symptômes de la succession initiale de symptômes observés en cet instant d’observation ;
- la segmentation de l’intervalle de temps en une pluralité de segments temporels comprend les phases successives suivantes :
• une phase de détermination d’un nombre de symptômes observés à chaque instant d’observation, • une phase de détermination, pour chaque instant d’observation, parmi les instants d’observation compris dans un intervalle de temps de proximité de durée prédéfinie, centré autour dudit instant d’observation, d’un instant de référence associé audit instant d’observation, l’instant de référence étant tel qu’il n’existe aucun autre instant d’observation dans ledit intervalle de temps de proximité tel que le nombre de symptômes observés en cet autre instant d’observation est supérieur au nombre de symptômes observés audit instant de référence, • une phase de génération de la pluralité de segments temporels, chaque segment temporel comprenant le ou les instant(s) d’observation associés à un instant de référence commun et cet instant de référence commun ;
- la phase de détermination de l’instant de référence associé à chaque instant d’observation donné comprend :
• l’identification, pour chaque instant d’observation compris dans l’intervalle de proximité, du nombre de symptômes enregistrés en cet instant d’observation, • s’il existe un instant d’observation dans l’intervalle de proximité dont le nombre de symptômes est strictement supérieur au nombre de symptômes de tout autre instant d’observation compris dans l’intervalle de proximité, sélection de cet instant d’observation comme instant de référence associé audit instant d’observation donné, • s’il existe au moins deux instants d’observation dans l’intervalle de proximité dont le nombre de symptômes est égal et strictement supérieur au nombre de symptômes de tout autre instant d’observation compris dans l’intervalle de proximité, sélection de l’instant d’observation le plus tardif comme instant de référence associé audit instant d’observation donné ;
- la génération de la pluralité de segments temporels comprend :
• déterminer s’il existe au moins un instant d’observation singulier, tel que cet instant d’observation singulier est associé à un premier instant de référence distinct dudit instant d’observation singulier et tel que le premier instant de référence est associé à une deuxième instant de référence distinct dudit premier instant de référence, • générer la pluralité de segments temporels telle que ledit instant d'observation singulier n’est compris dans aucun segment temporel.
L’invention a également pour objet un système de détermination de signatures univoques à partir d’enregistrements de maintenance d’une flotte d’aéronefs, ledit système comprenant :
- un espace de stockage d’un ensemble de groupes de symptômes, chaque groupe de symptômes étant constitué d’une pluralité de symptômes observés sur un aéronef donné de la flotte sur un segment temporel donné associé audit groupe de symptômes,
- un module de génération d’un ensemble de signatures potentielles à partir de l’ensemble de groupes de symptômes, le module de génération étant configuré pour :
générer une matrice de cooccurrence associant, à une pluralité de couples constitués d’un premier et d’un deuxième symptômes observés, chacun présent dans au moins un groupe de symptômes, un score de cooccurrence représentatif d’une corrélation entre la présence du premier symptôme dans un groupe donné de l’ensemble de groupes et la présence du deuxième symptôme dans ledit groupe donné, identifier, pour chaque symptôme observé, des symptômes corrélés audit symptôme observé, tels que le score de cooccurrence entre ledit symptôme observé et chaque symptôme corrélé audit symptôme observé soit supérieur à un seuil prédéterminé, générer l’ensemble de signatures potentielles, chaque signature potentielle étant constituée d’un symptôme observé et du ou des symptômes qui lui sont corrélés,
- un module de détermination de signatures univoques, configuré pour déterminer, pour chaque signature potentielle, un nombre de groupes de symptômes, parmi l’ensemble de groupes de symptômes, comprenant tous les symptômes de la signature potentielle, et pour classifier ladite signature potentielle en signature univoque si ledit nombre est supérieur ou égal à un nombre seuil prédéterminé supérieur ou égal à 1, ou en signature plurielle si ledit nombre est inférieur au nombre seuil.
Le système selon l’invention peut comprendre l’une ou plusieurs des caractéristiques suivantes, prise(s) isolément ou suivant toute combinaison techniquement possible :
- le système comprend un module d’indexation configuré pour générer des données d’indexation reliant chaque signature univoque aux groupes de symptômes comprenant tous les symptômes de cette signature univoque ;
- le système comprend en outre un module de production de l’ensemble de groupes de symptômes, configuré pour générer au moins un sous-ensemble de groupes de symptômes à partir d’une succession de symptômes enregistrés sur un aéronef de la flotte en une pluralité d’instants d’observations d’un intervalle de temps donné, le module de production étant configuré pour segmenter l’intervalle de temps en une pluralité de segments temporels disjoints, et, pour chaque segment temporel, générer un groupe de symptômes constitué des symptômes observés en des instants d’observation compris dans ledit segment temporel, le sous-ensemble de groupes de symptômes étant constitué des groupes de symptômes associés à la pluralité de segments temporels.
- le module de production est configuré pour :
• déterminer un nombre de symptômes observés à chaque instant d’observation, • déterminer, pour chaque instant d’observation, parmi les instants d’observation compris dans un intervalle de temps de proximité de durée prédéfinie, centré autour dudit instant d’observation, un instant de référence associé audit instant d’observation, l’instant de référence étant tel qu’il n’existe aucun autre instant d’observation dans ledit intervalle de temps de proximité tel que le nombre de symptômes observés en cet autre instant d’observation est supérieur au nombre de symptômes observés audit instant de référence, • générer la pluralité de segments temporels, chaque segment temporel comprenant le ou les instant(s) d’observation associés à un instant de référence commun et cet instant de référence commun.
L’invention sera mieux comprise à la lecture de la description qui va suivre, donnée uniquement à titre d’exemple, et faite en se référant aux dessins annexés, sur lesquels :
- la figure 1 est une vue schématique d’un système de détermination de signatures univoques selon un mode de réalisation de l’invention ;
- la figure 2 est un graphique illustrant, à titre d’exemple, un nombre de symptômes observés en une succession d’instants d’observation ;
- la figure 3 est un graphique illustrant un nombre de symptômes observés en une succession d’instants d’observation selon un autre exemple ;
- la figure 4 illustre, à titre d’exemple, une matrice de symptômes propre à être générée par le système de la figure 1 ;
- la figure 5 illustre, à titre d’exemple, une matrice de cooccurrence propre à être générée par le système de la figure 1 ;
- la figure 6 illustre, à titre d’exemple, un tableau de cooccurrence pouvant être généré par le système de la figure 1 ;
- la figure 7 illustre de manière schématique une fenêtre de restitution propre à être affichée par le système de la figure 1 ; et
- la figure 8 est un schéma synoptique représentant les différentes étapes d’un procédé de détermination de signatures selon un mode de réalisation de l’invention.
Un système 1 de détermination de signatures univoques est illustré de manière schématique sur la figure 1.
Le système 1 est configuré pour déterminer, à partir d‘enregistrements de maintenance générés par les aéronefs d’une flotte d’aéronefs, une pluralité de signatures univoques.
Chaque aéronef de la flotte comporte une pluralité de systèmes fonctionnels embarqués, notamment destinés au pilotage du déplacement de l’aéronef au sol, et en vol.
Chacun des systèmes fonctionnels comprend généralement une pluralité d’équipements et un calculateur central raccordé aux équipements. Chaque aéronef comporte en outre un ordinateur de maintenance, relié à chacun des systèmes fonctionnels de l’aéronef.
Cet ordinateur de maintenance est apte à collecter différentes données émises par les différents équipements des systèmes fonctionnels lors d’une mission de l’aéronef, notamment par un bus numérique. Ces données comprennent par exemple des résultats d’autotests mis en œuvre par les équipements, des données de fonctionnement interne des équipements, notamment relatives au mode de fonctionnement de l’équipement, ou représentatives de mesures physiques mesurées sur l’équipement, notamment des mesures de température, de pression, ou électriques...
L’ordinateur de maintenance est par ailleurs configuré pour générer, à partir des données brutes recueillies, un enregistrement de maintenance. Par exemple, l’ordinateur de maintenance convertit les données reçues des équipements en données binaires, une valeur « 1 » signalant par exemple un dysfonctionnement tandis qu’une valeur « 0 » signale une absence de dysfonctionnement. Chaque valeur « 1 » correspond ainsi à un symptôme de dysfonctionnement, appelé par la suite symptôme, associé à un instant d’enregistrement. L’enregistrement de maintenance comprend ainsi par exemple, pour chaque type de donnée enregistré, les différentes valeurs (par exemple « 0 » ou « 1 ») prises par cette donnée au cours du temps sur un intervalle de temps donné.
Cet intervalle de temps correspond par exemple à une mission de l’aéronef, en vol et/ou au sol.
