WO2025003374A1 - Procédé de génération d'une base de données de suivi d'indicateurs de conformité de composants et dispositifs associés - Google Patents

Procédé de génération d'une base de données de suivi d'indicateurs de conformité de composants et dispositifs associés Download PDF

Info

Publication number
WO2025003374A1
WO2025003374A1 PCT/EP2024/068204 EP2024068204W WO2025003374A1 WO 2025003374 A1 WO2025003374 A1 WO 2025003374A1 EP 2024068204 W EP2024068204 W EP 2024068204W WO 2025003374 A1 WO2025003374 A1 WO 2025003374A1
Authority
WO
WIPO (PCT)
Prior art keywords
component
database
characteristic
conformity
evaluation
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.)
Ceased
Application number
PCT/EP2024/068204
Other languages
English (en)
Inventor
Juliette Mattioli
Pierre-Olivier ROBIC
Emeric JESSON
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Thales SA
Original Assignee
Thales SA
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 SA filed Critical Thales SA
Publication of WO2025003374A1 publication Critical patent/WO2025003374A1/fr
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/214—Database migration support
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/258—Data format conversion from or to a database
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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

Definitions

  • TITLE Method for generating a database for monitoring compliance indicators of components and associated devices
  • the components 30 are intended to be used for a specific use U.
  • This specific use U is a technical use chosen from the development, manufacture, maintenance or reconditioning of the device D.
  • the conformity indicators I to use U determine whether or not the component 30 is suitable for use for the specific use U.
  • Each conformity indicator I is thus a measure of the suitability of component 30 to be used in use U.
  • Reading the semantic database B by the computer system 10 provides access to a set of information.
  • the set of information comprises, for each component of a plurality of initial components, at least one initial identification data item for the component and a plurality of initial characteristics C of said component, at least one of the characteristics C resulting from a measurement of a quantity characterizing the component.
  • the information set therefore includes measurements, also called observation points measured by means of metrics or indicators.
  • Reading the semantic database B by the computer system 10 therefore provides access to measurements carried out for each component 30.
  • the semantic database B is not a simple database.
  • the reading of the semantic database by the computer system 10 provides specific instructions for the evaluation of the conformity indicator I for each component 30.
  • the semantic database B is characterized by a data structure and a set of evaluation rules Rs which determine the implementation of the evaluation of the conformity indicators I by the calculator 15.
  • the computer system 10 applies to the characteristics C available in the data structure of the semantic database B and relating to the component 30 to be characterized at least one rule R from the set of evaluation rules Rs.
  • the content of the semantic database B is thus an order of the actions carried out by the computer system 10.
  • the computer system 10 is thus able to obtain the conformity indicators I based on measurements carried out previously.
  • each characteristic is associated with several conformity indicators I quantifying or qualifying the characteristic respectively according to one of the aspects described below.
  • the I conformity indicators are divided into four types of aspects.
  • the four types are as follows:
  • the representational type which quantifies the confidence granted in the clarity of obtaining information from the characteristic
  • the accessibility type which quantifies the confidence granted in the availability of data for different users involved in the specific use of the component(s) associated with the characteristic.
  • intrinsic attribute is independent of the specific use of the component(s) associated with the characteristic.
  • intrinsic type I indicators include: credibility, truthfulness, accuracy, objectivity, and reputation.
  • Credibility is the degree to which a feature is credible. Credibility is, for example, calculated based on the feature under consideration, i.e. its order of magnitude, its unit of measurement or its freshness as explained below. Credibility is further calculated based on the source that produced the feature, with sources being, for example, pre-evaluated by experts.
  • Accuracy quantifies whether the characteristic is certified as error-free, defect-free, or how easily errors are identifiable, as well as the precision of the characteristic. Accuracy is a score between 0 and 1.
  • • d(. , . ) is a distance measure such as a Euclidean distance or a Hamming distance.
  • the accuracy is approximately equal to 0.997.
  • Objectivity also called impartiality, quantifies the degree to which a characteristic is impartial or is affected by subjective criteria in its development. For example, objectivity is calculated from belief theory approaches (an extension of probability functions in which the measure of the universe is less than or equal to 1, which allows the subjectivity of a decision maker to be characterized) or from fuzzy logic.
  • Reputation quantifies an overall subjective assessment of the quality of the feature over a predefined period of time by a user.
  • Reputation is, for example, calculated by labeling similar to nutriscore-type labeling, also called energy score (“ABCD or E”) or by a financial rating.
  • energy score also called energy score (“ABCD or E”
  • contextual type I indicators include: added value, relevance, completeness, and freshness.
  • Added value quantifies whether the feature provides a competitive advantage in the specific use. Added value is, for example, calculated by functional analysis and value analysis (FAVA) methods.
  • FAVA functional analysis and value analysis
  • Relevance quantifies the importance of the feature for the specific use considered. In other words, relevance quantifies whether the feature is interesting, applicable and usable for the specific use. Relevance is, for example, calculated based on the domain of use (ODD: Operational Design Domain, defined during the specifications). It is therefore checked that all the types of data necessary to cover the ODD are present in order to answer the questions asked by users. The relevance calculated is then, for example, a coverage rate.
  • ODD Operational Design Domain
  • Completeness quantifies whether the feature describes the component in depth. Completeness is preferentially complementary to relevance. For example, completeness is calculated as the coverage of data to answer the question asked over the entire context studied.
  • Freshness quantifies the age of the characteristic. In other words, freshness defines how long ago the characteristic was established.
  • freshness is calculated using the following equation: Or :
  • age of the characteristic is the time difference (in number of days) between the insertion of the characteristic in the converted database and the last freshness evaluation associated with this characteristic
  • retention period is a predefined value respective to the characteristic corresponding to the number of days during which the characteristic is considered up to date
  • the representational approach quantifies the ability to present and exploit the information contained in the characteristic, that is, in a file, a document, a message or a graphical interface used to transmit the information.
  • the information is "formatted” or "layout”, depending on whether we are interested in an application or a human.
  • the I indicators of the representational type include: interpretability, comprehensibility, coherence of representation, and conciseness of representation.
  • Interpretability quantifies the ability to make the user understand the meaning of what is shown to them. It is calculated through user feedback (surveys, problem reports or questions).
  • Representation consistency quantifies a deviation of the presentation of information in the feature from other similar features C or over time. Representation consistency is preferably ensured by constructing and maintaining the domain taxonomy and ontology, i.e. the semantic database
  • the conciseness of the representation quantifies whether the feature does not have too much unnecessary information and whether the data formats are optimal for performance and exploitation. Conciseness is calculated by a ratio between useful information (as defined by the ODD and the ontology) and the file size.
  • accessibility type I indicators include accessibility and access security.
  • Accessibility quantifies how the characteristic is identifiable, retrievable, available, at a given moment as well as in a lasting manner, for the different users. Accessibility also quantifies the speed of access to the characteristic by the user(s). Accessibility is for example the ratio between the number of accesses to the information on all the requests made, weighted by the effort (time and energy) to obtain the useful information.
  • Access security quantifies how the feature is secured and in particular whether the feature is only accessible to users authorized to view it (need and right to know). Access security is defined by the coverage of security rules and implemented in relation to the sensitivity of each piece of information.
  • each compliance indicator is not necessarily assessed for each characteristic. In such a case, either the indicator(s) take a neutral value, such as a median value, or the corresponding compliance indicator(s) are not calculated.
  • each indicator is evaluated according to a given context.
  • Each conformity indicator I being, as previously indicated, a measure of the suitability of the component 30 to be used in the use U, the computer system 10 is a measurement system since the computer system 10 takes into account measurements, performs calculations on these measurements and obtains a new measurement.
  • the semantic database B is thus capable of controlling a computer system 10 so that it obtains measurements, performs calculations and obtains one or more new measurements.
  • the semantic database B therefore has an additional advantage over a simple database which would have the same data since it allows a measuring system to be ordered so that it carries out the desired measurement.
  • the computer system 10 would not be able to precisely calculate the conformity indicators I and therefore would not be able to measure whether or not the component 30 is suitable for the specific use.
  • the specific use is the manufacture or maintenance of a waterproof housing.
  • one component is a seal, another component being a cover of the housing.
  • the components include: a seal, a fuselage sheet, and a nut.
  • the specific use is the reconditioning of a switching power supply.
  • the components include: a protection fuse, a diode bridge, a capacitor, a transistor, a transformer, a coil and a control circuit.
  • the specific use is the exploitation of open-source software.
  • the components include: conditions of use of the software, operating licenses, dependencies with other software or technical infrastructures, documents and source code of the software
  • the I-use conformity indicators determine whether or not the component is suitable for use for the specific use.
  • the I-conformity indicators thus quantify or qualify the confidence that can be given to a plurality of C-characteristics describing each component. Thus, if the confidence is too low, for reasons that will be detailed below, the component is considered non-compliant for the specific use.
  • the semantic database B comprises components for different specific uses.
  • the same semantic database B simultaneously comprises components intended for mechanical uses, components intended for electronic uses and components intended for software uses.
  • the identification data of each component 30 is for example a name of the component, a reference of the component 30 intrinsic to the initial database 25, or a standardized reference of the component 30.
  • the initialization phase 100 comprises an obtaining step 110 and a conversion step 120.
  • the data structure and the set of evaluation rules of the converted database B determine the implementation of the evaluation of the conformity indicators I by the calculator 15.
  • At least one characteristic is connected to several components by different arcs.
  • each feature is associated with only one component.
  • the converted database B includes only one copy of this certificate, which forms a node of the semantic graph. An arc then connects this node to each component considered in this certificate.
  • each component is characterized, in the converted database B, by the following elements: identification, classification, characteristic(s), application, use and possibly associations.
  • the identification is for example the identification data of the component present in the or one of the initial databases 25.
  • the classification defines the type of component corresponding to the identification. For example, when a component identification is “RT100000025M”, the associated classification is “resistor”.
  • the C characteristic(s) are those present in the initial database(s) 25.
  • the C characteristics are for example of two types: documentation and technical characteristics.
  • the documentation includes the set of files included in the initial database(s) 25 relating to the components.
  • Documentation includes, for example, component data sheets, component descriptions and certificates.
  • the technical characteristics are quantified values directly entered into the initial database(s) 25 or automatically extracted from the documentation during the conversion step 120.
  • certain technical characteristics result from a measurement carried out prior to the implementation of the method and, either of which measured values are directly integrated into the initial database 25, or of which values are compiled in a document such as a PDF file.
  • the values of the technical characteristics are preferably extracted automatically from said documentation.
  • Applications define, for example, the domain or context of use of the component. For example, applications indicate recommendations for use from the manufacturer of the component. In a particular example where the component is an industrial paint, applications define, for example, recommended temperature or humidity values for applying the paint.
  • the uses come from the initial database(s) 25 and define who the users of the components are as well as the use cases. Here the uses are associated with the roles of the users of the device D. These roles can be of different natures: a user of the device such as a buyer or an engineer; a business expert in charge of producing and maintaining the data.
