WO2019229174A1 - Procédé de contrôle des dysfonctionnements d'un équipement et dispositifs associés - Google Patents

Procédé de contrôle des dysfonctionnements d'un équipement et dispositifs associés Download PDF

Info

Publication number
WO2019229174A1
WO2019229174A1 PCT/EP2019/064070 EP2019064070W WO2019229174A1 WO 2019229174 A1 WO2019229174 A1 WO 2019229174A1 EP 2019064070 W EP2019064070 W EP 2019064070W WO 2019229174 A1 WO2019229174 A1 WO 2019229174A1
Authority
WO
WIPO (PCT)
Prior art keywords
equipment
data
phase
malfunctions
action
Prior art date
Application number
PCT/EP2019/064070
Other languages
English (en)
Inventor
Luis Vicente Gustavo PALACIOS MEDINACELLI
Gaëlle LORTAL
Claire Laudy
Original Assignee
Thales
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Thales filed Critical Thales
Priority to EP19730699.6A priority Critical patent/EP3803630A1/fr
Publication of WO2019229174A1 publication Critical patent/WO2019229174A1/fr

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0793—Remedial or corrective actions

Definitions

  • the present invention relates to a method for controlling malfunctions of the equipment.
  • the present invention also relates to a computer program product and a readable medium of associated information.
  • the present description relates to a method for controlling malfunctions of equipment, the equipment being suitable for use by separate installations, the method comprising a phase of data distribution in partial ontologies, the distribution phase being implemented by computer and comprising a step of providing partial ontologies, each partial ontology being relative to the equipment and being specific to one of the installations, a step of collecting a set of data relating to the equipment and from several separate installations, and a step of filling each partial ontology with the data collected.
  • the method also includes a phase of gathering partial ontologies into a global ontology, the gathering phase being implemented by computer and involving the implementation of two learning techniques, the first technique being unsupervised and the second technique being supervised.
  • the method further comprises an exploitation phase comprising a step of providing at least one piece of data originating from an installation, and a step of converting the data or data supplied into at least one information relating to the control of malfunctions. of equipment the conversion stage using the global ontology.
  • control method comprises one or more of the following characteristics, taken in isolation or in any technically possible combination:
  • the data set comprises measurements made by sensors.
  • each piece of information relating to the control of malfunctions of the equipment is part of the group consisting of a probability of occurrence of a malfunction of the equipment, the cause of a malfunction of the equipment, the action or actions possible in the event of a malfunction of the equipment, the probability of success of a corrective action in the event of a malfunction of the equipment, and a maintenance action to prevent the subsequent occurrence of a malfunction of the equipment.
  • each ontology comprises a set of concepts
  • the collection phase comprising a subgrouping step comprising a reconciliation of the similar concepts of at least two partial ontologies to obtain groups, a group gathering a set of data relating to concepts that are considered to be close or logically related to each other, and an implementation of the first learning technique on each group to obtain subgroups of data sharing common characteristics, to obtain subgroups learned.
  • the gathering phase includes a linking step in which a supervisor establishes a learning database and a test database by introducing relationships between data from the learned subgroups, and an implementation step. the second technique of learning relations from the two databases to obtain a global ontology associating with each subgroup a relation to the other subgroups.
  • the distribution phase includes a preprocessing step during which the collected data is converted into a single format.
  • At least one information relating to the control of malfunctions of the equipment is information relating to the maintenance or repair of at least a portion of the equipment.
  • the operation phase comprises a step of implementing an action on the equipment according to at least one information relating to the control of malfunctions of the equipment.
  • an information is a suggestion information of an action and the action implemented during the exploitation phase does not comply with the suggested action, the distribution and assembly phases are implemented again taking into account the action implemented during the exploitation phase.
  • the present description also relates to a computer program product comprising a readable information medium, on which is memorized a computer program comprising program instructions, the computer program being loadable on a data processing unit and adapted to cause the implementation of a method as previously described when the computer program is implemented on the data processing unit.
  • the present description also relates to a readable information medium on which is stored a computer program product as previously described.
  • FIG. 1 a schematic view of an example of a computer that makes it possible to implement a method for controlling the malfunctions of an equipment
  • FIG. 2 a schematic view of a set of facilities in which the equipment is brought to be used.
  • FIG. 1 A system 10 and a computer program product 12 are shown in FIG. 1.
  • the interaction of the computer program product 12 with the system 10 makes it possible to implement a method for controlling the malfunctions of an equipment.
  • system 10 is an electronic calculator able to manipulate and / or transform data represented as electronic or physical quantities in computer registers and / or memories in other similar data corresponding to physical data in memories , registers or other types of display, transmission or storage devices.
  • the system 10 comprises a processor 14 comprising a data processing unit 16, memories 18 and an information carrier reader 20.
  • the system 10 also comprises a keyboard 22 and a display unit 24.
  • the computer program product 12 comprises a readable information medium.
  • a readable information medium is a support readable by the system 10, usually by the reader 20.
  • the readable information medium is a medium adapted to memorize electronic instructions and capable of being coupled to a bus of a computer system .
  • the readable information medium is a diskette or floppy disk ("floppy disk"), an optical disk, a CD-ROM, a magneto-optical disk, a ROM memory, a RAM memory, an EPROM memory, an EEPROM memory, a magnetic card or an optical card.
  • a computer program including program instructions.
  • the computer program is loadable on the data processing unit 16 and is adapted to carry out the implementation of the control method.
  • the control method applies in a case where the equipment is brought during its lifetime to be used in several separate installations. Such a set of installations is shown in FIG.
  • the facilities are an airport 22, a maintenance center 24, a repair center 26 and three central units 28, 30 and 32 each belonging to a respective supplier of the repair center 26.
  • the set of facilities is thus a set of maintenance and operation of aircraft 34.
  • Each aircraft 34 comprises a plurality of equipment 36 each comprising a plurality of parts.
  • the equipment 36 is, in what follows, aircraft equipment.
  • a fan, motor or wings are examples of such equipment.
  • a plurality of aircraft 34 is suitable for taking off and arriving.
  • the airport 22 includes sensors suitable for measuring environmental conditions.
  • the sensors are suitable for measuring the temperature of the track, the amount of rain or visibility.
  • Each aircraft 34, and in particular each equipment 36 of the aircraft 34, is strictly controlled in the maintenance center 24.
  • Each equipment 36 is tested by a plurality of sensors.
  • the plurality of sensors thus gives access, by way of illustration, to the mechanical strength of the equipment 36 or to electrical reference values of the equipment 36.
  • a device 36 When a device 36 exhibits a malfunction, the equipment 36 is sent to a repair center 26.
  • a repair center 26 By the expression “malfunction” is meant both a failure or a lack of operation, a non-compliant operation the expected operation of the equipment 36.
  • each piece is tested to find the origin of the malfunction.
  • the test comprises the establishment by sensors of the electrical response of the equipment 36, which response includes all the electrical values and not only the electrical reference values. For example, it is assumed that three pieces of equipment 36 are considered defective and that each of these parts is provided by a different supplier.
  • the supplier carries out new tests of one of the pieces of equipment 36 with sensors of its own.
  • the maintenance center 24, the repair center 26 and the plants 28, 30 and 32 of the three suppliers each have at their disposal relevant data for the maintenance and repair of the equipment 36 of the aircraft 34. It should be noted that it is difficult to connect the measurements of a plant 28 with the environmental conditions in which the part was used, these environmental conditions being known at the airport.