Un tel enregistrement de maintenance est destiné à être transmis, via un dispositif de communication de l’aéronef, au système 1.
Le système 1 est configuré ainsi pour recevoir des ordinateurs centraux de maintenance des aéronefs de la flotte les enregistrements de maintenance générés lors de l’exploitation de ces aéronefs.
Le système 1 comprend un calculateur 10 et des interfaces utilisateur 12, notamment un dispositif d’affichage 14 et des périphériques d’entrée 16.
Le calculateur 10 comprend un processeur 18 et une mémoire 20, c’est-à-dire une zone de stockage de données.
Le calculateur 10 comprend en outre une interface 22 de données, permettant au calculateur de recevoir des ordinateurs centraux de maintenance des enregistrements de messages de maintenance générés lors d’une exploitation des aéronefs de la flotte.
La mémoire 20 comprend une zone de stockage 24 de ces enregistrements et d’un référentiel de signatures.
La mémoire 20 contient en outre des modules logiciels propres à être exécutés par le processeur 18 pour la mise en œuvre du procédé selon l’invention.
Ces modules comprennent un module 26 de production d’un ensemble de groupes de symptômes à partir des enregistrements de maintenance, un module 28 de génération d’un ensemble de signatures potentielles à partir de l’ensemble de groupes de symptômes, un module 30 de détermination de signatures de symptômes univoque à partir des signatures potentielles, et un module de restitution 32.
De préférence, ces modules comprennent en outre un module 34 d’indexation.
Par signature univoque, on entend une signature qui correspond à un seul événement, par exemple qui résulte d’une seule panne, par opposition à une signature plurielle, comprenant des messages traduisant plusieurs événements distincts, par exemple plusieurs pannes.
Comme décrit ci-dessous, chaque signature univoque est susceptible d’être classée en tant que :
- signature indicative, c’est-à-dire ne signalant pas une panne mais convoyant des informations, comme par exemple, des conditions de gel,
- signature intempestive, signalant de manière erronée la présence d’une panne alors que celle-ci est absente, ou
- signature de panne, signalant une panne effectivement présente.
Le module 26 est configuré pour produire, à partir de multiples enregistrements de maintenance reçus de multiples aéronefs de la flotte, un ensemble de groupes de symptômes.
En particulier, le module 26 est configuré pour produire, à partir de chaque enregistrement de maintenance reçu d’un aéronef de la flotte, un sous-ensemble de groupes de symptômes. L’ensemble de groupes de symptômes est ainsi constitué des différents sous-ensembles, chacun produit à partir d’un enregistrement de maintenance donné.
A cette fin, le module 26 est configuré pour générer, à partir de chaque enregistrement de maintenance, une succession de symptômes observés sur l’intervalle de temps associé à l’enregistrement de maintenance. Notamment, le module 26 est configuré pour discrétiser cet intervalle de temps selon un pas de discrétisation temporelle prédéfini, pour définir des instants d’observations discrets. Le pas de discrétisation est paramétrable par l’utilisateur.
Le module 26 est alors configuré pour associer, à chaque instant d’observation ainsi défini, le ou les symptômes présent(s) en cet instant. Il s’agit par exemple des données ayant la valeur binaire « 1 » en cet instant.
La succession de symptômes ainsi générée associe donc aux différents instants d’observation successifs les symptômes observés en ces instants.
Le module 26 est par ailleurs configuré pour générer, à partir d’une telle succession de symptômes, un sous-ensemble de groupes de symptômes, de telle sorte que chaque groupe de symptômes regroupe les symptômes observés sur un segment temporel donné associé à ce groupe de symptômes.
A cette fin, le module 26 est configuré pour segmenter l’intervalle de temps considéré en une pluralité de segments temporels successifs et disjoints, et pour associer à chaque segment temporel les symptômes observés dans ce segment temporel, c’est-àdire en des instants d’observation compris dans ce segment temporel.
Cette segmentation temporelle et la génération de tels groupes de symptômes permettent de regrouper les symptômes observés concomitamment ou à proximité temporelle, donc susceptibles de faire partie d’une même signature.
De préférence, afin de segmenter l’intervalle de temps considéré en une pluralité de segments temporels, le module 26 est apte à déterminer le nombre de symptômes observés en chaque instant d’observation de l’intervalle de temps considéré.
Ainsi, à chaque instant d’observation de l’intervalle de temps considéré est associé un nombre de symptômes observés en cet instant.
Le module 26 est par ailleurs configuré pour associer, à chaque instant d’observation, un instant de référence. L’instant de référence associé à un instant d’observation donné est l’instant, à proximité de l’instant d’observation donné, auquel un nombre maximal de symptômes a été observé.
Afin de déterminer l’instant de référence associé à un instant d’observation considéré, le module 26 est configuré pour déterminer, parmi les instants d’observation compris dans un intervalle de temps de proximité, centré autour de l’instant d’observation considéré et de durée prédéfinie, l’instant auquel un nombre maximal de symptômes a été observé.
Les intervalles de proximité associés aux différents instants d’observations sont de durées égales. La durée des intervalles de proximité est prédéfinie, et enregistrée dans la mémoire 20. Cette durée est par exemple inférieure à 10 minutes, notamment égale à 2 min. Cette durée est de préférence paramétrable par un utilisateur, en fonction de l’application visée, en particulier de la fréquence d’enregistrements des messages de maintenance. Notamment, la durée des intervalles de proximité est généralement d’autant plus courte que la fréquence d’enregistrement est élevée. L’instant de référence associé à un instant d’observation considéré est ainsi tel qu’il n’existe aucun autre instant d’observation, dans l’intervalle de proximité, tel que le nombre de symptômes observés en cet autre instant d’observation est supérieur au nombre de symptômes observés à l’instant de référence.
En particulier, s’il existe un instant d’observation dans l’intervalle de proximité dont le nombre de symptômes est strictement supérieur au nombre de symptômes de tout autre instant d’observation compris dans l’intervalle de proximité, cet instant d’observation est déterminé comme instant de référence associé à l’instant d’observation considéré.
Dans certains cas, il peut exister plusieurs instants de référence possibles, notamment s’il existe, dans l’intervalle de proximité, au moins deux instants d’observation dont le nombre de symptômes est égal, et strictement supérieur au nombre de symptômes de tout autre instant d’observation compris dans l’intervalle de proximité. De préférence, l’instant de référence est alors déterminé comme étant l’instant le plus tardif, parmi ces instants de référence possibles.
L’instant de référence associé à un instant d’observation considéré peut être l’instant d’observation considéré lui-même.
A titre d’exemple, on a représenté sur la figure 2 un schéma illustrant un nombre de symptômes observés en une succession d’instants d’observation.
Sur ce schéma, est associé à chaque instant d’observation IO-i.....14 (en abscisse) le nombre de symptômes Ns (en ordonnée) observé en cet instant.
On considère en particulier l’instant d’observation IO5 et la détermination de l’instant de référence associé à cet instant IO5.
On a représenté schématiquement sur la Figure 2 un intervalle de proximité IP5 associé à l’instant IO5 : cet intervalle de proximité est centré sur l’instant IO5, et a une durée prédéfinie égale à quatre fois le pas de discrétisation temporelle choisi.
Dans cet intervalle de proximité, l’instant d’observation auquel un nombre maximal de symptômes a été observé est l’instant IO7. L’instant de référence associé à l’instant d’observation IO5 est donc l’instant IO7.
Le tableau 1 ci-dessous liste, pour chaque instant d'observation de la figure 2, l’instant de référence associé à cet instant.
Tableau 1
| Instant | Instant de référence |
| d’observation | associé |
| IO1 | I02 |
| IO2 | I02 |
| IO3 | IO2 |
| IO4 | IO2 |
| IO5 | IO7 |
| IO6 | I07 |
| IO7 | IO7 |
| IO8 | I07 |
| IO9 | I07 |
| 1010 | 1012 |
| 1011 | 1012 |
| 1012 | 1012 |
| 1013 | 1012 |
| 1014 | 1012 |
Le module 26 est par ailleurs configuré pour générer la pluralité de segments temporels à partir des instants de référence ainsi déterminés.
En particulier, chaque segment temporel comprend le ou les instant(s) d’observation associés à un instant de référence commun, incluant cet instant de référence commun.
Chaque segment temporel est délimité entre un instant d’observation initial et un instant d’observation final de la pluralité d’instants d’observation.
Les segments temporels sont des sous-intervalles successifs et disjoints de l’intervalle de temps considéré. Ainsi, chaque instant d’observation appartient à au plus un segment temporel.
Par ailleurs, les segments temporels ont généralement des durées différentes. Chaque segment temporel a ainsi une durée propre à ce segment, qui peut cependant dans certains cas être égale à la durée d’un autre segment temporel.