  • Associations characterize the relationships between components. For example, associations indicate whether two components are compatible, equivalent, derived from each other, or replacement components for each other.
  • Each evaluation rule is intended to be applied to at least one characteristic stored in the converted database B to evaluate a conformity indicator I to the use of the component associated with the at least one characteristic.
  • the evaluation rules are for example predefined and include the equations and the ways in which each indicator I is calculated.
  • Each evaluation rule is optionally specific to at least one component of the converted database B. At least one rule in the set of evaluation rules depends on the specific use of the associated component(s).
  • the use phase 200 comprises an evaluation step 210, an alert step 220 and preferably a prediction step 230 and a warning step 240.
  • the calculator 15 evaluates, for each component, the indicators of conformity I to the use of the component, by application, to the associated characteristics C, of at least one rule from the set of evaluation rules.
  • each rule also includes a predefined conformity criterion associated with each conformity indicator I. If at least one conformity indicator I does not respect the predefined criterion, then the associated component is indicated as non-compliant in the converted database B.
  • the use phase 200 then comprises an alert step 220, during which the calculator 15 issues an alert to a user if at least one conformity indicator I violates the predefined conformity criterion. Indeed, in such a situation, the component is not compliant with the specific use and the alert step allows the user to be informed thereof.
  • the alert is, for example, data available and made available to the user through different means depending on the use cases and the user experience, such as a visual alert (pop-up message, icon), a summary dashboard, a global or local map, or any type of signal likely to alert the user.
  • a visual alert pop-up message, icon
  • a summary dashboard a global or local map, or any type of signal likely to alert the user.
  • the characteristic is a certificate that must be issued each year and certifies that a component withstands a stress such as mechanical stress
  • the conformity indicator I associated with said components does not meet the predefined conformity criterion.
  • an alert is issued to the user to warn them that the component is not compliant since the certificate was issued more than one year ago.
  • an edition date in the source and/or an update date in the converted database B is associated with each characteristic in the converted database B.
  • the edition date is the date on which the characteristic was measured, determined or established.
  • the update date is the date on which the characteristic was recorded in the converted database B on which the indicators are calculated.
  • the use phase 200 further comprises a prediction step 230, for each component, of a risk of non-compliance at a predefined time horizon, based on the results of the evaluation rules and the date of publication of each characteristic associated with the component.
  • the predefined time horizon advantageously depends on the characteristic considered and/or the component considered and preferably on the employment context.
  • the calculator 15 predicts a risk of non-compliance at a predefined time horizon of the certificate if the anniversary date of the certificate expires before the predefined time horizon.
  • the non-conformity risk has a binary value.
  • the non-conformity risk has an integer or real value.
  • the value of the non-conformity risk depends on the predefined time horizon, the issue date of the characteristic and the evaluation rules.
  • the usage phase 200 further comprises a warning step 240, during which the calculator 15 issues a warning to a user if at least one risk of non-compliance is greater than a predefined threshold.
  • the converted database is functional and usable. For example, it can be queried by the user to check the conformity indicators I associated with each component.
  • the update phase 300 comprises a reception step 310, an update step 320 and an alert step 330.
  • At least one new characteristic concerning at least one component of the converted database B is added to said converted database B.
  • the update phase 300 comprises a step 310 of receiving at least one new characteristic relating to at least one component of the converted database B.
  • Each new feature received is, for example, a certificate, a measurement, or an authorization to market a component.
  • the update phase 300 further comprises a step 320 of updating the converted database B, to obtain an updated database.
  • the updating step 320 comprises a reassessment sub-step 321, during which the calculator 15 reassesses each conformity indicator I associated with said component, by applying the evaluation rules to a set comprising the characteristics C associated with said component in the converted database B and the new characteristic C.
  • the updating step 320 is also called a data updating step.
  • the converted database B identifies other characteristics C dependent (directly or indirectly on) the new characteristic and the conformity indicators I associated with these characteristics C are also re-evaluated.
  • the calculator 15 reassesses the conformity indicators I of the measurement characteristic.
  • the updating step 320 further comprises a sub-step 322 of storing, in the updated database, each re-evaluated conformity indicator I.
  • the update phase 300 further comprises an alert step 330, during which the calculator 15 issues an alert to a user if at least one re-evaluated conformity indicator I violates a predefined conformity criterion established from the evaluation rules.
  • the integration phase 400 comprises a reception step 410, an integration step 420, an evaluation step 430 and an alert step 440.
  • Integration phase 400 concerns the integration of a new component into the converted database B.
  • the new component is for example a new element for manufacturing, maintenance or reconditioning, a new device D or an alternative to a component already included in the converted database B.
  • the new component is theoretically identical to an existing component but comes from a competing supplier or is intended for a specific use different from that intended for the first component.
  • the integration phase 400 includes a step 410 of receiving identification data for the new component and preferably new specific evaluation rule(s).
  • the integration phase 400 further comprises a step 420 of integrating, in the modified structure of the converted database B, the identification data and the new evaluation rule(s).
  • the integration step 420 comprises establishing a semantic link between characteristic(s) of the converted database B and the identification data of the new component.
  • a feature of the converted database B is a marketing authorization for a plurality of components including the new component
  • said feature is linked to the identification data of the new component.
  • the integration phase 400 further comprises an evaluation step 430, during which the calculator 15 evaluates the conformity indicator(s) I associated with the new component, by applying new evaluation rule(s) to the characteristic(s) which is/are linked to the identification data of the new component.
  • the integration phase 400 further comprises an alert step 440, during which the calculator 15 issues the aforementioned alert to the user if a conformity indicator I does not meet a predefined criterion.
  • the update 300 and integration 400 phases are implemented simultaneously.
  • the identification data of a new component and new characteristic(s) relating to this component are received.
  • the re-evaluation sub-steps 321 and the evaluation step 430 are implemented simultaneously and comprise the evaluation of the conformity indicators I of the characteristic(s) C linked to the new component. Examples of correction phase 500
  • the characteristics whose indicators imply non-conformities make it possible to identify the corrections to be made to the input data.
  • the correction phase 500 comprises a self-correction step 510 and, where applicable, a correction recommendation step 520.
  • the method further comprises an automatic correction phase 500, during which the converted database B makes corrections or correction recommendations in the respective identification, classification, characteristic(s), application, usage and possibly associations of each component of the converted database.
  • the automatic correction phase 500 is preferably implemented in parallel with the evaluation 200, update 300 and integration 400 phases.
  • the automatic correction phase 500 comprises a self-correction step 510, during which errors, such as typographical errors or missing information, are automatically detected and corrected, for example from a dictionary and an automatic corrector included in the converted database B.
  • the self-correction step 510 comprises an error detection sub-step 512, during which the automatic corrector detects, in one or more words, an error by comparing the word with the words included in the dictionary.
  • the self-correction step 510 then comprises a sub-step 514 of generating candidates for correction, during which the automatic corrector determines, for example among the words in the dictionary, those which are similar to the word containing an error, also called an erroneous word.
  • the self-correction step 510 then comprises a sub-step 516 of classifying the generated candidates, during which the automatic corrector calculates for each candidate a distance with the erroneous word.
  • the distance is for example the Levenshtein distance, also called minimum editing distance. This distance quantifies the minimum number of operations required to transform the erroneous word into the candidate.
  • the operations considered preferably include insertion, deletion, substitution and transposition.
  • the self-correction step 510 then comprises a comparison sub-step 518 during which the calculator 15 compares the distance between the candidate having said lowest distance and the erroneous word, to a predefined threshold. If the distance is less than or equal to the predefined threshold, the self-correction step 510 includes a replacement sub-step 519 during which the calculator 15 automatically replaces the erroneous word with said candidate.
  • the self-correction phase 500 includes a correction recommendation step 520.
  • the correction recommendation phase 520 is based on word embedding techniques.
  • the correction recommendation step 520 includes an initialization sub-step 522 during which the calculator 15 associates, with each word of the dictionary, a vector of initial digital values.
  • the correction recommendation step 520 comprises a learning sub-step 524 during which the calculator 15 adjusts the numerical values of each vector so that the vectors associated with two words regularly present in the same sentence and/or in the same context have substantially similar values.
  • the CBOW or Skip-Gram process is for example used. This then provides a semantic representation of the words according to the occurrences of appearance in the converted database B.
  • the correction recommendation step 520 includes a selection sub-step 526 during which the calculator 15 selects, as new candidates, the words whose Levenshtein distance with the erroneous word is less than a predefined threshold.
  • the correction recommendation step 520 includes a proposal sub-step 528 during which the calculator 15 sends the user a list of new candidates.
  • the correction recommendation step 520 comprises an implementation sub-step 529 during which the calculator 15 receives an instruction of a new candidate selected by the user, from the list of new candidates.
  • the implementation sub-step 529 comprises the replacement of the erroneous word by the new candidate selected by the user.
  • the correction step 500 preferably also includes the transmission, to the initial databases, of the errors identified and the corrections made or recommendations as well as the validations made by the users.
  • the method only comprises the initialization phase 100 and the use phase 200.
  • the method further comprises only the update phase 300 or the integration phase 400.
  • the method further comprises the correction phase 500.
  • the use phase 200 does not include the prediction 230 and warning 240 steps.
  • At least one of the components of the converted database B is a seal whose specific use is the manufacture or maintenance of a waterproof housing.
  • the waterproof housing is intended to be immersed in water to a predetermined depth to prevent water infiltration into the housing despite an overpressure induced by the water on an exterior of the housing.
  • a characteristic of said component is a measured resistance to overpressure.
  • One of the assessment rules is specific to calculating a difference between the measured overpressure resistance and a predefined value depending on the predetermined depth.
  • the conformity indicator I resulting from the application of this rule is a function of said difference.
  • the associated conformity indicator I takes a low value and during the alert step 220, 330 or 440, the alert is issued to the user to indicate that the use of the seal is not compliant for the manufacture or maintenance of the waterproof housing.
  • the measured resistance was measured by one of the operators in the production room and another characteristic is a pressure resistance measurement certificate, from a certified metrology institute.
  • the conformity indicators I of credibility and truthfulness will take higher values for the characteristic from the certified metrology institute than for the resistance measured by the operator.
  • another component of the converted database B is the same seal for a distinct specific use.
  • the distinct specific use is the manufacture or maintenance of a fuselage of an aircraft to prevent air leaks from an interior of the fuselage to an exterior where the atmospheric pressure is lower.
  • a characteristic of said component is a measured resistance to depression.
  • one of the evaluation rules is suitable for calculating a difference between the measured resistance to depression and a predefined value depending on a predefined maximum flight altitude of the aircraft.
  • the conformity indicator I obtained by applying said evaluation rule is a function of the calculated difference.
  • conformity indicators I assessed, during assessment steps 210, 430 or during reassessment sub-step 321, are not necessarily the same for the component intended for use in the sealed housing and for that intended for use in the fuselage of an aircraft, although these components are theoretically the same components.
  • At least one of the components of the converted database B is a capacitor whose specific use is the reconditioning of a switching power supply.