  • the method of controlling malfunctions of a device 36 aims to exploit all of these data to ensure better maintenance (prevention) and better repair of malfunctions.
  • the control method includes a data distribution phase in partial ontologies, a phase of gathering partial ontologies into a global ontology and an exploitation phase.
  • At least the dispatching phase and the collecting phase are implemented by the system 10 interacting with the computer program product 12, that is, implemented by computer. Most stages of the operation phase are also computer-implemented, except that (s) which involve a direct intervention on the equipment 36 or part of the equipment 36.
  • the distribution phase comprises a supply step, a collection step, a preprocessing step and a filling step.
  • an ontology is an entity formed by a set of knowledge, facts and rules relating to a given field, scientific, cultural, administrative, industrial or commercial know-how.
  • an ontology is a set of concepts, each concept being able to be related to other concepts.
  • a concept groups together a set of words designating the same notion, typically synonyms.
  • an aircraft is a concept that can also be referred to as a flying machine.
  • synonyms is not the only possible case.
  • a new concept may be the aircraft of said company.
  • An ontology is representable in the form of a graph whose points are the concepts, a relation being represented by a line between two points.
  • each ontology is at equipment 36, and more specifically at the maintenance and / or repair of equipment 36, and has generally been established by a supervisor.
  • Each ontology is representative of the data of a specific installation, in this case, in the example described, the airport 22, the maintenance center 24, the repair center 26 or one of the three central 28, 30 and 32.
  • the ontologies are qualified as "partial ontologies" insofar as each ontology takes into account only the data of the considered installation so that the concepts used in the partial ontology are relatively partial since not taking into account account all the relevant measures.
  • a set of data is collected from several separate installations, and preferably from each installation.
  • the data collected relates to the equipment 36 and more specifically to the maintenance and / or repair of the equipment 36.
  • the data collected are data relating to the environment of the equipment 36, the origin of the equipment 36, the equipment history 36 and the malfunctions observed on the equipment 36.
  • the environmental data of the equipment 36 is, for example, the temperatures or pressures of the atmosphere to which the equipment 36 has been subjected.
  • the data relating to the origin of the equipment 36 are, for example, the manufacturer of the equipment 36 or the aircraft 34 in which the equipment 36 has been installed.
  • the history of the equipment 36 may include data relating to the operating time of the equipment 36 or to the number of maintenances performed on the equipment 36.
  • the malfunction data observed on the equipment 36 include by way of illustration all the abnormal measurements obtained during the tests of the equipment 36.
  • the data collected also include the data for a device 36 of the same nature as the equipment 36 considered.
  • the collected data includes measurements by sensors, whether measurements of the environment of the equipment 36 or measurements on the equipment 36 itself.
  • heterogeneous it is understood that the format of each data is different, for example a history, a text or an array of a spreadsheet.
  • the data is converted into a single format for data mining.
  • the partial ontologies provided are filled by the ontologies collected data.
  • an operator usually an expert in the field, establishes a table of correspondences between the possible data and the partial ontologies.
  • the system 10 uses the look-up table to automatically fill each ontology.
  • the gathering phase involves the implementation of two learning techniques, the first technique being unsupervised and the second technique being supervised.
  • the gathering phase comprises a subgroup distribution step, a connection step, a learning step and a test step.
  • sub-step of approximation a sub-step of learning.
  • a similar concept of each partial ontology is compared to obtain groups, a group grouping together all the data associated with concepts considered to be close or logically related to one another.
  • the associated data is the data that has been associated during the filling step.
  • Concepts considered to be close or logically related to each other are the interesting concepts for which it is desired to learn a relationship between them.
  • the supervisor can also guide or decide which concepts he wants to analyze.
  • the reconciliation is done by a supervisor.
  • the first learning technique on each group is implemented to obtain subgroups of data sharing common characteristics.
  • Each subgroup corresponds to a concept, this concept being most often different from a concept contained in partial ontologies.
  • the first learning technique is an unsupervised learning technique.
  • the first learning technique is any learning technique that allows hierarchical classification. Principal component analysis is an example.
  • a supervisor establishes a learning database and a test database by introducing relationships between the subgroup data.
  • the distribution between the learning base and the test database is, for example, 60% to 40%.
  • the second learning technique is applied on the basis of learning data to obtain a global ontology associating each subgroup with a relation to the other subgroups, that is to say - to say a relation between a concept and the other concepts.
  • the second learning technique is supervised.
  • the database gives the action corresponding to each test, this action will also correspond to a subgroup of actions: ai, a 2 , ..., a m .
  • a relationship between the groups is established, depending on how they capture the data provided by the expert. Theoretically, thousands of relationships between two equally valid subgroups exist. Also a preference between them is used. Consequently, a selection criterion is defined according to the nature of the relationships (number of data involved in particular). The supervisor can also adjust the preference criteria based on his experience.
  • a step of testing the global ontology is then implemented using the test database.
  • errors can be detected, such errors coming, for example, from an incomplete model (ie lack of relationships or poorly distributed subgroups) or an error in the input Datas.
  • Errors are detected using the relationships obtained in the previous step. Indeed, any data that does not respond to a relationship when the data should answer it is an error. It should be noted that the larger the number of relations to which a data item does not respond, the greater the error, so that the test makes it possible to determine several levels of error.
  • the supervisor modifies the subclasses and the other steps of the collection phase are implemented.
  • the operation phase comprises a supply step and a conversion step.
  • At least one piece of data originating from an installation is provided.
  • the global ontology is used to convert data originating from an installation into information relating to the control of malfunctions of the equipment 36.
  • the information relating to the control of malfunctions of the equipment 36 is part of the group consisting of:
  • the control method therefore makes it possible to better control malfunctions of the equipment 36 whether in maintenance or repair since the ontology used is a global ontology and not a partial ontology.
  • the operation phase includes a step of implementing an action on the equipment 36 according to each piece of information.
  • an information is a suggestion information of an action and the action implemented during the exploitation phase does not comply with the suggested action
  • the distribution and assembly phases are implemented. again taking into account the action implemented during the exploitation phase.
  • control method comprises a control of the equipment 36 according to at least one of the information relating to the control of malfunctions of the equipment 36.
  • the method uses a so-called global ontology which makes it possible to characterize a dysfunction and / or the manner of treating such a dysfunction.
  • an ontology is not a model of the function of a device to be improved but a function associating with parameters such as temperature, the test result, the manufacturer or the age of the equipment, predictions of malfunctions and the associated corrective measures.
  • the method also applies to the maintenance of other equipment such as a ship or kitchen appliances provided that the equipment is brought to be used in a plurality of facilities.
  • the facilities are the construction site, the maintenance center and the warehouse of the repair parts supplier while, for the kitchen, the facilities are the housing containing the kitchen and the different warehouses of the suppliers of each appliance.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Debugging And Monitoring (AREA)