Dans l’exemple illustré sur la Figure 2, les instants d’observation IO1, IO2, IO3 et IO4, associés au même instant de référence IO2, définissent un premier segment temporel ST1, les instants d’observation IO5, IO6, IO7, IO8 et IO9, associés au même instant de référence IO7, définissent un deuxième segment temporel ST2 et les instants d’observation IO5, IO6, IO7, IO8 et IO9 associés au même instant de référence 1012, définissent un troisième segment temporel ST3.
Dans certains cas, un instant d’observation peut être associé à un instant de référence lui-même associé à un autre instant de référence. Un tel instant d’observation est appelé par la suite instant d’observation singulier.
De préférence, s’il existe un tel instant d’observation singulier, le module 26 est propre à générer une pluralité de segments temporels telle que cet instant d’observation singulier n’est compris dans aucun segment temporel.
A titre d’exemple, on a illustré sur la Figure 3 un graphique similaire à celui de la Figure 2, mais avec des nombres d’observations aux instants IO9 à 1014 différents de ceux de la Figure 2.
Le tableau 2 ci-dessous liste, pour chaque instant d'observation de la Figure 3, l’instant de référence associé à cet instant.
Tableau 2
| Instant | Instant de |
| d’observation | référence associé |
| 101 | I02 |
| I02 | I02 |
| I03 | I02 |
| I04 | I02 |
| I05 | I07 |
| I06 | IO7 |
| I07 | I07 |
| I08 | I07 |
| I09 | I07 |
| 1010 | IO9 |
| 1011 | I09 |
| 1012 | 1012 |
| 1013 | 1012 |
| 1014 | 1012 |
Comme dans l’exemple de la Figure 2, les instants d’observation 101, I02, IO3 et I04, associés au même instant de référence I02, définissent un premier segment temporel ST1 et les instants d’observation 105, I06, I07, I08 et I09, associés au même instant de référence IO7, définissent un deuxième segment temporel ST2.
En revanche, les instants d’observation 1010 et IO11 sont associés à l’instant de référence IO9, qui est lui-même associé à un instant de référence, 107, autre que lui- même. Les instants d’observation 1010 et 1011 sont alors considérés comme des instants singuliers et n’appartiennent à aucun segment temporel.
Par ailleurs, les instants d’observation 1012, 1013 et 1014 associés au même instant de référence 1012, définissent un troisième segment temporel ST3.
A partir des segments temporels ainsi générés, le module 26 est propre à générer un sous-ensemble de groupes de symptômes : chaque groupe de symptômes de ce sous-ensemble est constitué des symptômes observés en des instants d’observation compris dans un segment temporel donné.
Chaque groupe de symptômes est ainsi constitué de symptômes observés concomitamment ou à proximité temporelle, en particulier tels que la durée séparant les symptômes d’un groupe de symptômes deux à deux soit inférieure ou égale à la durée de l’intervalle de proximité.
Le module 28 est configuré pour générer un ensemble de signatures potentielles à partir d’un ensemble de groupes de symptômes.
Ces groupes de symptômes sont de préférence issus d’une pluralité d’enregistrements de maintenance issus de plusieurs aéronefs de la flotte et produits par le module 26, comme décrit ci-dessus.
L’ensemble de groupes de symptômes est ainsi constitué des différents sousensembles de symptômes chacun généré à partir d’un enregistrement de maintenance d’un aéronef de la flotte.
Le nombre de groupes de symptômes est donc égal à la somme des nombres de segments temporels générés à partir de chaque enregistrement de maintenance.
Chaque signature potentielle est constituée de symptômes susceptibles de former, ensemble, une signature univoque, notamment une signature de panne.
En particulier, les symptômes d’une signature potentielle sont des symptômes cooccurrents dans un nombre significatif de groupes de symptômes.
A cette fin, le module 28 est configuré pour générer une matrice de cooccurrence à partir de l’ensemble de groupes de symptômes.
Cette matrice de cooccurrence associe un score de cooccurrence à chacun d’une pluralité de couples constitués d’un premier et d’un deuxième symptômes, chacun présent dans au moins un groupe de symptômes.
Ce score de cooccurrence est représentatif d’une corrélation entre la présence du premier symptôme dans un ou des groupes donnés de l’ensemble de groupes et la présence du deuxième symptôme dans ce ou ces mêmes groupes. De préférence, le module 28 est configuré pour déterminer un score de cooccurrence pour tout couple de premier et deuxième symptômes chacun présent dans au moins un groupe de symptômes.
La matrice de cooccurrence comprend ainsi, pour chaque couple de symptômes considéré, un score de cooccurrence associé à ce couple. Le score de cooccurrence est généralement d’autant plus grand que les symptômes sont corrélés, c’est-à-dire que les symptômes sont fréquemment présents ou absents simultanément dans des groupes de symptômes, et rarement ou jamais présents l’un sans l’autre.
Le score de cooccurrence est par exemple compris entre 1 et -1, un score de cooccurrence égal à 1 correspondant à une corrélation parfaite (i.e. une présence ou une absence systématique des deux symptômes simultanément), et un score égal à -1 correspondant à une corrélation parfaite de désynchronisation (c’est-à-dire que chacun des symptômes est systématiquement absent lorsque l’autre symptôme est présent).
En variante, le score de cooccurrence est compris entre 1 et 0, un score de cooccurrence égal à 1 correspondant à une corrélation parfaite et un score égal à 0 correspondant à une corrélation parfaite de désynchronisation.
La matrice de cooccurrence est par exemple de type ligne-colonne, l’intersection d’une line et d’une colonne correspondant à un couple particulier de symptômes.
La diagonale de la matrice correspond à un couple formé par deux mêmes symptômes. Les valeurs des scores de cooccurrence selon cette diagonale correspondent donc à une corrélation parfaite.
Pour générer la matrice de cooccurrence, le module 28 est configuré pour identifier, pour chaque groupe de symptômes, et pour chaque symptôme présent dans au moins un groupe de symptômes, si ce symptôme est présent dans le groupe considéré.
En particulier, le module 28 est configuré pour générer une matrice de symptômes listant d’une part l’ensemble des groupes de symptômes, d’autre part l’ensemble des symptômes présents dans au moins un de ces groupes et associant, à chaque doublet formé par un groupe donné et un symptôme, une première valeur si le symptôme est compris dans le groupe ou une deuxième valeur si le groupe ne comprend pas ce symptôme.
La première valeur est par exemple égale à « 1 » et la deuxième valeur égale à « 0 ».
On a ainsi illustré sur la Figure 4, à titre d’exemple, une matrice de symptômes associée à un ensemble de groupes de symptômes G1 à G8 et à une pluralité de symptômes A à F chacun présent dans au moins un des groupes G1 à G8. Cette matrice associe à chaque doublet formé par un groupe et un symptôme une valeur « 1 » si le symptôme est compris dans le groupe, ou une valeur « 0 » si le groupe ne comprend pas ce symptôme.
On constate par exemple que le symptôme A est présent dans les groupes G1, G2, G7 et G8.
Pour générer la matrice de cooccurrence, le module 28 est apte à mettre en œuvre une fonction mathématique statistique adaptée. A titre d’exemple, la matrice de cooccurrence est une matrice basée sur l’indice de Jaccard.
Par exemple, le module 28 est configuré pour déterminer, pour chaque couple de symptômes, une table de contingence comprenant deux lignes représentatives de l’absence et de la présence du premier symptôme dans des groupes de symptômes et deux colonnes représentatives de l’absence et de la présence du deuxième symptôme, chaque intersection ligne-colonne dénombrant le nombre de groupes de symptômes dans lesquels le premier symptôme est absent ou présent (suivant la ligne considérée) et le deuxième symptôme est absent ou présent (suivant la colonne considérée).
Le module 28 est en outre configuré pour générer une matrice de table de contingence regroupant les tables de contingence déterminées pour chacun des couples, et pour déterminer la matrice de cooccurrence à partir de la matrice de table de contingence.
Selon un autre exemple, la matrice de cooccurrence est une matrice de corrélation.
Selon un mode de réalisation préféré, la fonction mathématique mise en œuvre pour la génération de la matrice de cooccurrence est paramétrable par l’utilisateur.
De préférence, le module 28 est configuré pour générer plusieurs matrices de cooccurrence distinctes par la mise en œuvre de plusieurs fonctions mathématiques.
Le module 28 est en particulier configuré pour générer la matrice de cooccurrence à partir de la matrice de symptômes décrite ci-dessus.