  • the characteristics C of said component comprise a thermal dispersion of said component and/or one or more acceptable soldering technologies.
  • One of the evaluation rules is specific to the requirements (constraints) of the device such as its conditions of use, the environment in which the device is integrated and/or the operating conditions, and is based on the indicators previously defined for the given context.
  • At least one of the components of the converted database B is a source code whose specific use is the exploitation of Open Source software.
  • a characteristic of said component is a version of the software.
  • One of the evaluation rules evaluates the correspondence between the source code and the version of the software, for example using an identifier present in the source code capable of being incremented at each version.
  • the conformity indicator I obtained by applying said rule is representative of a correspondence between the version and the source code, such as a binary value equal to “1” if the source code corresponds to the version, or equal to “0” otherwise.
  • the converted database B makes it possible to concentrate all the information and characteristics C associated with each component throughout its cycle, from the development of a device D, to the production, maintenance or reconditioning of said device D, including its marketing.
  • the conformity indicator evaluation technique I makes it possible to automatically evaluate the confidence that can be given to each characteristic and therefore to the use of the component.
  • the modified data structure of the converted database B allows for greater agility in the links between C features and components. Indeed, when the converted database B is a semantic graph, the connections, or arcs, make it possible to give meaning to each link between the components and the characteristics C. In addition, the semantic graph structure makes it possible to infer knowledge from already existing connections between these elements. This makes it possible in particular to predict future non-conformities.
  • the method, the semantic database, the computer program product and the information medium according to the invention make it possible to simplify and make more reliable the provision of information to a user concerning the conformity of use of components for the manufacture, maintenance or reconditioning of devices, in particular mechanical, electronic or software.

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Le procédé de génération d'une base sémantique (B) de données de suivi d'indicateurs déterminant si un composant est apte pour une utilisation spécifique, comprend : - une étape d'obtention d'une base de données initiale associant au composant une donnée d'identification initiale et une pluralité de caractéristiques initiales, - une étape de conversion de la base de données initiale en la base sémantique (B), présentant une structure de données modifiée et un ensemble de règles destinées chacune à être appliquée à une caractéristique mémorisée dans la base sémantique (B) pour évaluer un indicateur, la structure de données et l'ensemble des règles de la base sémantique (B) déterminant l'évaluation des indicateurs par un calculateur (15). Le procédé comprend une étape d'évaluation, pour le composant, de l'indicateur, par application, aux caractéristiques associées, d'une règle.

Description

DESCRIPTION
TITRE : Procédé de génération d’une base de données de suivi d’indicateurs de conformité de composants et dispositifs associés
DOMAINE DE L’INVENTION
La présente invention concerne un procédé de génération d’une base sémantique de données de suivi d’indicateurs de conformité de composants.
La présente invention concerne également une base sémantique de données de suivi d’indicateurs de conformité de composants, un produit programme d’ordinateur et un support d’information.
La conformité est prise ici dans le sens où des indicateurs mesurés ou calculés sont conformes à des attentes prédéfinies pour une utilisation particulière.
ARRIERE-PLAN TECHNOLOGIQUE DE L’INVENTION
L’invention concerne le domaine du suivi d’indicateurs de conformité de composants mécaniques, électroniques ou logiciels par exemple pour la fabrication, la maintenance ou le reconditionnement de dispositifs mécaniques, électroniques ou logiciels.
Dans l’industrie, il est nécessaire de connaître les caractéristiques de différents composants, afin de pouvoir développer, fabriquer, effectuer de la maintenance ou reconditionner différents dispositifs.
Pour cela, il est connu d’utiliser des bases de données de type tabloïde comprenant certaines informations relatives à des composants.
Toutefois, ces bases de données sont généralement spécifiques de chaque intervenant dans la chaîne de fabrication, maintenance ou reconditionnement du dispositif. Ainsi, l’utilisateur ne sait pas nécessairement où chercher l’information.
En outre, avec des bases de données de type tabloïde, la recherche des informations peut être longue et fastidieuse.
De plus, étant donné la multiplication des bases de données, un utilisateur ne sait pas forcément où chercher l’information dont il a besoin.
Même à supposer que l’utilisateur ait connaissance de toutes les bases de données, il est souvent confronté à un problème de terminologie puisque chaque base de données a tendance à utiliser sa terminologie respective propre aux intervenants pour laquelle ladite base de données a été établie. Même à supposer en outre que l’utilisateur connaisse toutes les terminologies, une même caractéristique peut avoir différentes valeurs ou différents sens, aussi appelés sémantiques dans différentes bases de données selon la source dont est originaire la caractéristique.
Ainsi, même à supposer que l’utilisateur consulte chaque base de données, il est alors confronté à un problème de cohérence entre les caractéristiques présentes dans les différentes bases de données et ne dispose pas d’indicateur objectif pour déterminer en quelle caractéristique il doit le plus avoir confiance.
Ces difficultés conduisent alors à des risques de non-conformité des dispositifs fabriqués, issus de maintenance ou de reconditionnement.
A titre d’exemple, pour fabriquer un dispositif destiné à être plongé dans l’eau, un utilisateur a besoin de connaître la résistance à la pression des différents composants propres à être utilisés pour former le dispositif afin de choisir ceux qui seront réellement utilisés.
Ainsi, pour certains intervenants, un ordre de grandeur de la résistance à la pression d’un composant est suffisant, alors qu’une valeur précise est nécessaire pour d’autres.
Dans l’exemple présenté ci-dessus, il existe donc un risque qu’un des composants ne résiste pas à la pression requise.
RESUME DE L’INVENTION
Il existe donc un besoin de fiabiliser la fourniture d’informations et simplifier l’accès et l’exploitation, à un utilisateur, concernant la conformité d’utilisation de composants pour la fabrication, la maintenance ou le reconditionnement de dispositifs, notamment mécaniques, électroniques ou logiciels.
A cet effet, l’invention a pour objet un procédé de génération d’une base sémantique de données de suivi d’indicateurs de conformité de composants, les composants étant destinés à être utilisés pour une utilisation spécifique, l’utilisation spécifique étant la fabrication, la maintenance ou le reconditionnement de dispositifs mécaniques, électroniques ou logiciels comportant au moins l’un des composants, des indicateurs de conformité à l’utilisation déterminant si le composant est apte ou non à être utilisé pour l’utilisation spécifique, le procédé étant mis en œuvre par un système informatique comprenant un calculateur et une mémoire, le procédé comprenant une phase d’initialisation comportant :
- une étape d’obtention d’une base de données initiale, la base de données initiale présentant une structure initiale, la structure initiale étant une structure tabulaire associant, à chaque composant d’une pluralité de composants initiaux, au moins une donnée d’identification initiale du composant et une pluralité de caractéristiques initiales dudit composant, au moins une des caractéristiques résultant d’une mesure d’une grandeur caractérisant le composant, et
- une étape de conversion de la base de données initiale en la base sémantique de données de suivi d’indicateurs de conformité, dite base de données convertie, présentant une structure de données modifiée par rapport à la base de données initiale et un ensemble de règles d’évaluation, chaque règle d’évaluation étant destinée à être appliquée à au moins une caractéristique mémorisée dans la base de données convertie pour évaluer un indicateur de conformité à l’utilisation du composant associé à l’au moins une caractéristique, la structure de données et l’ensemble des règles d’évaluation de la base de données convertie déterminant la mise en œuvre de l’évaluation des indicateurs de conformité par le calculateur, le procédé comportant, en outre, une phase d’utilisation comprenant :
- une étape d’évaluation, pour chaque composant, de l’indicateur de conformité à l’utilisation du composant, par application, aux caractéristiques associées, d’au moins une règle de l’ensemble de règles d’évaluation.
Selon des modes de réalisations particuliers, le procédé de génération selon l’invention comprend une ou plusieurs des caractéristiques suivantes, prises isolément ou suivant toutes les combinaisons techniquement possibles.
- la phase d’utilisation comprend en outre :
- une étape d’alerte, lors de laquelle une alerte est émise à destination d’un utilisateur si au moins un indicateur de conformité enfreint un critère prédéfini de conformité établi à partir des règles d’évaluation ;
- le procédé comprend, en outre, une phase de mise à jour comportant :
- une étape de réception d’au moins une nouvelle caractéristique portant sur au moins un composant de la base de données convertie,
- une étape d’actualisation de la base de données convertie, pour obtenir une base de données actualisée, comportant : o une sous-étape de réévaluation, par le calculateur, de chaque indicateur de conformité associé audit composant, par application des règles d’évaluation à un ensemble comprenant les caractéristiques associées audit composant dans la base de données convertie et la nouvelle caractéristique, et o une sous-étape de mémorisation, dans la base de données actualisée de chaque indicateur de conformité réévalué, - une étape d’alerte, lors de laquelle une alerte est émise à destination d’un utilisateur si au moins un indicateur de conformité réévalué enfreint un critère prédéfini de conformité établi à partir des règles d’évaluation ;
- une date d’édition est associée à chaque caractéristique, la date d’édition étant la date à laquelle la caractéristique a été mesurée, déterminée ou établie, la phase d’utilisation comprenant, en outre :
- une étape de prédiction, pour chaque composant, d’un risque de non-conformité à un horizon temporel prédéfini, à partir des résultats des règles d’évaluation et de la date d’édition de chaque caractéristique associée au composant, et
- une étape d’avertissement, lors de laquelle un avertissement est émis à destination d’un utilisateur si au moins un risque de non-conformité est supérieur à un seuil prédéfini ;
- la structure de données de la base de données convertie est un graphe sémantique ;
- chaque règle d’évaluation est spécifique d’au moins un composant de la base de données convertie, au moins une règle de l’ensemble des règles d’évaluation dépendant de l’utilisation spécifique du ou des composants associés ;
- au moins un indicateur de conformité quantifie la confiance accordée à une des caractéristiques du composant pour décrire un aspect du composant ;
- le procédé comprend en outre une phase d’intégration d’un nouveau composant dans la base de données convertie, comprenant : une étape de réception d’une donnée d’identification du nouveau composant et de nouvelle(s) règle(s) d’évaluation spécifiques, une étape d’intégration, dans la structure modifiée de la base de données convertie de la donnée d’identification, et de(s) nouvelle(s) règle(s) d’évaluation, l’intégration comprenant l’établissement d’un lien sémantique entre de(s) caractéristique(s) de la base de données convertie et la donnée d’identification du nouveau composant, et une étape d’évaluation de l’indicateur de conformité associé au nouveau composant par application de(s) nouvelle(s) règle(s) d’évaluation au(x) caractéristique(s) reliées à la donnée d’identification ;
- au moins un des composants de la base de données convertie est un joint d’étanchéité dont l’utilisation spécifique est la fabrication ou la maintenance d’un boîtier étanche destiné à être plongé dans l’eau jusqu’à une profondeur prédéterminée pour éviter des infiltrations d’eau dans le boitier malgré une surpression induite par l’eau sur un extérieur du boitier, une caractéristique dudit composant étant une résistance mesurée à la surpression, une des règles d’évaluation étant propre à calculer une différence entre la résistance à la surpression mesurée et une valeur prédéfinie dépendant de la profondeur prédéterminée, l’indicateur de conformité obtenu par application de ladite règle d’évaluation étant fonction de la différence calculée ;
- un autre composant de la base de données convertie est le même joint d’étanchéité pour une utilisation spécifique distincte, l’utilisation spécifique distincte étant la fabrication ou la maintenance d’une carlingue d’un aéronef pour éviter des fuites d’air depuis un intérieur de la carlingue vers un extérieur où la pression atmosphérique est plus faible, une caractéristique dudit composant étant une résistance mesurée à la dépression, une des règles d’évaluation étant propre à calculer une différence entre la résistance à la dépression mesurée et une valeur prédéfinie dépendant d’une altitude maximale de vol de l’aéronef prédéfinie, et l’indicateur de conformité obtenu par application de ladite règle d’évaluation étant fonction de la différence calculée ; et
- au moins un des composants de la base de données convertie est un condensateur dont l’utilisation spécifique est le reconditionnement d’une alimentation à découpage, les caractéristiques dudit composant comprenant : une mesure de capacité dudit composant, une dispersion thermique dudit composant et/ou une ou plusieurs technologies de soudure acceptables, une des règles d’évaluation étant propre à la caractéristique technique considérée et au contexte d’usage défini par un utilisateur, l’indicateur de conformité obtenu par application de ladite règle.