Abstract

La présente invention concerne un procédé de contrôle des dysfonctionnements d'un équipement (36) comportant : - une phase de répartition de données en ontologies partielles, - une phase de rassemblement d'ontologies partielles en une ontologie globale, la phase de rassemblement étant mise en œuvre par ordinateur et comportant la mise en œuvre de deux techniques d'apprentissage, la première technique étant non-supervisée et la deuxième technique étant supervisée, et - une phase d'exploitation comportant : - une étape de fourniture d'au moins une donnée provenant d'une installation (22, 24, 26, 28, 30, 32), et - une étape de conversion des données fournies en au moins une information relative au contrôle des dysfonctionnements de l'équipement (36).

Description

Procédé de contrôle des dysfonctionnements d’un équipement et dispositifs associés
La présente invention concerne un procédé de contrôle des dysfonctionnements de l’équipement. La présente invention se rapporte également à un produit programme d’ordinateur et un support lisible d’informations associés.
Dans le domaine de l’avionique, le bon fonctionnement de chaque équipement faisant partie de l’avion permet de garantir une bonne sécurité pour l’avion.
Comme chaque équipement est sujet à des dysfonctionnements, il est souhaitable de pouvoir contrôler lesdits dysfonctionnements, que ce soit en les prévenant ou en les réparant de la manière la plus adaptée possible.
Il existe donc un besoin pour un procédé de contrôle des dysfonctionnements d’un équipement qui permette de diminuer la survenance des dysfonctionnements de l’équipement, que ce soit en maintenance ou en réparation.
Pour cela, la présente description porte sur un procédé de contrôle des dysfonctionnements d’un équipement, l’équipement étant propre à être utilisé par des installations distinctes, le procédé comportant une phase de répartition de données en ontologies partielles, la phase de répartition étant mise en oeuvre par ordinateur et comportant une étape de fourniture d’ontologies partielles, chaque ontologie partielle étant relative à l’équipement et étant spécifique d’une des installations, une étape de collection d’un ensemble de données relatives à l’équipement et provenant de plusieurs installations distinctes, et une étape de remplissage de chaque ontologie partielle avec les données collectées. Le procédé comporte aussi une phase de rassemblement des ontologies partielles en une ontologie globale, la phase de rassemblement étant mise en oeuvre par ordinateur et comportant la mise en oeuvre de deux techniques d’apprentissage, la première technique étant non-supervisée et la deuxième technique étant supervisée. Le procédé comporte, en outre, une phase d’exploitation comportant une étape de fourniture d’au moins une donnée provenant d’une installation, et une étape de conversion de la ou des données fournies en au moins une information relative au contrôle des dysfonctionnements de l’équipement l’étape de conversion utilisant l’ontologie globale.
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 :
- l’ensemble de données comporte des mesures effectuées par des capteurs. - chaque information relative au contrôle des dysfonctionnements de l’équipement fait partie du groupe constitué d’une probabilité d’occurrence d’un dysfonctionnement de l’équipement, de la cause d’un dysfonctionnement de l’équipement, de la ou des actions possibles en cas de dysfonctionnement de l’équipement, de la probabilité de succès d’une action correctrice en cas de dysfonctionnement de l’équipement, et d’une action de maintenance évitant la survenue ultérieure d’un dysfonctionnement de l’équipement.
- chaque ontologie comporte un ensemble de concepts, la phase de rassemblement comportant une étape de répartition en sous-groupes comportant un rapprochement des concepts similaires d’au moins deux ontologies partielles pour obtenir des groupes, un groupe regroupant un ensemble des données relatives à des concepts considérés comme proches ou ayant un lien logique entre eux et une mise en œuvre de la première technique d’apprentissage sur chacun des groupes pour obtenir des sous-groupes regroupant des données partageant des caractéristiques communes, pour obtenir des sous-groupes appris. La phase de rassemblement comporte une étape de mise en relation durant laquelle un superviseur constitue une base de données d’apprentissage et une base de données de test en introduisant des relations entre des données des sous-groupes appris, et une étape de mise en œuvre de la deuxième technique d’apprentissage des relations à partir des deux bases de données pour obtenir une ontologie globale associant à chaque sous-groupe une relation aux autres sous-groupes.
- la phase de répartition comporte une étape de prétraitement durant laquelle les données collectées sont converties en un format unique.
- au moins une information relative au contrôle des dysfonctionnements de l’équipement est une information relative à la maintenance ou à la réparation d’au moins une partie de l’équipement.
- la phase d’exploitation comporte une étape de mise en œuvre d’une action sur l’équipement en fonction d’au moins une information relative au contrôle des dysfonctionnements de l’équipement.
- une information est une information de suggestion d’une action et l’action mise en œuvre lors de la phase d’exploitation n’est pas conforme à l’action suggérée, les phases de répartition et de rassemblement sont mises en œuvre à nouveau en prenant en compte l’action mise en œuvre lors de la phase d’exploitation.
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 oeuvre d’un procédé tel que précédemment décrit lorsque le programme d’ordinateur est mis en oeuvre sur l’unité de traitement des données.
La présente description concerne aussi un support lisible d’informations sur lequel est mémorisé un produit programme d’ordinateur tel que précédemment décrit.
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 :
- figure 1 , une vue schématique d’un exemple d’ordinateur permettant la mise en oeuvre d’un procédé de contrôle des dysfonctionnements d’un équipement, et
- figure 2, une vue schématique d’un ensemble d’installations dans laquelle l’équipement est amené à être utilisé.