On a ainsi représenté sur la Figure 5, à titre d’exemple, une matrice de cooccurrence déterminée à partir de la matrice de symptômes de la Figure 4. Dans cet exemple, le score de cooccurrence est compris entre 1 et -1, un score de cooccurrence égal à 1 correspondant à une corrélation parfaite, et un score égal à -1 correspondant à une corrélation parfaite de désynchronisation.
Les scores de cooccurrence sur la diagonale de cette matrice, correspondant à des couples constitués de deux symptômes identiques, sont donc égaux à 1.
Le module 28 est en outre configuré pour générer un ensemble de signatures potentielles à partir de la matrice de cooccurrence.
Chaque signature potentielle est constituée d’un symptôme et des symptômes qui lui sont corrélés.
En particulier, le module 28 est configuré pour identifier, pour chaque symptôme observé, les symptômes corrélés à ce symptôme, c’est-à-dire tels que le score de cooccurrence entre le symptôme considéré et chaque symptôme corrélé à ce symptôme soit supérieur à un seuil de cooccurrence prédéterminé. Ce seuil de cooccurrence prédéterminé est par exemple enregistré dans la mémoire 20. Le seuil de cooccurrence est de préférence paramétrable par un utilisateur.
A cette fin, le module 28 est par exemple configuré pour générer un tableau de cooccurrence listant l’ensemble des couples possibles de symptômes, et associant à chaque couple le score de cooccurrence pour ce couple.
On a ainsi illustré sur la Figure 6 une partie d’un tel tableau, correspondant à la matrice de cooccurrence de la Figure 5.
Ce tableau liste dans deux premières colonnes l’ensemble des couples possibles de symptômes, et dans une troisième colonne les scores de cooccurrence associés. Chaque ligne comprend donc, dans les deux premières colonnes, deux symptômes formant un couple de symptômes, et dans la troisième colonne, le score de cooccurrence associé à ce couple.
Pour générer chaque signature potentielle, le module 28 est configuré pour déterminer, pour un symptôme considéré, les symptômes corrélés à ce symptôme, tels que le score de cooccurrence entre le symptôme considéré et chaque symptôme corrélé à ce symptôme soit supérieur au seuil de cooccurrence prédéterminé, par exemple en parcourant le tableau de cooccurrence.
A cette fin, le module 28 est propre à comparer le score de cooccurrence entre le symptôme considéré et chaque autre symptôme au seuil de cooccurrence.
Par exemple, dans l’exemple illustré sur la Figure 6, et en considérant un seuil de cooccurrence égal à 0,2, la signature potentielle générée à partir du symptôme A est constituée du symptôme A et des symptômes B et C.
Chaque signature potentielle est ainsi constituée de symptômes corrélés donc susceptibles d’appartenir à une même signature.
Néanmoins, ces signatures potentielles sont également susceptibles de constituer des signatures plurielles, c’est-à-dire de comprendre différents symptômes dont l’apparition, bien que corrélée, résulte de plusieurs événements distincts et non liés.
Ainsi, dans l’exemple illustré sur les Figures 4 à 6, le symptôme A est certes corrélé avec chacun des symptômes B et C, mais les symptômes A, B et C n’apparaissent simultanément dans aucun groupe de symptômes.
Ainsi, les symptômes A, B et C ne constituent pas une signature univoque, mais deux signatures distinctes (i.e. une signature plurielle).
Le module 30 est ainsi configuré pour déterminer, à partir des signatures potentielles, un ensemble de signatures univoques.
Le module 30 est en particulier configuré pour déterminer, pour chaque signature potentielle, si les symptômes de cette signature potentielle constituent une signature univoque ou bien si les symptômes de cette signature potentielle constituent deux ou plusieurs signatures distinctes, c’est-à-dire une signature plurielle.
Pour classer chaque signature potentielle en signature univoque ou en signature plurielle, le module 30 est configuré pour déterminer le nombre de groupes, parmi l’ensemble de groupes de symptômes, comprenant tous les symptômes de la signature potentielle.
Le module 30 est par ailleurs configuré pour comparer ce nombre à un nombre seuil prédéterminé, et pour :
- classer la signature potentielle en signature univoque si ce nombre est supérieur ou égal à au nombre seuil, ou
- classer la signature potentielle en signature plurielle si ce nombre est inférieur au nombre seuil.
Le nombre seuil est supérieur ou égal à 1. Ainsi, s’il n’existe aucun groupe de symptômes comprenant tous les symptômes d’une signature potentielle, cette signature potentielle est classée en tant que signature plurielle.
De préférence, le nombre seuil est égal à 1.
Selon un mode de réalisation, comme décrit ci-dessus, le module 28 est configuré pour générer plusieurs matrices de cooccurrence distinctes par la mise en œuvre de plusieurs fonctions mathématiques. Par ailleurs, le module 28 est configuré pour générer plusieurs ensembles de signatures potentielles à partir des différentes matrices de cooccurrence. Le module 30 est alors configuré pour déterminer plusieurs ensembles de signatures univoques à partir des différents ensembles de signatures potentielles.
Le module 30 est par ailleurs configuré pour générer un référentiel de signatures, comprenant les signatures univoques ainsi déterminées, et pour enregistrer ce référentiel dans une zone de la mémoire 20.
Le module 30 est en particulier configuré pour enrichir un référentiel existant, en y ajoutant les signatures univoques déterminées non présentes dans ce référentiel existant.
Dans le cas où le module 30 détermine plusieurs ensembles de signatures univoques à partir de différents ensembles de signatures potentielles, comme décrit cidessus, le module 30 est par ailleurs configuré pour générer un référentiel de signatures, comprenant les signatures univoques des différents ensembles ainsi déterminés. En variante, le module 30 est configuré pour sélectionner, parmi les différents ensembles de signatures univoques, l’ensemble de signatures univoques le plus pertinent, par exemple comprenant un nombre maximal de signatures univoques, et pour enregistrer uniquement les signatures univoques de cet ensemble dans le référentiel de signatures.
Le module d’indexation 34 est destiné à assurer une traçabilité des données, c’est-à-dire à créer un lien entre les données sources, i.e. les données issues des enregistrements de maintenance, les groupes de symptômes et les signatures univoques. Cette traçabilité est destinée à permettre d’associer à chaque signature univoque les groupes de symptômes comprenant les symptômes de cette signature univoque, et les enregistrements de maintenance à partir desquels ces groupes de symptômes ont été extraits.
Cette indexation permet ainsi, pour chaque signature univoque, de déterminer sur quels aéronefs et dans quelles circonstances cette signature univoque a été constatée et de restituer à l’opérateur le contexte qui va lui permettre d’évaluer la pertinence effective de cette signature identifiée par analyse automatique des données.
A cette fin, le module d’indexation 34 est configuré pour générer des données d’indexation établissant un lien entre les données sources, les groupes de symptômes et les signatures univoques. En particulier, ces données d’indexation établissent un lien entre chaque signature univoque et les groupes de symptômes comprenant tous les symptômes de cette signature univoque.
De préférence, les données d’indexation établissent un lien entre chaque signature univoque, les groupes de symptômes comprenant tous les symptômes de cette signature univoque, les symptômes de ce groupe de symptômes et les enregistrements de maintenance à partir desquels ces groupes de symptômes ont été extraits.
Notamment, le module d’indexation 34 est configuré pour associer à chaque signature univoque un ou plusieurs attributs représentatifs des groupes de symptômes comprenant les symptômes de cette signature univoque.
De préférence, le module d’indexation 34 est en outre configuré pour associer à chaque signature univoque un ou plusieurs attributs représentatifs des aéronefs sur lesquels ces groupes de symptômes ont été enregistrés et/ou des enregistrements de maintenance à partir desquels ces groupes de symptômes ont été extraits.
En outre, le module d’indexation 34 est configuré pour associer à chaque groupe de symptômes un ou plusieurs attributs représentatif(s) de l’enregistrement de maintenance à partir duquel ce groupe de symptômes a été extrait et de l’aéronef sur lequel ce groupe de symptômes a été enregistré.
Ces attributs sont de préférence enregistrés dans le référentiel de signatures.
Selon un mode de réalisation, le module 30 est configuré pour permettre l’étiquetage, par un opérateur, de chaque signature univoque en tant que signature indicative, signature intempestive ou signature de panne.
En particulier, le module 30 est configuré pour afficher sur le dispositif d’affichage 14 une fenêtre d’affichage et de saisie, affichant, pour chaque signature univoque considérée, des informations relatives à cette signature, notamment les symptômes constituant cette signature. Cette fenêtre comprend un cadre de saisie permettant à l’opérateur d’étiqueter cette signature en tant que signature indicative, signature intempestive ou signature de panne, sur la base des informations affichées.
Le module 30 est en outre configuré pour enregistrer l’étiquette attribuée à chaque signature univoque dans le référentiel de signatures.