La présente invention a également pour objet une base sémantique de données de suivi d’indicateurs de conformité de composants, les composants étant destinés à être utilisés pour une utilisation spécifique, l’utilisation spécifique étant la fabrication, la maintenance ou le reconditionnement de dispositifs mécaniques ou électroniques comportant au moins l’un des composants, des indicateurs de conformité à l’utilisation déterminant si le composant est apte ou non à être utilisé pour l’utilisation spécifique, la base de données de suivi d’indicateurs de conformité étant susceptible d’être obtenue par un procédé de génération tel que décrit ci-dessus.
La présente invention a également pour objet un produit programme d’ordinateur comprenant des instructions logicielles qui, lorsqu’elles sont mises en œuvre par un calculateur, mettent en œuvre un procédé tel que décrit ci-dessus. La présente invention a également pour objet un support d’information comportant des instructions de programme formant un programme d’ordinateur, le programme d’ordinateur étant chargeable sur une unité de traitement de données et mettant en œuvre un procédé tel que décrit ci-dessus lorsque le programme d’ordinateur est mis en œuvre sur l’unité de traitement de données.
Dans la présente description, l’expression « propre à » signifie indifféremment « adapté pour », « adapté à » ou « configuré pour ».
BREVE DESCRIPTION DES DESSINS
L’invention sera mieux comprise à la lecture de la description qui va suivre, faite en référence aux dessins annexés sur lesquels :
[Fig 1 ] la figure 1 est une représentation schématique d’un système informatique de génération d’une base sémantique de données,
[Fig 2] la figure 2 est une représentation schématique de la base sémantique de données issue du système informatique de génération de la figure 1 ,
[Fig 3] la figure 3 est un organigramme d’un procédé de génération mis en œuvre par le système informatique de génération de la figure 1 , et
[Fig 4] la figure 4 est une vue en détail d’une phase d’autocorrection du procédé dont un organigramme est représenté sur la figure 3.
DESCRIPTION DETAILLEE DE MODES DE REALISATION PREFERES
Description du système
Sur la figure 1 est représenté un système informatique de génération 10, aussi appelé système informatique 10. Le système informatique 10 comprend un calculateur 15 et une mémoire 20.
Le calculateur 15 est propre à mettre en œuvre un procédé de génération d’une base sémantique de données qui sera décrit ultérieurement. Le procédé de génération est donc un procédé de génération mis en œuvre par ordinateur.
Le calculateur 15 est un système d’information conçu pour manipuler et/ou transformer des données représentées.
Le procédé est réalisé sous forme d’un ou plusieurs logiciels, c’est-à-dire sous forme d’un programme d’ordinateur, également appelé produit programme d’ordinateur, il est en outre apte à être enregistré sur un support, non représenté, lisible par ordinateur. Le support lisible par ordinateur est par exemple un medium apte à mémoriser des instructions électroniques et à être couplé à un bus d’un système informatique. A titre d’exemple, le support lisible est un disque optique, un disque magnéto-optique, une mémoire ROM, une mémoire RAM, tout type de mémoire non-volatile (par exemple FLASH ou NVRAM) ou une carte magnétique. Sur le support lisible est alors mémorisé un programme d’ordinateur comprenant des instructions logicielles.
Pour mettre en œuvre le procédé de génération, le calculateur 15 communique avec la mémoire 20 propre à stocker des données à traiter par le calculateur 15 et des données traitées par le calculateur 15.
Objectif du procédé de génération
Description de la base sémantique de données
Le fonctionnement du système 10 est maintenant décrit en référence à la figure 2.
Le procédé de génération vise à obtenir une base sémantique de données B de suivi d’indicateurs de conformité I de composants 30.
Les composants 30 sont ici des entités physiques réelles faisant partie d’un dispositif physique réel, qui est ici un dispositif mécanique, électronique ou logiciel. Un tel dispositif est représenté schématiquement par un rectangle D sur la figure 2 et sera dénommé dispositif D dans la suite de la description.
Des exemples spécifiques de composants 30 seront donnés ultérieurement.
Les composants 30 sont destinés à être utilisés pour une utilisation spécifique U.
Cette utilisation spécifique U est une utilisation technique choisie parmi le développement, la fabrication, la maintenance ou le reconditionnement du dispositif D.
Les indicateurs de conformité I à l’utilisation U déterminent si le composant 30 est apte ou non à être utilisé pour l’utilisation spécifique U.
Chaque indicateur de conformité I est ainsi une mesure de l’aptitude du composant 30 à être utilisé dans l’utilisation U.
La lecture de la base sémantique de données B par le système informatique 10 donne accès à un ensemble d’informations.
L’ensemble d’informations comporte pour chaque composant d’une pluralité de composants initiaux, au moins une donnée d’identification initiale du composant et une pluralité de caractéristiques C initiales dudit composant, au moins une des caractéristiques C résultant d’une mesure d’une grandeur caractérisant le composant.
L’ensemble d’informations comporte donc des mesures, aussi appelées points d’observation mesurés par le biais de métriques ou d’indicateurs.
La lecture de la base sémantique de données B par le système informatique 10 donne donc accès à des mesures effectuées pour chaque composant 30.
Toutefois, la base sémantique de données B n’est pas une simple base de données. La lecture de la base sémantique de données par le système informatique 10 fournit des instructions spécifiques pour l’évaluation de l’indicateur de conformité I pour chaque composant 30.
Cela vient du fait que la base sémantique de données B est caractérisée par une structure de données et un ensemble de règles d’évaluation Rs qui déterminent la mise en œuvre de l’évaluation des indicateurs de conformité I par le calculateur 15.
De fait, pour calculer les indicateurs de conformité I, le système informatique 10 applique aux caractéristiques C disponibles dans la structure de données de la base sémantique de données B et relatives au composant 30 à caractériser au moins une règle R de l’ensemble de règles d’évaluation Rs.
Le contenu de la base sémantique de données B est ainsi une commande des actions effectuées par le système informatique 10.
Par l’intermédiaire de la base sémantique de données B, le système informatique 10 est ainsi propre à obtenir les indicateurs de conformité I en partant de mesures effectuées précédemment.
Préférentiellement, à chaque caractéristique sont associés plusieurs indicateurs de conformité I quantifiant ou qualifiant respectivement la caractéristique selon un des aspects décrits ci-après.
A titre d’exemple, les indicateurs de conformités I sont répartis en des aspects de quatre types. Les quatre types sont les suivants :
- le type intrinsèque qui quantifie la confiance accordée dans la caractéristique en tant que telle et dans la source ayant produit cette caractéristique ;
- le type contextuel qui quantifie la confiance accordée dans la caractéristique pour l’utilisation du ou des composants associés dans l’utilisation spécifique considérée ;
- le type représentationnel qui quantifie la confiance accordée dans la clarté d’obtention d’informations issues de la caractéristique ; et le type d’accessibilité qui quantifie la confiance accordée dans la disponibilité des données pour différents utilisateurs intervenant pour l’utilisation spécifique du ou des composants associés à la caractéristique.
Ces types sont définis de manière propre au dispositif D considéré ou aux composants 30 le constituant. En variante, ces types dépendent du destinataire de la base sémantique de données.
L’attribut intrinsèque est indépendant de l’utilisation spécifique du ou des composants associés à la caractéristique. A titre d’exemple, les indicateurs I du type intrinsèque comprennent : la crédibilité, la véracité, l’exactitude, l’objectivité et la réputation.
La crédibilité est le degré auquel une caractéristique est crédible. La crédibilité est par exemple calculée en fonction de la caractéristique considérée, c’est-à-dire de son ordre de grandeur, son unité de mesure ou sa fraîcheur comme expliqué ci-après. La crédibilité est, en outre, calculée en fonction de la source qui a produit la caractéristique, les sources étant par exemple pré-évaluées par des experts.
La véracité définit le fait qu’une information est juste et correcte par rapport à l’objet réel qu’elle décrit. Ainsi, la véracité dépend de la source de la caractéristique, par exemple de l’entité ayant produit la caractéristique dans le cas d’un certificat et/ou de la manière dont la caractéristique a été collectée. Par exemple, la véracité dépend de l’instrument de mesure dans le cas où la caractéristique résulte d’une mesure. Le calcul de la véracité s’appuie sur des définitions et règles métiers. Le résultat est binaire : 0 = FAUX, 1 = VRAI.
L’exactitude quantifie que la caractéristique est certifiée sans-erreur, sans-défaut, ou à quel point des erreurs sont facilement identifiables, ainsi que la précision de la caractéristique. L’exactitude est un score compris entre 0 et 1 .
L’exactitude est par exemple calculée selon l’équation suivante :
Figure imgf000011_0001
Où :
• a) est la valeur la caractéristique,
• est la valeur correspondante réelle, et
• d(. , . ) est une mesure de distance telle qu’une distance euclidienne ou une distance de Hamming.
Par exemple, si la caractéristique à qualifier a une précision à 10-3 près, alors l’exactitude est environ égale à 0,997.
L’objectivité, aussi appelée impartialité, quantifie le degré auquel une caractéristique est impartiale ou est affectée par des critères subjectifs dans son élaboration. Selon un exemple, l’objectivité est calculée à partir d’approches à base de théorie de la croyance (extension des fonctions de probabilité dans laquelle la mesure de l’univers est inférieure ou égale à 1 , ce qui permet de caractériser la subjectivité d’un décideur) ou à partir de la logique floue.