Un système 10 et un produit programme d’ordinateur 12 sont représentés à la figure 1. L’interaction du produit programme d’ordinateur 12 avec le système 10 permet de mettre en oeuvre un procédé de contrôle des dysfonctionnements d’un équipement.
Plus généralement, le système 10 est un calculateur électronique propre à manipuler et/ou transformer des données représentées comme des quantités électroniques ou physiques dans des registres du calculateur 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.
Le système 10 comporte un processeur 14 comprenant une unité de traitement de données 16, des mémoires 18 et un lecteur 20 de support d’informations. Le système 10 comprend également un clavier 22 et une unité d’affichage 24.
Le produit programme d’ordinateur 12 comporte un support lisible d’informations.
Un support lisible d’informations est un support lisible par le système 10, usuellement par le lecteur 20. Le support lisible d’informations est un médium adapté à mémoriser des instructions électroniques et capable d’être couplé à un bus d’un système informatique.
A titre d’exemple, le support lisible d’informations est une disquette ou disque souple (de la dénomination anglaise de « floppy disk »), 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.
Sur le support lisible d’informations est mémorisé un programme d’ordinateur comprenant des instructions de programme. Le programme d’ordinateur est chargeable sur l’unité de traitement de données 16 et est adapté pour entraîner la mise en oeuvre du procédé de contrôle.
Le fonctionnement du système 10 en interaction avec le produit programme d’ordinateur 12 est maintenant décrit en référence à un exemple de mise en oeuvre d’un procédé de contrôle des dysfonctionnements d’un équipement.
Le procédé de contrôle s’applique dans un cas où l’équipement est amené au cours de sa vie à être utilisé dans plusieurs installations distinctes. Un tel ensemble d’installations est représenté sur la figure 2.
Dans l’exemple représenté, les installations sont un aéroport 22, un centre de maintenance 24, un centre de réparation 26 et trois centrales 28, 30 et 32 appartenant chacune à un fournisseur respectif du centre de réparation 26.
L’ensemble d’installations est ainsi un ensemble de maintenance et d’exploitation d’avions 34.
Chaque avion 34 comporte une pluralité d’équipements 36 comportant chacun une pluralité de pièces.
Les équipements 36 sont, dans ce qui suit, des équipements d’aéronefs.
Un ventilateur, un moteur ou des ailes sont des exemples de tels équipements 36.
Dans l’aéroport 22, une pluralité d’avions 34 est propre à décoller et à arriver.
L’aéroport 22 comporte notamment des capteurs propres à mesurer les conditions environnementales. Par exemple, les capteurs sont propres à mesurer la température de la piste, la quantité de pluie ou encore la visibilité.
Chaque avion 34, et notamment chaque équipement 36 de l’avion 34, fait l’objet d’un contrôle strict dans le centre de maintenance 24.
Chaque équipement 36 est testé par une pluralité de capteurs.
La pluralité de capteurs donne ainsi accès, à titre d’illustration, à la résistance mécanique de l’équipement 36 ou à des valeurs électriques de référence de l’équipement 36.
Lorsqu’un équipement 36 présente un dysfonctionnement, l’équipement 36 est envoyé à un centre de réparation 26. Par l’expression « dysfonctionnement », il est entendu aussi bien une panne, soit une absence de fonctionnement, qu’un fonctionnement non conforme au fonctionnement attendu de l’équipement 36.
Dans le centre de réparation 26, chaque pièce est testée pour trouver l’origine du dysfonctionnement.
En particulier, le test comporte l’établissement par des capteurs de la réponse électrique de l’équipement 36, réponse qui comporte l’ensemble des valeurs électriques et pas seulement les valeurs électriques de référence. A titre d’exemple, il est supposé que trois pièces d’un équipement 36 sont considérées comme défectueuses et que chacune de ces pièces est fournie par un fournisseur différent.
Chaque pièce est alors renvoyée à la centrale 28, 30 ou 32 du fournisseur concerné pour réparation ou remplacement.
Dans chacune des centrales 28, 30 ou 32, le fournisseur procède à de nouveaux tests d’une des pièces de l’équipement 36 avec des capteurs qui lui sont propres.
Dans un tel cas de figure, il apparaît clairement que l’information relative au dysfonctionnement est partagée entre plusieurs installations distinctes.
En l’occurrence, le centre de maintenance 24, le centre de réparation 26 et les centrales 28, 30 et 32 des trois fournisseurs ont chacun à leur disposition des données pertinentes pour la maintenance et la réparation de l’équipement 36 de l’avion 34. Il est à noter qu’il est difficile de relier les mesures d’une centrale 28 avec les conditions environnementales dans laquelle la pièce a été utilisée, ces conditions environnementales étant connues au niveau de l’aéroport 22.
En outre, il est à noter que le cas simple illustré est, dans la plupart des cas plus complexe, du fait que le nombre d’installations est plus grand et qu’il convient également de considérer cette problématique pour chaque équipement 36 et chaque avion 34. En particulier, une panne d’un ensemble d’équipement 36 peut être due à la faiblesse d’une seule pièce d’un équipement 36 ou relative seulement à un type d’avions 34 particuliers.
Le procédé de contrôle des dysfonctionnements d’un équipement 36 vise à exploiter l’ensemble de ces données pour assurer une meilleure maintenance (prévention) et une meilleure réparation des dysfonctionnements.
Le procédé de contrôle comporte une phase de répartition de données en ontologies partielles, une phase de rassemblement des ontologies partielles en une ontologie globale et une phase d’exploitation.
Au moins la phase de répartition et la phase de rassemblement sont mises en oeuvre par le système 10 en interaction avec le produit programme d’ordinateur 12, c’est- à-dire mises en oeuvre par ordinateur. La plupart des étapes de la phase d’exploitation sont également mises en oeuvre par ordinateur, sauf celle(s) qui impliquent une intervention directe sur l’équipement 36 ou une partie de l’équipement 36.