Le module de restitution 32 est configuré pour générer l’affichage, sur le dispositif d’affichage 14, d’une fenêtre graphique de restitution.
Ainsi, le module de restitution 32 est configuré pour déterminer des informations relatives à chaque signature univoque identifiée, notamment le nombre d’occurrences de la signature sur l’ensemble des aéronefs de la flotte, le nombre d’aéronefs de la flotte sur lesquels cette signature a été identifiée, et le nombre de symptômes présents dans la signature, et à restituer ces informations dans la fenêtre de restitution.
Le module de restitution 32 est en particulier configuré pour déterminer ces informations à partir des données d’indexation générées par le module d’indexation 34.
La fenêtre de restitution affiche, sous forme graphique, les informations relatives à des signatures univoques identifiées par le module 30, ces informations incluant par exemple :
- le nombre d’occurrences de la signature sur l’ensemble des aéronefs de la flotte,
- le nombre d’aéronefs de la flotte sur lesquels cette signature a été identifiée, et/ou
- le nombre de symptômes présents dans la signature.
De préférence, la fenêtre de restitution est paramétrable, par exemple au moyen des périphériques d’entrée 16, notamment pour afficher seulement les informations relatives aux signatures remplissant un ou plusieurs critères, par exemple dont le nombre d’occurrences est compris dans une plage choisie et/ou dont le nombre de symptômes est compris dans un intervalle choisi.
On a ainsi illustré sur la figure 7 une fenêtre de restitution 40 selon un mode de réalisation.
Cette fenêtre de restitution 40 comprend un premier et un deuxième cadres de saisie 42, 44, destinés à permettre la sélection d’un ou plusieurs critères par un utilisateur. Dans l’exemple illustré, le premier et le deuxième cadres sont destinés à permettre la sélection d’une plage de nombre d’occurrences et/ou d’un intervalle de nombres de symptômes à considérer.
La sélection d’une plage de nombre d’occurrences et/ou d’un intervalle de nombres de symptômes à considérer est destinée à générer l’affichage, sur la fenêtre de restitution, des seules informations relatives aux signatures dont le nombre d’occurrences est compris dans la plage sélectionnée et/ou dont le nombre de symptômes est compris dans l’intervalle sélectionné.
La fenêtre de restitution 40 comprend un premier cadre de restitution 46, affichant les différentes signatures remplissant le ou les critères sélectionnés, chaque signature étant représentée par une région 48 du cadre 46, qui est dans l’exemple illustré de forme rectangulaire. L’aire de chaque région 48 associée à une signature donnée dépend d’un paramètre qui peut être sélectionné par l’utilisateur, par exemple du nombre d’occurrences de la signature sur l’ensemble des aéronefs de la flotte, du nombre d’aéronefs de la flotte sur lesquels cette signature a été identifiée, ou du nombre de symptômes présents dans la signature.
Dans l’exemple illustré sur la Figure 7, chaque région 48 a une aire d’autant plus importante que le nombre d’occurrences de cette signature sur l’ensemble des aéronefs de la flotte est grand.
Chaque région 48 comporte par ailleurs un identifiant de signature 50. Cet identifiant correspond par exemple à une concaténation des identifiants des symptômes constituant la signature, dans l’ordre alphabétique.
Le module de restitution 32 est par ailleurs apte à afficher des informations relatives à chaque signature, par exemple en réponse à une commande d’un utilisateur. Dans l’exemple illustré sur la figure 7, un bandeau 52 récapitulant l’identifiant de la signature considérée et le nombre d’occurrences de cette signature sur l’ensemble des aéronefs de la flotte est affiché dans le cadre de restitution 46.
La fenêtre de restitution 40 comprend un deuxième cadre de restitution 56. Le deuxième cadre 56 illustre, sous forme de graphique en anneau, l’impact sur la flotte d’une signature sélectionnée par l’opérateur. Chaque segment de l’anneau correspond à un aéronef donné de la flotte et à une surface d’autant plus importante que le nombre d’occurrence de la signature considérée sur cet aéronef est important.
Un procédé de détermination de signatures univoques selon un mode de réalisation de l’invention va maintenant être décrit en référence à la Figure 8.
Ce procédé est par exemple mis en œuvre par le système 1 tel que décrit cidessus.
Ce procédé est mis en œuvre à partir d’une pluralité de symptômes enregistrés sur au moins un aéronef d’une flotte d’aéronefs, en particulier à partir de plusieurs enregistrements de maintenance issus des aéronefs de la flotte.
De préférence, le procédé comprend une étape initiale de paramétrage, notamment de définition du pas de discrétisation temporelle, de la durée des intervalles de proximité, de la fonction mathématique pour la génération de la matrice de cooccurrence et du seuil de cooccurrence.
Le procédé comprend la fourniture 100 d’un ensemble de groupes de symptômes. Chaque groupe de symptômes est constitué d’une pluralité de symptômes enregistrés sur un aéronef donné de la flotte sur un segment temporel donné associé à ce groupe de symptômes.
Cet ensemble comprend ainsi plusieurs sous-ensembles de groupes de symptômes, chacun issu d’un enregistrement de maintenance donné d’un aéronef donné de la flotte.
L’ensemble de groupes de symptômes est de préférence produit par le module 26.
Selon un mode de réalisation préféré, la fourniture 100 de l’ensemble de groupes de symptômes comprend la génération 102 de chaque sous-ensemble à partir d’un enregistrement de maintenance reçu d’un aéronef de la flotte.
Chaque étape de génération 102 comprend de préférence une sous-étape 110 de génération d’une succession de symptômes à partir de l’enregistrement de maintenance considéré, enregistré sur un intervalle de temps.
La sous-étape 110 comprend par exemple une phase 112 de discrétisation de l’intervalle de temps selon un pas de discrétisation temporelle préalablement choisi pour définir des instants d’observations et une phase 114 d’association, à chaque instant d’observation ainsi défini, des symptômes observés en cet instant d’observation dans l’enregistrement de maintenance.
La succession de symptômes ainsi générée associe donc aux différents instants d’observation successifs les symptômes observés en ces instants.
Le sous-ensemble de groupes de symptômes est alors généré à partir de la succession de symptômes ainsi générée.
L’étape de génération 102 comprend à cette fin une sous-étape 120 de segmentation de l’intervalle de temps de l’enregistrement de maintenance considéré en une pluralité de segments temporels successifs et disjoints.
Lors de la sous-étape 120, le module 26 détermine lors d’une phase 122 le nombre de symptômes observés en chaque instant d’observation de l’intervalle de temps considéré. Puis, lors d’une phase 124, le module 26 associe à chaque instant d’observation un instant de référence. L’instant de référence associé à un instant d’observation donné est l’instant, à proximité de l’instant d’observation donné, auquel un nombre maximal de symptômes a été observé.
Lors de la phase 124, le module 26 détermine pour chaque instant d’observation, parmi les instants d’observation compris dans un intervalle de temps de proximité de durée prédéfinie, centré autour dudit instant d’observation, un instant de référence associé audit instant d’observation, l’instant de référence étant tel qu’il n’existe aucun autre instant d’observation dans ledit intervalle de temps de proximité tel que le nombre de symptômes observés en cet autre instant d’observation est supérieur au nombre de symptômes observés audit instant de référence.
Comme décrit ci-dessus, les intervalles de proximité associés aux différents instants d’observations sont de durées égales, par exemple inférieure à 10 min, notamment égales à 2 min.
Puis, lors d’une phase 126, le module 26 génère la pluralité de segments temporels à partir des instants de référence déterminés lors de la phase 124.
En particulier, chaque segment temporel généré lors de la phase 126 comprend le ou les instant(s) d’observation associés à un instant de référence commun, incluant cet instant de référence commun.
De préférence, lors de la phase 126, le module 26 détermine s’il existe au moins un instant d’observation singulier, tel que cet instant d’observation singulier est associé à un premier instant de référence distinct de cet instant d’observation singulier, et tel que le premier instant de référence est associé à une deuxième instant de référence distinct du premier instant de référence.
Si le module 26 détecte l’existence d’au moins un tel instant singulier, le module 26 génère la pluralité de segments temporels de telle sorte que cet instant d’observation singulier n’est compris dans aucun segment temporel.
La sous-étape 120 est suivie d’une sous-étape 130 de génération du sousensemble de groupes de symptômes associé à l’enregistrement considéré. Lors de la sous-étape 130, le module 26 génère le sous-ensemble de groupes de symptômes de telle sorte que chaque groupe de symptômes est constitué des symptômes observés en des instants d’observation compris dans un unique segment temporel donné.