La réputation quantifie une évaluation subjective globale de la qualité de la caractéristique sur une période de temps prédéfini par un utilisateur. La réputation est, par exemple, calculée par un étiquetage similaire à l’étiquetage du type nutriscore, aussi appelé score énergétique (« A B C D ou E») ou par une notation financière. A titre d’exemple, les indicateurs I du type contextuel comprennent : la valeur ajoutée, la pertinence, l’exhaustivité, et la fraicheur.
La valeur ajoutée quantifie si la caractéristique permet d’avoir un avantage concurrentiel dans l’utilisation spécifique. La valeur ajoutée est, par exemple, calculée par des méthodes d’analyse fonctionnelle et d’analyse de la valeur (AFAV).
La pertinence quantifie l’importance de la caractéristique pour l’utilisation spécifique considérée. Autrement dit, la pertinence quantifie si la caractéristique est intéressante, applicable et utilisable pour l’utilisation spécifique. La pertinence est, par exemple, calculée en fonction du domaine d’emploi (ODD : Operational Design Domain, défini lors des spécifications). On vérifie donc que tous les types de données nécessaires pour couvrir l’ODD sont présents afin de répondre aux questions posées par les utilisateurs. La pertinence calculée est alors par exemple un taux de couverture.
L’exhaustivité quantifie si la caractéristique décrit le composant en profondeur. L’exhaustivité est préférentiellement complémentaire de la pertinence. L’exhaustivité est par exemple calculée comme étant la couverture des données pour répondre à la question posée sur l’ensemble du contexte étudié.
La fraîcheur quantifie l’âge de la caractéristique. Autrement dit, la fraîcheur définit la durée depuis laquelle la caractéristique a été établie.
Par exemple, la fraîcheur est calculée selon l’équation suivante :
Figure imgf000012_0001
où :
• max(. , . ) est la fonction maximum
• âge de la caractéristique est la différence de temps (en nombre de jours) entre l’insertion de la caractéristique dans la base de données convertie et la dernière évaluation de la fraîcheur associée à cette caractéristique,
• durée de coonservation est une valeur prédéfinie respective de la caractéristique correspondant au nombre de jours pendant lequel la caractéristique est considérée à jour, et
• s est un paramètre réglable par un expert et dépendant de la caractéristique.
L’approche représentationnelle quantifie la capacité à présenter et à exploiter les informations contenues dans la caractéristique, c’est-à-dire dans un fichier, un document, un message ou encore une interface graphique utilisés pour transmettre l’information. Ainsi on considère, la forme sous laquelle l’information est « formatée » ou « mise en page », selon qu’on s’intéresse à une application ou à un humain. A titre d’exemple, les indicateurs I du type représentationnel comprennent : l’interprétatibilité, la compréhensibilité, la cohérence de la représentation et la concision de la représentation.
L’interprétatabilité quantifie la capacité à faire comprendre à l’utilisateur la signification de ce qui lui est montré. Elle est calculée au travers des retours utilisateurs (enquêtes, remontées de problèmes ou questions).
La compréhensibilité quantifie la lisibilité et la clarté des informations dans la caractéristique. De même, la compréhensibilité est calculée au travers de retours utilisateurs.
La cohérence de la représentation quantifie une déviation de la présentation des informations dans la caractéristique par rapport à d’autres caractéristiques C similaires ou au fil du temps. La cohérence de la représentation est préférentiellement garantie par construction et par le maintien de la taxonomie et de l’ontologie du domaine, i.e. de la base sémantique de données
La concision de la représentation quantifie si la caractéristique ne présente pas un volume trop important d’informations inutiles et si les formats de données sont optimaux pour des questions de performances et de leur exploitation. La concision est calculée par un ratio entre l’information utile (telle que définie par l’ODD et l’ontologie) et la taille du fichier.
A titre d’exemple, les indicateurs I du type d’accessibilité comprennent l’accessibilité et la sécurité d’accès.
L’accessibilité quantifie la façon dont la caractéristique est identifiable, récupérable, disponible, à un instant comme de manière pérenne, pour les différents utilisateurs. L’accessibilité quantifie également la rapidité d’accès à la caractéristique par le ou les utilisateurs. L’accessibilité est par exemple le ratio entre le nombre d’accès à l’information sur l’ensemble des requêtes réalisées, pondéré de l’effort (temps et énergie) pour obtenir l’information utile.
La sécurité d’accès quantifie la manière dont la caractéristique est sécurisée et en particulier si la caractéristique n’est accessible qu’aux utilisateurs autorisés à la consulter (besoin et droit d’en connaitre). La sécurité d’accès est définie par la couverture des règles de sécurité et mise en œuvre en lien avec la sensibilité de chacune des informations.
Il est clair que chaque indicateur de conformité n’est pas nécessairement évalué pour chaque caractéristique. Dans un tel cas, soit l’indicateur ou les indicateurs prennent une valeur neutre, telle qu’une valeur médiane, soit l’indicateur ou les indicateurs de conformité correspondant ne sont pas calculés.
De même chaque indicateur est évalué selon un contexte donné. Chaque indicateur de conformité I étant, comme indiqué précédemment, une mesure de l’aptitude du composant 30 à être utilisé dans l’utilisation U, le système informatique 10 est un système de mesure puisque le système informatique 10 prend en compte des mesures, effectue des calculs sur ces mesures et obtient une nouvelle mesure.
La base sémantique de données B est ainsi propre à commander un système informatique 10 pour qu’il obtienne des mesures, effectue des calculs et obtienne une ou plusieurs nouvelles mesures.
Indépendamment de la valeur pour un utilisateur des données techniques contenues, la base sémantique de données B présente donc un avantage supplémentaire par rapport à une simple base de données qui aurait les mêmes données puisqu’elle permet de commander un système de mesure pour qu’il effectue la mesure souhaitée.
Il convient de souligner ici que sans la base sémantique de données B, le système informatique 10 ne serait pas capable de calculer précisément les indicateurs de conformité I et donc ne serait pas capable de mesurer si le composant 30 est adapté ou non à l’utilisation spécifique.
Dans la section suivante, il est montré un autre avantage de cette base sémantique de données B, à savoir son caractère générique. Pour cela, il va être donné des exemples des notions précédemment utilisées, à savoir de l’utilisation spécifique II, du dispositif D, des composants 30 et d’indicateur de conformité I.
Exemples d’éléments présents dans la base sémantique ou utilisés pour obtenir la base sémantique de données B
Selon un premier exemple, dans le domaine mécanique, l’utilisation spécifique est la fabrication ou la maintenance d’un boitier étanche. Dans cet exemple, un composant est un joint d’étanchéité, un autre composant étant un couvercle du boitier.
Selon un deuxième exemple, également dans le domaine mécanique, l’utilisation spécifique est la fabrication ou la maintenance d’une carlingue d’un aéronef. Dans ce deuxième exemple, les composants comprennent : un joint d’étanchéité, une tôle de la carlingue, et un écrou.
Selon un troisième exemple, dans le domaine électronique, l’utilisation spécifique est le reconditionnement d’une alimentation à découpage. Dans ce troisième exemple, les composants comprennent : un fusible de protection, un pont de diodes, un condensateur, un transistor, un transformateur, une bobine et un circuit de commande.
Selon un quatrième exemple dans le domaine logiciel, l’utilisation spécifique est l’exploitation d’un logiciel Open-Source. Les composants comprennent : des conditions d’utilisation du logiciel, des licences d’exploitation, des dépendances avec d’autres logiciels ou des infrastructures techniques, des documents et du code source du logiciel
Les indicateurs de conformité I à l’utilisation déterminent si le composant est apte ou non à être utilisé pour l’utilisation spécifique. Les indicateurs de conformité I quantifient ou qualifient ainsi la confiance accordable à une pluralité de caractéristiques C décrivant chaque composant. Ainsi, si la confiance est trop basse, pour des raisons qui seront détaillées ci-après, le composant est considéré comme non-conforme pour l’utilisation spécifique.
Préférentiellement la base sémantique de données B comprend des composants pour différentes utilisations spécifiques. Préférentiellement, la même base sémantique de données B comprend simultanément des composants destinés à des utilisations mécaniques, des composants destinés à des utilisations électroniques et des composants destinés à des utilisations logicielles.
Pour générer la base sémantique de données B, la mémoire 20 stocke par exemple une ou plusieurs bases de données initiales 25. Chaque base de données initiale 25 présente une structure initiale. La structure initiale est une structure tabulaire associant, à chaque composant 30 d’une pluralité de composants initiaux, au moins une donnée d’identification initiale de chaque composant et une pluralité de caractéristiques C initiales dudit composant 30, au moins une des caractéristiques C résultant d’une mesure d’une grandeur caractérisant le composant correspondant.
La donnée d’identification de chaque composant 30 est par exemple un nom du composant, une référence du composant 30 intrinsèque à la base de données initiale 25, ou une référence normalisée du composant 30.
Par exemple, si le composant 30 est un joint d’étanchéité, la donnée d’identification est par exemple « joint », « joint d’étanchéité », ou « joint REF ‘ 1’ ».
Par exemple, si le composant 30 est une résistance (au sens du composant), la donnée d’identification est par exemple « résistor » ou « RT100000025M ».
Chaque caractéristique initiale quantifie ou qualifie un aspect du composant.
Par exemple, pour les composants 30 mécaniques, une des caractéristiques C initiales quantifie une géométrie du composant 30, une masse du composant 30, un volume du composant 30, une résistance du composant 30, une capacité thermique du composant 30 un temps de séchage ou un pouvoir couvrant.
Par exemple, pour les composants 30 électroniques, une des caractéristiques C initiales quantifie une résistance du composant 30, une inductance du composant 30, une capacité du composant 30, une intensité maximale que supporte le composant 30, un rapport de transformation du composant 30, ou même une capacité de stockage mémoire, une vitesse de lecture ou une capacité de calcul d’un composant informatique...
Par exemple, pour les composants 30 logiciels, une des caractéristiques C quantifie, un espace mémoire occupé par le composant 30 logiciel, une version du logiciel, un contrat de licence.
Dans tous les exemples précédents, une autre caractéristique initiale est par exemple un certificat de validité d’un composant 30 pour l’utilisation dans un dispositif D prédéfini ou une autorisation de commercialisation d’un dispositif D comprenant ledit composant 30 dans un pays spécifique.
Il est ainsi clair que la donnée d’identification est préférentiellement une chaîne de caractères. Chaque caractéristique est soit un document, tel qu’un document PDF ou un tableau, soit une valeur, préférentiellement un binaire, un nombre entier relatif ou un nombre réel.
Chaque indicateur de conformité I est préférentiellement un binaire, un nombre entier relatif ou un nombre réel.
Chaque règle d’évaluation R est par exemple une fonction informatique comprenant une ou plusieurs formules pour calculer le ou les indicateurs de conformité I associés. Dans ce qui suit, il va être expliqué comment on peut obtenir une telle base sémantique de données B.
Il convient de comprendre que la méthodologie qui va être exposée est générique et peut prendre de nombreuses formes différentes selon les composants 30 et les utilisations spécifiques considérées.