La phase de répartition comporte une étape de fourniture, une étape de collection, une étape de prétraitement et une étape de remplissage.
Lors de l’étape de fourniture, il est fourni des ontologies partielles. De manière générale, une ontologie est une entité formée par un ensemble de connaissances, de faits et de règles relatifs à un domaine donné, domaine scientifique, culturel, administratif, savoir-faire industriel ou commercial.
Plus précisément, une ontologie est un ensemble de concepts, chaque concept pouvant être en relation avec d’autres concepts. Un concept regroupe un ensemble de mots désignant la même notion, typiquement des synonymes. Par exemple, un aéronef est un concept qui peut également être désigné comme engin volant. Toutefois, le cas des synonymes n’est pas le seul cas possible. A titre d’exemple, pour le concept d’aéronef et le concept les atouts d’une compagnie, un nouveau concept peut être les aéronefs de ladite compagnie.
Une ontologie est représentable sous forme d’un graphe dont les points sont les concepts, une relation étant représentée par un trait entre deux points.
Dans le cas de l’étape de fourniture, chaque ontologie est à l’équipement 36, et plus spécifiquement à la maintenance et/ou la réparation de l’équipement 36, et a généralement été établie par un superviseur.
Chaque ontologie est représentative des données d’une installation spécifique, en l’occurrence, dans l’exemple décrit, l’aéroport 22, le centre de maintenance 24, le centre de réparation 26 ou l’une des trois centrales 28, 30 et 32.
De ce fait, les ontologies sont qualifiées d’« ontologies partielles » dans la mesure où chaque ontologie prend uniquement en compte les données de l’installation considérée de sorte que les concepts utilisés dans l’ontologie partielle sont relativement partiels puisque ne prenant pas en compte l’ensemble des mesures pertinentes.
Lors de l’étape de collection, il est collecté un ensemble de données provenant de plusieurs installations distinctes, et de préférence de chaque installation.
Les données collectées sont relatives à l’équipement 36 et plus spécifiquement à la maintenance et/ou la réparation de l’équipement 36.
De manière générique, les données collectées sont des données relatives à l’environnement de l’équipement 36, à l’origine de l’équipement 36, à l’historique de l’équipement 36 et aux dysfonctionnements observés sur l’équipement 36.
Les données relatives à l’environnement de l’équipement 36 sont, par exemple, les températures ou les pressions de l’atmosphère auxquelles l’équipement 36 a été soumis.
Les données portant sur l’origine de l’équipement 36 sont, par exemple, le fabricant de l’équipement 36 ou l’avion 34 dans lequel l’équipement 36 a été installé.
L’historique de l’équipement 36 peut comporter des données relatives à la durée d’exploitation de l’équipement 36 ou au nombre de maintenances effectuées sur l’équipement 36. Les données de dysfonctionnements observés sur l’équipement 36 comportent à titre d’illustration l’ensemble des mesures anormales obtenues lors des tests de l’équipement 36.
En outre, selon un mode de réalisation, les données collectées comportent également les données pour un équipement 36 de même nature que l’équipement 36 considéré.
Les données collectées comportent des mesures effectuées par des capteurs, que ce soient des mesures de l’environnement de l’équipement 36 ou des mesures sur l’équipement 36 lui-même.
Dans le cas le plus général, les données provenant d’une même installation sont hétérogènes. Par « hétérogène », il est entendu que le format de chaque donnée est différent, par exemple un historique, un texte ou un tableau d’un tableur.
Aussi, lors de l’étape de prétraitement, les données sont converties en un format unique permettant l’exploitation des données.
Lors de l’étape de remplissage, les ontologies partielles fournies sont remplies par les données collectées se rapportant aux ontologies.
Pour cela, un opérateur, généralement un expert du domaine, établit une table de correspondances entre les données possibles et les ontologies partielles.
Puis, le système 10 utilise la table de correspondance pour remplir automatiquement chaque ontologie.
A l’issue de l’étape de remplissage, il est ainsi obtenu des ontologies partielles comportant des données.
La phase de rassemblement comporte la mise en oeuvre de deux techniques d’apprentissage, la première technique étant non-supervisée et la deuxième technique étant supervisée.
Plus précisément, dans l’exemple décrit, la phase de rassemblement comporte une étape de répartition en sous-groupes, une étape de mise en relation, une étape d’apprentissage et une étape de test.
Lors de l’étape de répartition en sous-groupes, deux sous-étapes sont mises en oeuvre : une sous-étape de rapprochement et une sous-étape d’apprentissage.
Lors de la sous-étape de rapprochement, un rapprochement des concepts similaires de chaque ontologie partielle est effectué pour obtenir des groupes, un groupe regroupant l’ensemble des données associées à des concepts considérés comme proches ou ayant un lien logique entre eux. Les données associées sont les données ayant été associées lors de l’étape de remplissage. Les concepts considérés comme proches ou ayant un lien logique entre eux sont les concepts intéressants pour lesquels il est souhaité apprendre une relation entre eux.
Le superviseur peut aussi guider ou décider quels concepts il souhaite analyser.
Deux concepts sont considérés comme proches s’ils sont synonymes ou des mots d’un même champ lexical ou s’ils ont un lien logique comme exemplifié plus haut.
A titre d’illustration pour deux concepts ayant un lien logique entre eux, supposons qu’il existe deux centres de réparation dans différents endroits géographiques, tous deux capables de réparer le même équipement. En associant les tests mis en œuvre et les actions de maintenance ou correctrices suite à la détection d’un dysfonctionnement de chaque centre dans un même groupe, il sera possible de déterminer des liens entre les tests mis en œuvre et les actions correctrices qui sont chacun deux concepts ayant un lien logique entre eux.
Le rapprochement est effectué par un superviseur.