Le procédé comprend ensuite la génération d’un ensemble de signatures potentielles à partir de l’ensemble de groupes de symptômes, tels que produits lors de plusieurs étapes 102 à partir de plusieurs enregistrements de maintenance issus de plusieurs aéronefs de la flotte.
A cette fin, le procédé comprend une étape de génération 140 d’une matrice de cooccurrence associant, à chacun d’une pluralité de couples constitués d’un premier et d’un deuxième symptômes observés, chacun présent dans au moins un groupe de symptômes, un score de cooccurrence représentatif d’une corrélation entre la présence du premier symptôme dans un ou des groupes donnés de l’ensemble de groupes et la présence du deuxième symptôme dans ce ou ces groupes, c’est-à-dire de la fréquence et de l’intensité de cooccurrence de ces deux symptômes.
De préférence, la génération 140 de la matrice de cooccurrence comprend la détermination d’un score de cooccurrence pour tout couple de premier et deuxième symptômes chacun présent dans au moins un groupe de symptômes.
La matrice de cooccurrence comprend ainsi, pour chaque couple de symptômes considéré, un score de cooccurrence associé à ce couple. Le score de cooccurrence est généralement d’autant plus grand que les symptômes sont corrélés (i.e. que la fréquence et l’intensité de cooccurrence de ces deux symptômes sont élevées).
De préférence, la génération 140 de la matrice de cooccurrence comprend une sous-étape 142 d’identification, pour chaque groupe de symptômes et pour chaque symptôme présent dans au moins un groupe de symptômes, si ce symptôme est présent dans le groupe de symptômes considéré.
En particulier, la sous-étape 142 comprend la génération d’une matrice de symptômes listant d’une part les groupes de symptômes, et d’autre part les symptômes présents dans au moins un de ces groupes, et associant à chaque doublet formé par un groupe et un symptôme donnés, une première valeur si ce symptôme est compris dans ce groupe, ou une deuxième valeur si ce groupe ne comprend pas ce symptôme.
L’étape 140 de génération comprend alors une sous-étape 144 de génération de la matrice de cooccurrence à partir de la matrice de symptômes.
Le procédé comprend alors une étape de détermination 150 d’un ensemble de signatures potentielles à partir de la matrice de cooccurrence.
Chaque signature potentielle est constituée d’un symptôme et des symptômes qui lui sont corrélés.
L’étape 150 comprend l’identification, pour chaque symptôme observé, des symptômes corrélés à ce symptôme, c’est-à-dire tels que le score de cooccurrence entre le symptôme considéré et chaque symptôme corrélé à ce symptôme soit supérieur au seuil de cooccurrence prédéterminé.
De préférence, l’étape 150 comprend la génération d’un tableau de cooccurrence listant l’ensemble des couples possibles de symptômes, et associant à chaque couple le score de cooccurrence pour ce couple, comme illustré à titre d’exemple sur la Figure 6.
Lors de l’étape 150, le module 28 détermine alors, pour chaque symptôme considéré, les symptômes corrélés à ce symptôme en parcourant le tableau de cooccurrence.
Le module 28 génère alors chaque signature potentielle comme étant constituée d’un symptôme et du ou des symptômes qui lui sont corrélés.
Le procédé comprend ensuite une étape 160 de détermination, pour chaque signature potentielle, s’il s’agit d’une signature univoque ou d’une signature plurielle.
L’étape 160 comprend une sous-étape 162 de détermination, pour chaque signature potentielle, du nombre de groupes, parmi l’ensemble de groupes de symptômes, comprenant tous les symptômes de cette signature potentielle.
L’étape 160 comprend par ailleurs une sous-étape de comparaison 164 de ce nombre à un nombre seuil prédéterminé, et une sous-étape de classification 166 de la signature potentielle :
- en signature univoque si ce nombre est supérieur ou égal au nombre seuil, ou
- en signature plurielle si ce nombre est inférieur au nombre seuil.
Le nombre seuil est supérieur ou égal à 1. Ainsi, s’il n’existe aucun groupe de symptômes comprenant tous les symptômes d’une signature potentielle, cette signature potentielle est classée en tant que signature plurielle.
De préférence, le nombre seuil est égal à 1.
Selon un mode de réalisation, le procédé comprend en outre une étape 170 de génération d’un référentiel de signatures univoques.
Ce référentiel de signatures est par exemple constitué des signatures de symptômes univoques déterminées lors de l’étape 160. En variante, l’étape 170 comprend l’enrichissement d’un référentiel de signatures existant, par exemple stocké dans la mémoire 20, avec les signatures de symptômes univoques déterminées lors de l’étape 160 et non existantes dans le référentiel de signatures existant.
En variante, seules les signatures univoques identifiées en tant que signatures de panne sont enregistrées dans le référentiel de signatures.
De préférence, le procédé comprend une indexation des données générées lors de la mise en œuvre des étapes 102, 140, 150 et 160. Cette indexation comprend la génération de données d’indexation établissant un lien entre chaque signature univoque et les groupes de symptômes comprenant tous les symptômes de cette signature univoque.
De préférence, les données d’indexation établissant un lien entre chaque signature univoque, les groupes de symptômes comprenant tous les symptômes de cette signature univoque, les symptômes de ce groupe de symptômes et les enregistrements de maintenance à partir desquels ces groupes de symptômes ont été extraits.
Par exemple, cette indexation comprend l’association, à chaque signature univoque, d’un ou plusieurs attributs représentatifs des groupes de symptômes comprenant les symptômes de cette signature univoque. Cette indexation comprend de préférence également l’association, à chaque signature univoque, d’un ou plusieurs attributs représentatifs des aéronefs sur lesquels ces groupes de symptômes ont été enregistrés et/ou des enregistrements de maintenance à partir desquels ces groupes de symptômes ont été extraits.
De préférence, cette indexation comprend en outre l’association, à chaque groupe de symptômes, d’un ou plusieurs attributs représentatifs de l’enregistrement de maintenance à partir duquel ce groupe de symptômes a été extrait et de l’aéronef sur lequel ce groupe de symptômes a été enregistré.
Ces attributs sont de préférence enregistrés dans le référentiel de signatures lors de l’étape 170.
Selon un mode de réalisation, le procédé comprend en outre une étape d’étiquetage de chaque signature univoque en tant que signature indicative, signature intempestive ou signature de panne.
Cette étape d’étiquetage comprend par exemple un affichage, sur le dispositif d’affichage 14, d’une fenêtre d’affichage et de saisie, affichant, pour chaque signature univoque considérée, des informations relatives à cette signature, notamment les symptômes constituant cette signature. Cette fenêtre comprend un cadre de saisie permettant à l’opérateur d’étiqueter cette signature en tant que signature indicative, signature intempestive ou signature de panne, sur la base des informations affichées.
L’étape d’étiquetage comprend par ailleurs la saisie par l’opérateur de l’étiquette attribuée à la signature, et l’enregistrement de cette étiquette dans le référentiel de signatures.
Selon un mode de réalisation, le procédé comprend en outre une étape 180 de restitution par le module 32, comprenant l’affichage, sur le dispositif d’affichage 14, d’une fenêtre graphique de restitution.
Comme décrit ci-dessus, la fenêtre de restitution affiche, sous forme graphique, les informations relatives à des signatures identifiées, ces informations incluant par exemple le nombre d’occurrences de la signature sur l’ensemble des aéronefs de la flotte, le nombre d’aéronefs de la flotte sur lesquels cette signature a été identifiée, et/ou le nombre de symptômes présents dans la signature.
Selon un mode de réalisation, lors de l’étape 140, plusieurs matrices de cooccurrence sont générées par la mise en œuvre de plusieurs fonctions mathématiques distinctes.
Puis, lors de l’étape 150, plusieurs ensembles de signatures potentielles sont déterminés à partir des différentes matrices de cooccurrence, chaque ensemble de signatures potentielles étant déterminé à partir d’une matrice de cooccurrence donnée. Lors de l’étape 160, plusieurs ensembles de signatures univoques sont de même déterminés, chacun à partir d’un ensemble de signatures potentielles donné.
Le référentiel de signatures généré lors de l’étape 170 comprend les signatures univoques des différents ensembles ainsi déterminés. En variante, un ensemble de signatures univoques le plus pertinent, par exemple comprenant un nombre maximal de signatures univoques, est sélectionné parmi les différents ensembles de signatures univoques, et seules les signatures univoques de cet ensemble sont enregistrées dans le référentiel de signatures.
Le procédé et le système selon l’invention permettent donc d’identifier de manière efficace un ensemble de signatures univoques à partir d’enregistrements de maintenance. En particulier, la comparaison des signatures potentielles aux groupes de symptômes permet l’identification de signatures plurielles, constituant en réalité plusieurs signatures distinctes, et permet au contraire l’identification de signatures correspondant chacune à un événement, notamment une panne, unique.