Aussi, il sera d’abord décrit une description générique en référence à la figure 3 puis il sera utilisé quelques exemples concrets suffisamment différents pour bien comprendre comment la base sémantique de données B peut être obtenue dans chaque cas grâce au procédé de génération faisant l’objet de la présente invention.
Description du procédé de génération selon la figure 3
En référence à la figure 3, le procédé de génération comprend cinq phases : une phase d’initialisation 100, une phase d’utilisation 200, une phase de mise-à-jour 300, une phase d’intégration 400 et une phase de correction 500 correspondant à une boucle de retour vers la phase d’initialisation 100.
Chacune de ces phases va être successivement décrite dans ce qui suit. Exemples de phase d’initialisation 100
La phase d’initialisation 100 vise à obtenir une base sémantique de données B initiale.
La phase d’initialisation 100 comprend une étape d’obtention 110 et une étape de conversion 120.
Lors de l’étape d’obtention 110, le calculateur 15 obtient la ou chaque base de données initiale 25, par exemple depuis la mémoire 20.
Puis, lors de l’étape de conversion 120, le calculateur 15 convertit la ou chaque base de données initiale en la base B sémantique de données de suivi d’indicateurs de conformité I, dite base de données convertie B. La base de données convertie B présente une structure de données modifiée par rapport à la ou chaque base de données initiale 25 et un ensemble de règles d’évaluation. Cette modification est préférentiellement réalisée soit de manière automatique, soit semi-automatique. En variante, elle peut être réalisée de manière totalement manuelle.
La structure de données et l’ensemble des règles d’évaluation de la base de données convertie B détermine la mise en œuvre de l’évaluation des indicateurs de conformité I par le calculateur 15.
Par exemple, la base de données convertie B est un graphe sémantique comme illustré schématiquement sur la figure 2. Autrement dit, la base de données convertie B comprend, par exemple, des nœuds et des arcs. Chaque nœud est un composant ou une caractéristique associée à un composant. Chaque arc est une relation sémantique associant un composant et une caractéristique associée.
Selon un mode de réalisation, dans la base de données convertie B, au moins une caractéristique est reliée à plusieurs composants par différents arcs.
Ceci est obtenu grâce au fait que la base de données convertie B est un graphe sémantique. En effet, avec une base de donnée tabloïde, chaque caractéristique n’est associée qu’à un unique composant.
Par exemple, si plusieurs composants sont testés et qu’un unique certificat de validité est émis pour l’ensemble de ces composants, la base de données convertie B ne comprend qu’un exemplaire de ce certificat, qui forme un nœud du graphe sémantique. Un arc relie alors ce nœud à chaque composant considéré dans ce certificat.
Préférentiellement, chaque composant est caractérisé, dans la base de données convertie B, par les éléments suivants : identification, classification, caractéristique(s), application, usage et éventuellement associations.
L’identification est par exemple la donnée d’identification du composant présente dans la ou l’une des bases de données initiales 25. La classification définit le type de composant correspondant à l’identification. Par exemple, lorsque l’identification d’un composant est « RT100000025M », la classification associée est « résistor ».
La ou les caractéristiques C sont celles présentes dans la ou les bases de données initiales 25. Les caractéristiques C sont par exemple de deux types : la documentation et les caractéristiques techniques.
La documentation comprend l’ensemble de fichiers compris dans la ou les bases de données initiales 25 se rapportant aux composants.
La documentation comprend, par exemple, des fiches techniques de composants, des descriptifs de composants et des certificats.
Les caractéristiques techniques sont des valeurs quantifiées directement entrées dans la ou les bases de données initiales 25 ou extraites automatiquement de la documentation lors de l’étape de conversion 120.
Par exemple, certaines caractéristiques techniques résultent d’une mesure effectuée préalablement à la mise œuvre du procédé et, soit dont des valeurs mesurées sont directement intégrées dans la base de données initiale 25, soit dont des valeurs sont compilées dans un document tel qu’un fichier PDF. Dans ce deuxième cas, les valeurs des caractéristiques techniques sont préférentiellement extraites automatiquement de ladite documentation.
Les applications définissent par exemple le domaine ou contexte d’utilisation du composant. Par exemple, les applications indiquent des recommandations d’utilisation issues du fabriquant du composant. Selon un exemple particulier dans lequel le composant est une peinture industrielle, les applications définissent par exemple des valeurs recommandées de température ou d’humidité pour l’application de la peinture.
Les usages sont issus de la ou des bases de données initiales 25 et définissent qui sont les utilisateurs des composants ainsi que les cas d’utilisation. Ici les usages sont associés aux rôles des utilisateurs du dispositif D. Ces rôles peuvent être de différentes natures : un utilisateur du dispositif tel qu’un acheteur ou un ingénieur ; un expert métier en charge de la production et du maintien des données.
Les associations caractérisent les liens entre les composants. Par exemple, les associations indiquent si deux composants sont compatibles, équivalents, dérivés l’un de l’autre, ou composants de remplacement l’un de l’autre.
Chaque règle d’évaluation est destinée à être appliquée à au moins une caractéristique mémorisée dans la base de données convertie B pour évaluer un indicateur de conformité I à l’utilisation du composant associé à l’au moins une caractéristique. Les règles d’évaluation sont par exemple prédéfinies et comprennent les équations et les manières dont chaque indicateur I est calculé.
Chaque règle d’évaluation est optionnellement spécifique d’au moins un composant de la base de données convertie B. Au moins une règle de l’ensemble des règles d’évaluation dépend de l’utilisation spécifique du ou des composants associés.
Exemples de phase d’utilisation 200
La phase d’utilisation 200 comprend une étape d’évaluation 210, une étape d’alerte 220 et préférentiellement une étape de prédiction 230 et une étape d’avertissement 240.
Lors de l’étape d’évaluation 210, le calculateur 15 évalue, pour chaque composant, les indicateurs de conformité I à l’utilisation du composant, par application, aux caractéristiques C associées, d’au moins une règle de l’ensemble de règles d’évaluation.
Préférentiellement chaque règle comprend en outre un critère prédéfini de conformité associé à chaque indicateur de conformité I. Si au moins un indicateur de conformité I ne respecte par le critère prédéfini alors le composant associé est indiqué comme non- conforme dans la base de données convertie B.
La phase d’utilisation 200 comprend ensuite une étape d’alerte 220, lors de laquelle le calculateur 15 émet une alerte à destination d’un utilisateur si au moins un indicateur de conformité I enfreint le critère prédéfini, de conformité. En effet, dans une telle situation, le composant n’est pas conforme à l’utilisation spécifique et l’étape d’alerte permet à l’utilisateur d’en être informé.
L’alerte est par exemple une donnée disponible et rendue à l’utilisateur au travers de différents moyens selon les cas d’usage et l’expérience utilisateur comme une alerte visuelle (message pop-up, icône), un tableau de bord synthétique, une cartographie globale ou locale, ou tout type de signal susceptible d’alerter l’utilisateur.
Dans l’exemple selon lequel la caractéristique est un certificat devant être édité chaque année et certifiant qu’un composant résiste à une contrainte telle qu’une contrainte mécanique, si la fraîcheur est datée de plus d’un an, alors l’indicateur de conformité I associé auxdits composants ne respecte pas le critère de conformité prédéfini. Ainsi, lors de l’étape d’alerte 220, une alerte est émise à destination de l’utilisateur pour l’avertir que le composant n’est pas conforme dans la mesure où le certificat a été édité il y a plus d’un an.
Optionnellement, une date d’édition dans la source et/ou une date de mise à jour dans la base de données convertie B est associée à chaque caractéristique de la base de données convertie B. La date d’édition est la date à laquelle la caractéristique a été mesurée, déterminée ou établie. La date de mise à jour est la date à laquelle la caractéristique a été enregistrée dans la base de données convertie B sur laquelle les indicateurs sont calculés.
En complément facultatif encore, la phase d’utilisation 200 comprend en outre une étape de prédiction 230, pour chaque composant, d’un risque de non-conformité à un horizon temporel prédéfini, à partir des résultats des règles d’évaluation et de la date d’édition de chaque caractéristique associée au composant.
L’horizon temporel prédéfini dépend avantageusement de la caractéristique considérée et/ou du composant considéré et préférentiellement du contexte d’emploi.
Par exemple, dans le cas d’un certificat devant être édité chaque année, lors de l’étape de prédiction 230, le calculateur 15 prédit un risque de non-conformité à un horizon temporel prédéfini du certificat si la date anniversaire du certificat expire avant l’horizon temporel prédéfini.
Par exemple, le risque de non-conformité a une valeur binaire. En variante, le risque de non-conformité a un valeur entière ou réelle. La valeur du risque de non-conformité dépend de l’horizon temporel prédéfini, de la date d’édition de la caractéristique et des règles d’évaluation.
Selon ce complément facultatif, la phase d’utilisation 200 comprend en outre une étape d’avertissement 240, lors de laquelle le calculateur 15 émet un avertissement à destination d’un utilisateur si au moins un risque de non-conformité est supérieur à un seuil prédéfini.
A l’issu de la phase d’utilisation 200, la base de données convertie est fonctionnelle et utilisable. Elle est par exemple interrogeable par l’utilisateur pour vérifier les indicateurs de conformité I associés à chaque composant.
Exemples de phase de mise-à-iour 300
La phase de mise-à-jour 300 comprend une étape de réception 310, une étape d’actualisation 320 et une étape d’alerte 330.
Lors de la phase de mise-à-jour 300, au moins une nouvelle caractéristique concernant au moins un composant de la base de données convertie B est ajoutée dans ladite base de données convertie B.
La phase de mise-à-jour 300 comprend une étape 310 de réception d’au moins une nouvelle caractéristique portant sur au moins un composant de la base de données convertie B.
Chaque nouvelle caractéristique reçue est par exemple un certificat, une mesure, ou une autorisation de commercialiser un composant. La phase de mise à jour 300 comprend en outre une étape 320 d’actualisation de la base de données convertie B, pour obtenir une base de données actualisée.
L’étape d’actualisation 320 comprend une sous-étape de réévaluation 321 , lors de laquelle le calculateur 15 réévalue chaque indicateur de conformité I associé audit composant, par application des règles d’évaluation à un ensemble comprenant les caractéristiques C associées audit composant dans la base de données convertie B et la nouvelle caractéristique C. L’étape d’actualisation 320 est également appelée étape de mise à jour des données.
Préférentiellement, lors de la sous-étape de réévaluation 321 , uniquement les indicateurs de conformité I associés à la nouvelle caractéristique sont évalués.
De manière alternative, la base de données convertie B identifie d’autres caractéristiques C dépendant (directement ou indirectement à) de la nouvelle caractéristique et les indicateurs de conformité I associés à ces caractéristiques C sont également réévalués.
A titre d’exemple, si la nouvelle caractéristique est une autorisation de commercialisation du composant uniquement si une mesure dudit composant est inférieure à un seuil, alors, lors de la sous-étape de réévaluation 321 , le calculateur 15 réévalue les indicateurs de conformité I de la caractéristique de mesure.