Lors de la sous-étape d’apprentissage, il est mis en œuvre la première technique d’apprentissage sur chacun des groupes pour obtenir des sous-groupes regroupant des données partageant des caractéristiques communes. Chaque sous-groupe correspond à un concept, ce concept étant le plus souvent différent d’un concept contenu dans les ontologies partielles.
La première technique d’apprentissage est une technique d’apprentissage non- supervisée.
La première technique d’apprentissage est toute technique d’apprentissage permettant une classification hiérarchique. L’analyse en composantes principales est un exemple.
Lors de l’étape de mise en relation, un superviseur constitue une base de données d’apprentissage et une base de données de test en introduisant des relations entre les données des sous-groupes.
La répartition entre la base d’apprentissage et la base de données de test est, par exemple, de 60% pour 40%.
Lors de l’étape d’apprentissage, il est appliqué la deuxième technique d’apprentissage sur la base de données d’apprentissage pour obtenir une ontologie globale associant à chaque sous-groupe une relation aux autres sous-groupes, c’est-à- dire une relation entre un concept et les autres concepts.
La deuxième technique d’apprentissage est supervisée.
A titre d’exemple, pour chaque sous-groupe obtenu, il est identifié dans les données celles qui lui sont associées. A titre d'exemple, considérons à nouveau les sous- groupes de tests: ti, t2, ... , tn, n étant un nombre entier supérieur à 2. Avec l'aide d'un raisonneur sémantique ou plus simplement un raisonneur (aussi désigné sous le terme anglais de « reasoner »), il est vérifié quels tests ti, t2, tn, dans la base de données appartiennent à chaque sous-groupe.
Ensuite, la base de données donne l'action correspondant à chaque test, cette action correspondra également à un sous-groupe d'actions : ai, a2, ..., am. Puis, une relation entre les groupes est établie, en fonction de la façon dont ils capturent les données fournies par l'expert. Théoriquement, des milliers de relations entre deux sous- groupes tout aussi valables existent. Aussi une préférence entre elles est utilisée. Par conséquent, un critère de sélection est défini en fonction de la nature des relations (nombre de données impliquées notamment). Le superviseur peut également régler les critères de préférence en fonction de son expérience.
Une étape de test de l’ontologie globale est alors mise en oeuvre à l’aide de la base de données de test.
Lors du test, des erreurs peuvent être détectées, ces erreurs provenant, par exemple, d’un modèle incomplet (c’est-à-dire une absence de relations ou des sous- groupes mal répartis) ou d’une erreur dans la saisie des données.
Les erreurs sont détectées à l’aide des relations obtenues à l’étape précédente. En effet, toute donnée ne répondant pas à une relation alors que la donnée devrait y répondre est une erreur. Il est à noter que, plus le nombre de relations auquel une donnée ne répond pas est grand, plus l’erreur est importante, de sorte que le test permet de déterminer plusieurs niveaux d’erreur.
En cas de test non concluant, le superviseur modifie les sous-classes et les autres étapes de la phase de rassemblement sont mises en oeuvre.
La phase d’exploitation comporte une étape de fourniture et une étape de conversion.
Lors de l’étape de fourniture, il est fourni au moins une donnée provenant d’une installation.
Lors de l’étape de conversion, l’ontologie globale est utilisée pour convertir une donnée provenant d’une installation en une information relative au contrôle des dysfonctionnements de l’équipement 36.
L’information relative au contrôle des dysfonctionnements de l’équipement 36 fait partie du groupe constitué de :
- une probabilité d’occurrence d’un dysfonctionnement de l’équipement 36,
- la cause d’un dysfonctionnement de l’équipement 36,
- les actions correctrices possibles et leur probabilité de succès en cas de dysfonctionnement de l’équipement 36, - une action de maintenance évitant la survenue ultérieure d’un dysfonctionnement de l’équipement 36.
Le procédé de contrôle permet donc de mieux contrôler les dysfonctionnements de l’équipement 36 que ce soit en maintenance ou en réparation puisque l’ontologie utilisée est une ontologie globale et non une ontologie partielle.
Ceci est d’autant plus vrai que l’ontologie globale est aisément mise en à jour.
En effet, dans certains cas, la phase d’exploitation comporte une étape de mise en œuvre d’une action sur l’équipement 36 en fonction de chaque information. Lorsqu’une information est une information de suggestion d’une action et que l’action mise en œuvre lors de la phase d’exploitation n’est pas conforme à l’action suggérée, les phases de répartition et de rassemblement sont mises en œuvre à nouveau en prenant en compte l’action mise en œuvre lors de la phase d’exploitation. Il est ainsi obtenu une nouvelle ontologie globale plus riche.
Dans chacun des cas, le procédé de contrôle comporte un contrôle de l’équipement 36 en fonction d’au moins une des informations relatives au contrôle des dysfonctionnements de l’équipement 36.
Par ailleurs, dans chacun des cas décrits, le procédé utilise une ontologie dite globale qui permet de caractériser un dysfonctionnement et/ou la manière de traiter un tel dysfonctionnement. Une telle ontologie n’est pas un modèle de la fonction d’un équipement à améliorer mais bien une fonction associant à des paramètres tels que la température, le résultat de tests, le fabricant ou l’âge de l’équipement, des prédictions de dysfonctionnements ainsi que les mesures correctrices associées.
Le présent procédé a été présenté pour le cadre spécifique d’une utilisation d’avions.
Toutefois, le procédé s’applique également pour la maintenance d’autres équipements comme par exemple un navire ou des électroménagers d’une cuisine pourvu que l’équipement soit amené à être utilisé dans une pluralité d’installations. A titre d’exemple, dans le cas du navire, les installations sont le chantier de construction, le centre de maintenance et l’entrepôt du fournisseur de pièces de réparation tandis que, pour la cuisine, les installations sont l’habitat contenant la cuisine et les différents entrepôts des fournisseurs de chaque électroménager.