Le procédé et le système selon l’invention permettent en particulier d’identifier des signatures de taille non prédéterminée, en particulier d’identifier aussi bien des signatures comportant un grand nombre de symptômes que des signatures comportant deux symptômes.
La détermination de telles signatures univoques permet ainsi d’analyser de manière efficace de nouveaux enregistrements de maintenance en vue de déterminer l’origine de pannes présentes sur un aéronef de la flotte. En particulier, les risques que les données extraites des enregistrements de maintenance ne correspondent à aucune signature de panne connue, et que dès lors l’origine de la panne ne puisse être déterminée, sont minimisés.
Claims (14)
1. - Procédé de détermination de signatures univoques à partir d’enregistrements de maintenance d’une flotte d’aéronefs, mis en œuvre par un système (1 ) comprenant un calculateur (10) et des interfaces utilisateur (12), le calculateur (10) comprend un processeur (18) et une mémoire (20), ledit procédé comprenant :
- la fourniture (100) d’un ensemble de groupes de symptômes, chaque groupe de symptômes étant constitué d’une pluralité de symptômes observés sur un aéronef donné de la flotte sur un segment temporel donné associé audit groupe de symptômes,
- une étape de génération (140), par un module (28) de génération enregistré sur la mémoire (20) et exécuté par le processeur (18), d’une matrice de cooccurrence associant, à chacun d’une pluralité de couples constitués d’un premier et d’un deuxième symptômes observés, chacun présent dans au moins un groupe de symptômes, un score de cooccurrence représentatif d’une corrélation entre la présence du premier symptôme dans un ou des groupes donnés de l’ensemble de groupes et la présence du deuxième symptôme dans le ou lesdits groupes donnés,
- une étape de détermination (150), par le module (28) de génération exécuté par le processeur (18), d’un ensemble de signatures potentielles à partir de la matrice de cooccurrence, l’étape de détermination (150) comprenant :
• l’identification, pour chaque symptôme observé, de symptômes corrélés audit symptôme observé, tels que le score de cooccurrence entre ledit symptôme observé et chaque symptôme corrélé audit symptôme observé soit supérieur à un seuil prédéterminé, • la génération de l’ensemble de signatures potentielles, chaque signature potentielle étant constituée d’un symptôme et du ou des symptômes qui lui sont corrélés,
- pour chaque signature potentielle, détermination (162), par un module (30) de détermination enregistré sur la mémoire (20) et exécuté par le processeur (18), d’un nombre de groupes de symptômes, parmi ledit ensemble de groupes de symptômes, comprenant tous les symptômes de la signature potentielle, et classification (166), par le module (30) de détermination, de ladite signature potentielle en signature univoque si ledit nombre est supérieur ou égal à un nombre seuil prédéterminé supérieur ou égal à 1, ou en signature plurielle si ledit nombre est inférieur au nombre seuil.
2. - Procédé de détermination selon la revendication 1, caractérisé en ce qu’il comprend une étape d’indexation des groupes de symptômes, comprenant la génération de données d’indexation reliant chaque signature univoque aux groupes de symptômes comprenant tous les symptômes de cette signature univoque.
3. - Procédé de détermination selon l’une quelconque des revendications 1 ou 2, caractérisé en ce que la génération (140) de la matrice de cooccurrence comprend :
- une sous-étape (142) de génération d’une matrice de symptômes associant, à chaque doublet formé par un groupe de symptômes de l’ensemble de groupes et un symptôme présent dans au moins un groupe de symptômes, une première valeur si le symptôme est compris dans le groupe de symptômes ou une deuxième valeur si le groupe de symptômes ne comprend pas ce symptôme,
- une sous-étape (144) de génération de la matrice de cooccurrence à partir de la matrice de symptômes.
4. - Procédé de détermination selon l’une quelconque des revendications 1 à 3, caractérisé en ce que la génération de la matrice de cooccurrence comprend la détermination d’un score de cooccurrence pour tout couple de premier et deuxième symptômes observés chacun présent dans au moins un groupe de symptômes.
5. - Procédé de détermination selon la revendication 4, caractérisé en ce que l’étape d’identification des symptômes corrélés à chaque symptôme observé comprend la comparaison du score de cooccurrence entre le symptôme observé et chaque autre symptôme observé présent dans au moins un groupe de symptômes audit seuil prédéterminé.
6. - Procédé de détermination selon l’une quelconque des revendications 1 à 5, caractérisé en ce que la fourniture (100) de l’ensemble de groupes de symptômes comprend une étape de génération (102) d’au moins un sous-ensemble de groupes de symptômes à partir d’une succession de symptômes enregistrés sur un aéronef de la flotte en une pluralité d’instants d’observations d’un intervalle de temps donné, la génération (102) de chaque sous-ensemble de groupes de symptômes comprenant les sous-étapes suivantes :
- segmentation (120) dudit intervalle de temps en une pluralité de segments temporels disjoints,
- pour chaque segment temporel, génération (130) d’un groupe de symptômes constitué des symptômes observés en des instants d’observation compris dans ledit segment temporel, le sous-ensemble de groupes de symptômes étant constitué des groupes de symptômes associés à la pluralité de segments temporels.
7. - Procédé de détermination selon la revendication 6, caractérisé en ce que l’étape de génération (102) de chaque sous-ensemble de groupes de symptômes comprend une sous-étape (110) de génération de la succession de symptômes à partir d’un enregistrement de maintenance de l’aéronef, enregistré sur l’intervalle de temps, la génération de la succession de symptômes comprenant les phases suivantes :
- discrétiser (112) l’intervalle de temps selon un pas de discrétisation temporelle prédéfini pour définir lesdits instants d’observations, et
- associer (114) à chaque instant d’observation les symptômes de la succession initiale de symptômes observés en cet instant d’observation.
8. - Procédé de détermination selon l’une quelconque des revendications 6 ou 7, caractérisé en ce que la segmentation (120) de l’intervalle de temps en une pluralité de segments temporels comprend les phases successives suivantes :
- une phase de détermination (122) d’un nombre de symptômes observés à chaque instant d’observation,
- une phase de détermination (124), pour chaque instant d’observation, parmi les instants d’observation compris dans un intervalle de temps de proximité de durée prédéfinie, centré autour dudit instant d’observation, d’un instant de référence associé audit instant d’observation, l’instant de référence étant tel qu’il n’existe aucun autre instant d’observation dans ledit intervalle de temps de proximité tel que le nombre de symptômes observés en cet autre instant d’observation est supérieur au nombre de symptômes observés audit instant de référence,
- une phase de génération (126) de la pluralité de segments temporels, chaque segment temporel comprenant le ou les instant(s) d’observation associés à un instant de référence commun et cet instant de référence commun.
9. - Procédé de détermination selon la revendication 8, caractérisé en ce que la phase de détermination (124) de l’instant de référence associé à chaque instant d’observation donné comprend :
- l’identification, pour chaque instant d’observation compris dans l’intervalle de proximité, du nombre de symptômes enregistrés en cet instant d’observation,
- s’il existe un instant d’observation dans l’intervalle de proximité dont le nombre de symptômes est strictement supérieur au nombre de symptômes de tout autre instant d’observation compris dans l’intervalle de proximité, sélection de cet instant d’observation comme instant de référence associé audit instant d’observation donné,
- s’il existe au moins deux instants d’observation dans l’intervalle de proximité dont le nombre de symptômes est égal et strictement supérieur au nombre de symptômes de tout autre instant d’observation compris dans l’intervalle de proximité, sélection de l’instant d’observation le plus tardif comme instant de référence associé audit instant d’observation donné.
10. - Procédé de détermination selon l’une quelconque des revendications 8 ou 9, caractérisé en ce que la génération (126) de la pluralité de segments temporels comprend :
- déterminer s’il existe au moins un instant d’observation singulier, tel que cet instant d’observation singulier est associé à un premier instant de référence distinct dudit instant d’observation singulier et tel que le premier instant de référence est associé à une deuxième instant de référence distinct dudit premier instant de référence,
- générer la pluralité de segments temporels telle que ledit instant d’observation singulier n’est compris dans aucun segment temporel.