L’étape d’actualisation 320 comprend en outre une sous-étape 322 de mémorisation, dans la base de données actualisée, de chaque indicateur de conformité I réévalué.
La phase de mise-à-jour 300 comprend en outre une étape d’alerte 330, lors de laquelle le calculateur 15 émet une alerte à destination d’un utilisateur si au moins un indicateur de conformité I réévalué enfreint un critère prédéfini de conformité établi à partir des règles d’évaluation.
L’alerte émise lors de l’étape d’alerte 330 de la phase de mise-à-jour 300 est préférentiellement similaire à l’alerte émise lors de l’étape d’alerte 220 de la phase d’utilisation 200.
Exemples de phase d’intégration 400
La phase d’intégration 400 comprend une étape de réception 410, une étape d’intégration 420, une étape d’évaluation 430 et une étape d’alerte 440.
La phase d’intégration 400 concerne l’intégration d’un nouveau composant dans la base de donnée convertie B.
Le nouveau composant est par exemple un nouvel élément pour fabriquer, effectuer de la maintenance ou reconditionner, un nouveau dispositif D ou une alternative à un composant déjà compris dans la base de données convertie B. Par exemple, le nouveau composant est théoriquement identique à un composant existant mais provient d’un fournisseur concurrent ou destiné à une utilisation spécifique distincte de celle prévue pour le premier composant.
La phase d’intégration 400 comprend une étape 410 de réception d’une donnée d’identification du nouveau composant et préférentiellement de nouvelle(s) règle(s) d’évaluation spécifiques.
La phase d’intégration 400 comprend en outre une étape 420 d’intégration, dans la structure modifiée de la base de données convertie B de la donnée d’identification et de(s) nouvelle(s) règle(s) d’évaluation. L’étape d’intégration 420 comprend l’établissement d’un lien sémantique entre de(s) caractéristique(s) de la base de données convertie B et la donnée d’identification du nouveau composant.
En particulier, si certaines caractéristiques C déjà présentes dans la base de données convertie B présentent des informations associées au nouveau composant, lesdites caractéristiques C sont reliées à la donnée d’identification du nouveau composant par un lien sémantique respectif.
Par exemple, si une caractéristique de la base de données convertie B est une autorisation de commercialisation d’une pluralité de composants comprenant le nouveau composant, ladite caractéristique est reliée à la donnée d’identification du nouveau composant.
La phase d’intégration 400 comprend en outre une étape d’évaluation 430, lors de laquelle le calculateur 15 évalue le ou les indicateurs de conformité I associés au nouveau composant, par application de(s) nouvelle(s) règle(s) d’évaluation au(x) caractéristique(s) qui est/sont reliée(s) à la donnée d’identification du nouveau composant.
Préférentiellement, la phase d’intégration 400 comprend en outre une étape d’alerte 440, lors de laquelle le calculateur 15 émet l’alerte précitée à destination de l’utilisateur si un indicateur de conformité I ne respecte pas un critère prédéfini.
Selon un mode de réalisation, les phases de mise-à-jour 300 et d’intégration 400 sont mises en œuvre simultanément. Ainsi, lors des étapes de réception 310, 410, la donnée d’identification d’un nouveau composant et de nouvelle(s) caractéristique(s) relative(s) à ce composant sont reçues. Ainsi, les sous-étapes de réévaluation 321 et l’étape d’évaluation 430 sont mises en œuvre simultanément et comprennent l’évaluation des indicateurs de conformité I de la ou des caractéristiques C reliées au nouveau composant. Exemples de phase de correction 500
Lors de la phase de correction 500, les caractéristiques dont les indicateurs impliquent des non-conformités (par exemple inférieur à un seuil souhaité) permettent d’identifier les corrections à apporter aux données d’entrée.
La phase de correction 500 comprend une étape d’autocorrection 510 et, le cas échéant, une étape de recommandation de correction 520.
En variante ou en complément facultatif, le procédé comprend en outre une phase de correction automatique 500, lors de laquelle la base de données convertie B effectue des corrections ou des recommandations de correction dans les identification, classification, caractéristique(s), application, usage et éventuellement associations respectifs de chaque composant de la base de données convertie. La phase de correction automatique 500 est préférentiellement mise en œuvre parallèlement aux phases d’évaluation 200, de mise-à- jour 300 et d’intégration 400.
La phase correction automatique 500 comprend une étape d’autocorrection 510, lors de laquelle des fautes, telles que des fautes typographiques ou des informations manquantes, sont automatiquement détectées et corrigées, par exemple à partir d’un dictionnaire et d’un correcteur automatique compris dans la base de données convertie B.
En référence à la figure 4, l’étape d’autocorrection 510 comprend une sous-étape 512 de détection d’erreur, lors de laquelle le correcteur automatique détecte, dans un ou plusieurs mots, une erreur par comparaison du mot avec les mots compris dans le dictionnaire.
L’étape d’autocorrection 510 comprend ensuite une sous-étape 514 de génération de candidats à la correction, lors de laquelle le correcteur automatique détermine, par exemple parmi les mots du dictionnaire, ceux qui sont similaires au mot comprenant une erreur, aussi appelé mot erroné.
L’étape d’autocorrection 510 comprend ensuite une sous-étape 516 de classement des candidats générés, lors de laquelle le correcteur automatique calcule pour chaque candidat, une distance avec le mot erroné. La distance est par exemple la distance de Levenshtein, aussi appelée distance minimale d’édition. Cette distance quantifie le nombre minimal d’opérations requises pour transformer le mot erroné en le candidat. Les opérations considérées comprennent préférentiellement l’insertion, la suppression, la substitution et la transposition.
L’étape d’autocorrection 510 comprend ensuite une sous-étape de comparaison 518 lors de laquelle le calculateur 15 compare la distance entre le candidat ayant ladite distance la plus faible et le mot erroné, à un seuil prédéfini. Si la distance est inférieure ou égale au seuil prédéfini, l’étape d’autocorrection 510 comprend une sous-étape de remplacement 519 lors de laquelle le calculateur 15 remplace automatiquement le mot erroné par ledit candidat.
Sinon, la phase d’autocorrection 500 comprend une étape de recommandation de correction 520. Préférentiellement, la phase de recommandation de correction 520 repose sur les techniques de plongement lexical (de l’anglais, word embedding).
L’étape de recommandation de correction 520 comprend une sous-étape d’initialisation 522 lors de laquelle le calculateur 15 associe, à chaque mot du dictionnaire, un vecteur de valeurs numériques initiales.
Puis, l’étape de recommandation de correction 520 comprend une sous-étape d’apprentissage 524 lors de laquelle le calculateur 15 ajuste les valeurs numériques de chaque vecteur de sorte que les vecteurs associés à deux mots régulièrement présents dans une même phrase et/ou dans un même contexte, aient des valeurs sensiblement proches. A cet effet, le processus CBOW ou Skip-Gram est par exemple utilisé. Ceci fournit alors une représentation sémantique des mots en fonction des occurrences d’apparition dans la base de données convertie B.
L’étape de recommandation de correction 520 comprend une sous-étape de sélection 526 lors de laquelle le calculateur 15 sélectionne, comme nouveaux candidats, les mots dont une distance de Levenshtein avec le mot erroné est inférieure à un seuil prédéfini.
Puis l’étape de recommandation de correction 520 comprend une sous-étape de proposition 528 lors de laquelle le calculateur 15 envoie, à l’utilisateur, une liste des nouveaux candidats.
Enfin, l’étape de recommandation de correction 520 comprend une sous-étape d’implémentation 529 lors de laquelle le calculateur 15 reçoit une instruction d’un nouveau candidat sélectionné par l’utilisateur, parmi la liste des nouveaux candidats. La sous-étape d’implémentation 529 comprend le remplacement du mot erroné par le nouveau candidat sélectionné par l’utilisateur.
L’étape de correction 500 comprend préférentiellement en outre la transmission, aux bases de données initiales, des erreurs identifiées et les corrections apportées ou préconisations ainsi que les validations faites par les utilisateurs.
Selon une première variante, le procédé ne comprend que la phase d’initialisation 100 et la phase d’utilisation 200.
Selon une deuxième variante, le procédé comprend en outre uniquement la phase de mise-à-jour 300 ou la phase d’intégration 400.
Selon une troisième variante, compatible avec les première et deuxième variantes, le procédé comprend en outre la phase de correction 500. Selon une quatrième variante, compatible avec les première, deuxième et troisième variantes, la phase d’utilisation 200 ne comprend pas les étapes de prédiction 230 et d’avertissement 240.
Exemples spécifiques d’application du procédé de génération
Des exemples d’application du procédé vont maintenant être décrits pour des utilisations spécifiques.
Selon un premier exemple d’application du procédé, au moins un des composants de la base de données convertie B est un joint d’étanchéité dont l’utilisation spécifique est la fabrication ou la maintenance d’un boîtier étanche. Le boitier étanche est destiné à être plongé dans l’eau jusqu’à une profondeur prédéterminée pour éviter des infiltrations d’eau dans le boitier malgré une surpression induite par l’eau sur un extérieur du boitier.
Dans ce premier exemple d’application du procédé, une caractéristique dudit composant est une résistance mesurée à la surpression.
Une des règles d’évaluation est propre à calculer une différence entre la résistance à la surpression mesurée et une valeur prédéfinie dépendant de la profondeur prédéterminée. L’indicateur de conformité I issu de l’application de cette règle est fonction de ladite différence.
Ainsi, si la différence est inférieure à un seuil de sécurité prédéfini, l’indicateur de conformité I associé prend une valeur faible et lors de l’étape d’alerte 220, 330 ou 440, l’alerte est émise à destination de l’utilisateur pour lui indiquer que l’utilisation du joint n’est pas conforme pour la fabrication ou la maintenance du boitier étanche.
Toujours selon ce premier exemple d’application du procédé, la résistance mesurée a été mesurée par un des opérateurs dans la salle de production et une autre caractéristique est un certificat de mesure de la résistance à la pression, issu d’un institut de métrologie certifié.
Dans un tel cas, les indicateurs de conformité I de crédibilité et de véracité prendront des valeurs plus élevées pour la caractéristique issue de l’institut de métrologie certifié que pour la résistance mesurée par l’opérateur.
Toujours selon le premier exemple d’application du procédé, un autre composant de la base de données convertie B est le même joint d’étanchéité pour une utilisation spécifique distincte. L’utilisation spécifique distincte est la fabrication ou la maintenance d’une carlingue d’un aéronef pour éviter des fuites d’air depuis un intérieur de la carlingue vers un extérieur où la pression atmosphérique est plus faible. Une caractéristique dudit composant est une résistance mesurée à la dépression. Similairement à précédemment, une des règles d’évaluation est propre à calculer une différence entre la résistance à la dépression mesurée et une valeur prédéfinie dépendant d’une altitude maximale de vol de l’aéronef prédéfinie. L’indicateur de conformité I obtenu par application de ladite règle d’évaluation est fonction de la différence calculée.