Claims

REVENDICATIONS
1.- Procédé de contrôle des dysfonctionnements d’un équipement (36), l’équipement (36) étant propre à être utilisé par des installations (22, 24, 26, 28, 30, 32) distinctes, le procédé comportant :
- une phase de répartition de données en ontologies partielles, la phase de répartition étant mise en oeuvre par ordinateur et comportant :
- une étape de fourniture d’ontologies partielles, chaque ontologie partielle étant relative à l’équipement (36) et étant spécifique d’une des installations (22, 24, 26, 28, 30, 32),
- une étape de collection d’un ensemble de données relatives à l’équipement (36) et provenant de plusieurs installations (22, 24, 26, 28, 30, 32) distinctes, et
- une étape de remplissage de chaque ontologie partielle avec les données collectées,
- une phase de rassemblement des ontologies partielles en une ontologie globale, la phase de rassemblement étant mise en oeuvre par ordinateur et comportant la mise en oeuvre de deux techniques d’apprentissage, la première technique étant non-supervisée et la deuxième technique étant supervisée, et
- une phase d’exploitation comportant :
- une étape de fourniture d’au moins une donnée provenant d’une installation (22, 24, 26, 28, 30, 32), et
- une étape de conversion de la ou des données fournies en au moins une information relative au contrôle des dysfonctionnements de l’équipement (36), l’étape de conversion utilisant l’ontologie globale.
2.- Procédé selon la revendication 1 , dans lequel l’ensemble de données comporte des mesures effectuées par des capteurs.
3.- Procédé selon la revendication 1 ou 2, dans lequel chaque information relative au contrôle des dysfonctionnements de l’équipement (36) fait partie du groupe constitué de :
- une probabilité d’occurrence d’un dysfonctionnement de l’équipement (36),
- la cause d’un dysfonctionnement de l’équipement (36),
- la ou les actions possibles en cas de dysfonctionnement de l’équipement (36), - la probabilité de succès d’une action correctrice en cas de dysfonctionnement de l’équipement (36), et
- une action de maintenance évitant la survenue ultérieure d’un dysfonctionnement de l’équipement (36).
4.- Procédé selon l’une quelconque des revendications 1 à 3, dans lequel chaque ontologie comporte un ensemble de concepts, la phase de rassemblement comportant :
- une étape de répartition en sous-groupes comportant :
- un rapprochement des concepts similaires d’au moins deux ontologies partielles pour obtenir des groupes, un groupe regroupant un ensemble des données relatives à des concepts considérés comme proches ou ayant un lien logique entre eux, et
- une mise en oeuvre de la première technique d’apprentissage sur chacun des groupes pour obtenir des sous-groupes regroupant des données partageant des caractéristiques communes, pour obtenir des sous-groupes appris,
- une étape de mise en relation durant laquelle un superviseur constitue une base de données d’apprentissage et une base de données de test en introduisant des relations entre des données des sous-groupes appris, et
- une étape de mise en oeuvre de la deuxième technique d’apprentissage des relations à partir des deux bases de données pour obtenir une ontologie globale associant à chaque sous-groupe une relation aux autres sous-groupes.
5.- Procédé selon l’une quelconque des revendications 1 à 4, dans lequel la phase de répartition comporte une étape de prétraitement durant laquelle les données collectées sont converties en un format unique.
6.- Procédé selon l’une quelconque des revendications 1 à 5, dans lequel l’au moins une information relative au contrôle des dysfonctionnements de l’équipement (36) est une information relative à la maintenance ou à la réparation d’au moins une partie de l’équipement (36).
7.- Procédé selon l’une quelconque des revendications 1 à 6, dans lequel la phase d’exploitation comporte une étape de mise en oeuvre d’une action sur l’équipement (36) en fonction d’au moins une information relative au contrôle des dysfonctionnements de l’équipement (36).
8.- Procédé selon la revendication 7, dans lequel une information est une information de suggestion d’une action et l’action mise en oeuvre lors de la phase d’exploitation n’est pas conforme à l’action suggérée, les phases de répartition et de rassemblement sont mises en oeuvre à nouveau en prenant en compte l’action mise en oeuvre lors de la phase d’exploitation.
9.- 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 oeuvre d’un procédé selon l’une quelconque des revendications 1 à 8 lorsque le programme d’ordinateur est mis en oeuvre sur l’unité de traitement des données.
10.- Support lisible d’informations sur lequel est mémorisé un produit programme d’ordinateur selon la revendication 9.
PCT/EP2019/064070 2018-06-01 2019-05-29 Procédé de contrôle des dysfonctionnements d'un équipement et dispositifs associés WO2019229174A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP19730699.6A EP3803630A1 (fr) 2018-06-01 2019-05-29 Procédé de contrôle des dysfonctionnements d'un équipement et dispositifs associés