11. - Système (1) de détermination de signatures univoques à partir d’enregistrements de maintenance d’une flotte d’aéronefs, ledit système (1 ) comprenant :
- un espace (20) de stockage d’un ensemble de groupes de symptômes, chaque groupe de symptômes étant constitué d’une pluralité de symptômes observés sur un aéronef donné de la flotte sur un segment temporel donné associé audit groupe de symptômes,
- un module de génération d’un ensemble de signatures potentielles à partir de l’ensemble de groupes de symptômes, le module de génération étant configuré pour :
générer une matrice de cooccurrence associant, à une pluralité de couples constitués d’un premier et d’un deuxième symptômes observés, chacun présent dans au moins un groupe de symptômes, un score de cooccurrence représentatif d’une corrélation entre la présence du premier symptôme dans un groupe donné de l’ensemble de groupes et la présence du deuxième symptôme dans ledit groupe donné, identifier, pour chaque symptôme observé, des symptômes corrélés audit symptôme observé, tels que le score de cooccurrence entre ledit symptôme observé et chaque symptôme corrélé audit symptôme observé soit supérieur à un seuil prédéterminé, générer l’ensemble de signatures potentielles, chaque signature potentielle étant constituée d’un symptôme observé et du ou des symptômes qui lui sont corrélés,
- un module (30) de détermination de signatures univoques, configuré pour déterminer, pour chaque signature potentielle, un nombre de groupes de symptômes, parmi l’ensemble de groupes de symptômes, comprenant tous les symptômes de la signature potentielle, et pour classifier ladite signature potentielle en signature univoque si ledit nombre est supérieur ou égal à un nombre seuil prédéterminé supérieur ou égal à 1, ou en signature plurielle si ledit nombre est inférieur au nombre seuil.
12. - Système (1) selon la revendication 11, caractérisé en ce qu’il comprend un module d’indexation configuré pour générer des données d’indexation reliant chaque
31 signature univoque aux groupes de symptômes comprenant tous les symptômes de cette signature univoque.
13, - Système selon l’une quelconque des revendications 11 ou 12, caractérisé en ce qu’il comprend en outre un module (26) de production de l’ensemble de groupes de symptômes, configuré pour générer au moins un sous-ensemble de groupes de symptômes à partir d’une succession de symptômes enregistrés sur un aéronef de la flotte en une pluralité d’instants d’observations d’un intervalle de temps donné, le module (26) de production étant configuré pour segmenter l’intervalle de temps en une pluralité de segments temporels disjoints, et, pour chaque segment temporel, générer un groupe de symptômes constitué des symptômes observés en des instants d’observation compris dans ledit segment temporel, le sous-ensemble de groupes de symptômes étant constitué des groupes de symptômes associés à la pluralité de segments temporels.
14. - Système selon la revendication 13, caractérisé en ce que le module (26) de production est configuré pour :
- déterminer un nombre de symptômes observés à chaque instant d’observation,
- déterminer, pour chaque instant d’observation, parmi les instants d’observation compris dans un intervalle de temps de proximité de durée prédéfinie, centré autour dudit instant d’observation, un instant de référence associé audit instant d’observation, l’instant de référence étant tel qu’il n’existe aucun autre instant d’observation dans ledit intervalle de temps de proximité tel que le nombre de symptômes observés en cet autre instant d’observation est supérieur au nombre de symptômes observés audit instant de référence,
- générer la pluralité de segments temporels, chaque segment temporel comprenant le ou les instant(s) d’observation associés à un instant de référence commun et cet instant de référence commun.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1800131A FR3077909B1 (fr) | 2018-02-13 | 2018-02-13 | Procede de determination de signatures de pannes a partir d'enregistrements de maintenance d'une flotte d'aeronefs et systeme associe |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1800131A FR3077909B1 (fr) | 2018-02-13 | 2018-02-13 | Procede de determination de signatures de pannes a partir d'enregistrements de maintenance d'une flotte d'aeronefs et systeme associe |
| FR1800131 | 2018-02-13 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3077909A1 true FR3077909A1 (fr) | 2019-08-16 |
| FR3077909B1 FR3077909B1 (fr) | 2020-02-28 |
Family
ID=63407245
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1800131A Active FR3077909B1 (fr) | 2018-02-13 | 2018-02-13 | Procede de determination de signatures de pannes a partir d'enregistrements de maintenance d'une flotte d'aeronefs et systeme associe |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3077909B1 (fr) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111292848A (zh) * | 2019-12-31 | 2020-06-16 | 同方知网(北京)技术有限公司 | 一种基于贝叶斯估计的医疗知识图谱辅助推理方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2891379A1 (fr) * | 2005-09-23 | 2007-03-30 | Thales Sa | Procede et systeme de diagnostic des pannes pour aerodynes |
| US20080133288A1 (en) * | 2006-11-30 | 2008-06-05 | Microsoft Corporation | Grouping Failures to Infer Common Causes |
| US20110137711A1 (en) * | 2009-12-04 | 2011-06-09 | Gm Global Technology Operations, Inc. | Detecting anomalies in field failure data |
-
2018
- 2018-02-13 FR FR1800131A patent/FR3077909B1/fr active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2891379A1 (fr) * | 2005-09-23 | 2007-03-30 | Thales Sa | Procede et systeme de diagnostic des pannes pour aerodynes |
| US20080133288A1 (en) * | 2006-11-30 | 2008-06-05 | Microsoft Corporation | Grouping Failures to Infer Common Causes |
| US20110137711A1 (en) * | 2009-12-04 | 2011-06-09 | Gm Global Technology Operations, Inc. | Detecting anomalies in field failure data |
Non-Patent Citations (2)
| Title |
|---|
| HANEMANN A ET AL: "Algorithm design and application of service-oriented event correlation", BUSINESS-DRIVEN IT MANAGEMENT, 2008. BDIM 2008. 3RD IEEE/IFIP INTERNATIONAL WORKSHOP ON, IEEE, PISCATAWAY, NJ, USA, 7 April 2008 (2008-04-07), pages 61 - 70, XP031270306, ISBN: 978-1-4244-2191-6 * |
| TIM FELKE: "Knowledge Management for Maintenance of Complex Systems", 21 April 2009 (2009-04-21), XP055524565, Retrieved from the Internet <URL:https://web.stanford.edu/class/ee392m/Lecture4Felke.pdf> [retrieved on 20181116] * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111292848A (zh) * | 2019-12-31 | 2020-06-16 | 同方知网(北京)技术有限公司 | 一种基于贝叶斯估计的医疗知识图谱辅助推理方法 |
| CN111292848B (zh) * | 2019-12-31 | 2023-05-16 | 同方知网数字出版技术股份有限公司 | 一种基于贝叶斯估计的医疗知识图谱辅助推理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| FR3077909B1 (fr) | 2020-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11513935B2 (en) | System and method for detecting anomalies by discovering sequences in log entries | |
| CN107729210B (zh) | 分布式服务集群的异常诊断方法和装置 | |
| US20140136692A1 (en) | Diagnosing distributed applications using application logs and request processing paths | |
| CN112732477B (zh) | 一种带外自检故障隔离的方法 | |
| CN114077525A (zh) | 异常日志处理方法、装置、终端设备、云服务器及系统 | |
| US20240039821A1 (en) | Mitigating failure in request handling | |
| CN112579327B (zh) | 一种故障检测方法、装置及设备 | |
| US10997748B2 (en) | Machine learning model development with unsupervised image selection | |
| CN109325010A (zh) | 日志查看方法、装置、计算机设备和存储介质 | |
| WO2015131643A1 (fr) | Procédé et dispositif de détection de logiciels | |
| US8909768B1 (en) | Monitoring of metrics to identify abnormalities in a large scale distributed computing environment | |
| FR3026882A1 (fr) | Procede de determination d'au moins un equipement defaillant d'un aeronef et systeme correspondant | |
| FR3077909A1 (fr) | Procede de determination de signatures de pannes a partir d'enregistrements de maintenance d'une flotte d'aeronefs et systeme associe | |
| FR2789502A1 (fr) | Procede et outil d'analyse et de localisation de pannes materielles dans une machine informatique | |
| CN113918438A (zh) | 服务器异常的检测方法、装置、服务器及存储介质 | |
| US11245711B2 (en) | Network data timeline | |
| JP6579995B2 (ja) | 静観候補特定装置、静観候補特定方法及び静観候補特定プログラム | |
| FR2965372A1 (fr) | Procede et systeme d'analyse automatique de messages de panne ou d'etat. | |
| US8447710B1 (en) | Method and system for reducing links in a Bayesian network | |
| US11914466B2 (en) | Systems and methods for pause-correct-replay workflow customization | |
| CN111240923A (zh) | 车载导航系统复现问题的自动测试方法、装置和存储介质 | |
| CN111258973A (zh) | Redis慢日志的存储、展示方法、装置、设备和介质 | |
| WO2007036452A1 (fr) | Procede et systeme de validation des defaillances pour aerodynes | |
| CN110602483A (zh) | 视频故障确定方法、装置及计算机可读存储介质 | |
| CN115793990A (zh) | 存储器健康状态确定方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20190816 |
|
| 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 |
|
| PLFP | Fee payment |
Year of fee payment: 7 |