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1800546A FR3082021B1 (fr) 2018-06-01 2018-06-01 Procede de controle des dysfonctionnements d'un equipement et dispositifs associes
FR18/00546 2018-06-01

Publications (1)

Publication Number Publication Date
WO2019229174A1 true WO2019229174A1 (fr) 2019-12-05

Family

ID=65443869

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/064070 WO2019229174A1 (fr) 2018-06-01 2019-05-29 Procédé de contrôle des dysfonctionnements d'un équipement et dispositifs associés

Country Status (3)

Country Link
EP (1) EP3803630A1 (fr)
FR (1) FR3082021B1 (fr)
WO (1) WO2019229174A1 (fr)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170046309A1 (en) * 2014-04-29 2017-02-16 Siemens Aktiengesellschaft Method for providing reliable sensor data
US20180032908A1 (en) * 2016-07-29 2018-02-01 Splunk Inc. Machine Learning in Edge Analytics

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170046309A1 (en) * 2014-04-29 2017-02-16 Siemens Aktiengesellschaft Method for providing reliable sensor data
US20180032908A1 (en) * 2016-07-29 2018-02-01 Splunk Inc. Machine Learning in Edge Analytics

Also Published As

Publication number Publication date
FR3082021A1 (fr) 2019-12-06
EP3803630A1 (fr) 2021-04-14
FR3082021B1 (fr) 2021-06-18

Similar Documents

Publication Publication Date Title
Elattar et al. Prognostics: a literature review
Smith et al. An analysis of customer retention and insurance claim patterns using data mining: A case study
Coffey et al. Knowledge modeling and the creation of El-Tech: a performance support and training system for electronic technicians
US20100057667A1 (en) Detection rule-generating facility
FR2869698A1 (fr) Procede pour le controle et le diagnostic de machines
Shihab An exploration of challenges limiting pragmatic software defect prediction
FR3013140A1 (fr) Systeme et procede de diagnostic de panne aeronef
CN108763091A (zh) 用于回归测试的方法、装置及系统
Li et al. Incident ticket analytics for IT application management services
CN114169319A (zh) 一种企业主体及其合同风险审查系统
Detzner et al. Feature selection methods for root‐cause analysis among top‐level product attributes
KR100923407B1 (ko) 정보화 사업에서의 위험 관리 및 평가 시스템과 그 방법
EP3588387B1 (fr) Procédé de test d'un système électronique de contrôle du trafic aérien, dispositif électronique et plate-forme associés
FR2990547A1 (fr) Systeme de maintenance centralisee parametrable destine a un aeronef
Ahmed et al. Analysis of breakdown reports using natural language processing and machine learning
WO2019229174A1 (fr) Procédé de contrôle des dysfonctionnements d'un équipement et dispositifs associés
Maruster et al. Tailoring the engineering design process through data and process mining
CN114265891A (zh) 基于多源数据融合的智慧车间系统、方法及存储介质
Maccioni et al. A product success scale for supporting research in engineering design
WO2021180441A1 (fr) Mises a jour de bases de donnees de navigation
Kovacs et al. A multi-level model for realizing data-driven maintenance in manufacturing enterprises: Use case of jewelry production
Grambau et al. Reference Architecture framework for enhanced social media data analytics for Predictive Maintenance models
Abramovici et al. Provider-Driven Knowledge Allocation Concept for Improving Technical Repair Tasks in IPS2 Networks
Chomiak-Orsa et al. Open Data for simulation to determine the efficient management of parking spaces in Smart City
Zhang et al. Risk-based dynamic pricing via failure prediction

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19730699

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019730699

Country of ref document: EP

Effective date: 20210111