Il est clair que les indicateurs de conformité I évalués, lors des étapes d’évaluation 210, 430 ou lors de la sous-étape de réévaluation 321 , ne sont pas nécessairement les mêmes pour le composant destiné à l’utilisation du boitier étanche et pour celui destiné à l’utilisation pour carlingue d’un aéronef, bien que ces composants soient théoriquement les mêmes composants.
Selon un deuxième exemple d’application du procédé, au moins un des composants de la base de données convertie B est un condensateur dont l’utilisation spécifique est le reconditionnement d’une alimentation à découpage. Les caractéristiques C dudit composant comprennent une dispersion thermique dudit composant et/ou une ou plusieurs technologies de soudure acceptables.
Une des règles d’évaluation est propre aux exigences (contraintes) du dispositif comme ses conditions d’emploi, l’environnement d’intégration du dispositif et/ou les conditions d’opération, et repose sur les indicateurs définis précédemment pour le contexte donné.
Selon un troisième exemple d’application du procédé, au moins un des composants de la base de données convertie B est un code source dont l’utilisation spécifique est l’exploitation d’un logiciel Open Source. Une caractéristique dudit composant est une version du logiciel. Une des règles d’évaluation évalue la correspondance entre le code source et la version du logiciel, par exemple à l’aide d’un identifiant présent dans le code source propre à être incrémenté à chaque version.
L’indicateur de conformité I obtenu par application de ladite règle est représentatif d’une correspondance entre la version et le code source, tel qu’une valeur binaire égale à « 1 » si le code source correspond à la version, ou égale à « 0 » sinon.
Ainsi, la base de données convertie B permet de concentrer toutes les informations et caractéristiques C associées à chaque composant tout au long de son cycle, du développement d’un dispositif D, à la production, maintenance ou reconditionnement dudit dispositif D, en passant par sa commercialisation.
En outre, la technique d’évaluation des indicateurs de conformité I permet d’évaluer de manière automatique, la confiance accordable à chaque caractéristique et donc à l’utilisation du composant.
La structure de données modifiée de la base de données convertie B permet une plus grande agilité dans les liaisons entre les caractéristiques C et composants. En effet, lorsque la base de données convertie B est un graphe sémantique, les connexions, ou arcs, permettent de donner un sens à chaque lien entre les composants et les caractéristiques C. En outre, la structure de graphe sémantique permet d’inférer des connaissances à partir de connexions déjà existantes entre ces éléments. Ceci permet notamment de prévoir des non-conformités à venir.
Ainsi, le procédé, la base sémantique de données, le produit programme d’ordinateur et le support d’information selon l’invention permettent de simplifier et fiabiliser la fourniture d’informations, à un utilisateur, concernant la conformité d’utilisation de composants pour la fabrication, la maintenance ou le reconditionnement de dispositifs, notamment mécaniques, électroniques ou logiciels.

Claims

REVENDICATIONS
1. Procédé de génération d’une base sémantique (B) de données de suivi d’indicateurs de conformité (I) de composants (30), les composants étant destinés à être utilisés pour une utilisation spécifique, l’utilisation spécifique étant la fabrication, la maintenance ou le reconditionnement de dispositifs (D) mécaniques, électroniques ou logiciels comportant au moins l’un des composants, des indicateurs de conformité (I) à l’utilisation déterminant si le composant est apte ou non à être utilisé pour l’utilisation spécifique, le procédé étant mis en œuvre par un système informatique comprenant un calculateur (15) et une mémoire (20), le procédé comprenant une phase d’initialisation (100) comportant :
- une étape (1 10) d’obtention d’une base de données initiale, la base de données initiale présentant une structure initiale, la structure initiale étant une structure tabulaire associant, à chaque composant d’une pluralité de composants initiaux, au moins une donnée d’identification initiale du composant et une pluralité de caractéristiques initiales dudit composant, au moins une des caractéristiques (C) résultant d’une mesure d’une grandeur caractérisant le composant, et
- une étape (120) de conversion de la base de données initiale en la base sémantique (B) de données de suivi d’indicateurs de conformité (I), dite base de données convertie (B), présentant une structure de données modifiée par rapport à la base de données initiale et un ensemble de règles d’évaluation, chaque règle d’évaluation étant destinée à être appliquée à au moins une caractéristique (C) mémorisée dans la base de données convertie (B) pour évaluer un indicateur de conformité (I) à l’utilisation du composant associé à l’au moins une caractéristique (C), la structure de données et l’ensemble des règles d’évaluation de la base de données convertie (B) déterminant la mise en œuvre de l’évaluation des indicateurs de conformité (I) par le calculateur (15), le procédé comportant, en outre, une phase d’utilisation (200) comprenant :
- une étape (210) d’évaluation, pour chaque composant, de l’indicateur de conformité (I) à l’utilisation du composant, par application, aux caractéristiques (C) associées, d’au moins une règle de l’ensemble de règles d’évaluation.
2. Procédé selon la revendication 1 , dans lequel la phase d’utilisation (200) comprend en outre : une étape d’alerte (220), lors de laquelle une alerte est émise à destination d’un utilisateur si au moins un indicateur de conformité (I) enfreint un critère prédéfini de conformité établi à partir des règles d’évaluation.
3. Procédé selon la revendication 1 ou 2, comprenant, en outre, une phase de mise à jour (300) comportant : une étape de réception (310) d’au moins une nouvelle caractéristique (C) portant sur au moins un composant de la base de données convertie (B), une étape d’actualisation (320) de la base de données convertie (B), pour obtenir une base de données actualisée, comportant : o une sous-étape de réévaluation (321), par le calculateur (15), de chaque indicateur de conformité (I) associé audit composant, par application des règles d’évaluation à un ensemble comprenant les caractéristiques (C) associées audit composant dans la base de données convertie (B) et la nouvelle caractéristique (C), et o une sous-étape de mémorisation (322), dans la base de données actualisée de chaque indicateur de conformité (I) réévalué, une étape d’alerte (330), lors de laquelle une alerte est émise à destination d’un utilisateur si au moins un indicateur de conformité (I) réévalué enfreint un critère prédéfini de conformité établi à partir des règles d’évaluation.
4. Procédé selon l’une quelconque des revendications 1 à 3, dans lequel une date d’édition est associée à chaque caractéristique (C), la date d’édition étant la date à laquelle la caractéristique (C) a été mesurée, déterminée ou établie, la phase d’utilisation (200) comprenant, en outre : une étape de prédiction (230), pour chaque composant, d’un risque de non- conformité à un horizon temporel prédéfini, à partir des résultats des règles d’évaluation et de la date d’édition de chaque caractéristique (C) associée au composant, et une étape d’avertissement (240), lors de laquelle un avertissement est émis à destination d’un utilisateur si au moins un risque de non-conformité est supérieur à un seuil prédéfini.
5. Procédé selon l’une quelconque des revendications 1 à 4, dans lequel la structure de données de la base de données convertie (B) est un graphe sémantique.
6. Procédé selon l’une quelconque des revendications 1 à 5, dans lequel chaque règle d’évaluation est spécifique d’au moins un composant de la base de données convertie, au moins une règle de l’ensemble des règles d’évaluation dépendant de l’utilisation spécifique du ou des composants associés.
7. Procédé selon l’une quelconque des revendications 1 à 6, dans lequel au moins un indicateur de conformité (I) quantifie la confiance accordée à une des caractéristiques (C) du composant pour décrire un aspect du composant.
8. Procédé selon l’une quelconque des revendications 1 à 7, comprenant en outre une phase (400) d’intégration d’un nouveau composant dans la base de données convertie (B), comprenant : une étape (410) de réception d’une donnée d’identification du nouveau composant et de nouvelle(s) règle(s) d’évaluation spécifiques, une étape (420) d’intégration, dans la structure modifiée de la base de données convertie (B) de la donnée d’identification, et de(s) nouvelle(s) règle(s) d’évaluation, l’intégration comprenant l’établissement d’un lien sémantique entre de(s) caractéristique(s) (C) de la base de données convertie et la donnée d’identification du nouveau composant, et une étape (430) d’évaluation de l’indicateur de conformité (I) associé au nouveau composant par application de(s) nouvelle(s) règle(s) d’évaluation au(x) caractéristique(s) (C) reliées à la donnée d’identification.
9. Procédé selon l’une quelconque des revendications précédentes, dans lequel au moins un des composants de la base de données convertie (B) est un joint d’étanchéité dont l’utilisation spécifique est la fabrication ou la maintenance d’un boîtier étanche destiné à être plongé dans l’eau jusqu’à une profondeur prédéterminée pour éviter des infiltrations d’eau dans le boitier malgré une surpression induite par l’eau sur un extérieur du boitier, une caractéristique (C) dudit composant étant une résistance mesurée à la surpression, une des règles d’évaluation étant propre à calculer une différence entre la résistance à la surpression mesurée et une valeur prédéfinie dépendant de la profondeur prédéterminée, l’indicateur de conformité (I) obtenu par application de ladite règle d’évaluation étant fonction de la différence calculée.
10. Procédé selon la revendication précédente, dans lequel un autre composant de la base de données convertie (B) est le même joint d’étanchéité pour une utilisation spécifique distincte, l’utilisation spécifique distincte étant la fabrication ou la maintenance d’une carlingue d’un aéronef pour éviter des fuites d’air depuis un intérieur de la carlingue vers un extérieur où la pression atmosphérique est plus faible, une caractéristique (C) dudit composant étant une résistance mesurée à la dépression, une des règles d’évaluation étant propre à calculer une différence entre la résistance à la dépression mesurée et une valeur prédéfinie dépendant d’une altitude maximale de vol de l’aéronef prédéfinie, et l’indicateur de conformité (I) obtenu par application de ladite règle d’évaluation étant fonction de la différence calculée.
11. Procédé selon l’une quelconque des revendications précédentes, dans lequel au moins un des composants de la base de données convertie (B) est un condensateur dont l’utilisation spécifique est le reconditionnement d’une alimentation à découpage, les caractéristiques (C) dudit composant comprenant : une mesure de capacité dudit composant, une dispersion thermique dudit composant et/ou une ou plusieurs technologies de soudure acceptables, une des règles d’évaluation étant propre à la caractéristique technique considérée et au contexte d’usage défini par un utilisateur, l’indicateur de conformité (I) obtenu par application de ladite règle.
12. Procédé selon l’une quelconque des revendications précédentes, dans lequel au moins un des composants de la base de données convertie (B) est un code source dont l’utilisation spécifique est l’exploitation d’un logiciel Open Source, une caractéristique (C) dudit composant étant une version du logiciel, une des règles d’évaluation évaluant la correspondance entre le code source et la version du logiciel, l’indicateur de conformité (I) obtenu par application de ladite règle étant représentatif d’une correspondance entre la version et le code source.
13. Base sémantique de données de suivi d’indicateurs de conformité (I) de composants (30), les composants étant destinés à être utilisés pour une utilisation spécifique, l’utilisation spécifique étant la fabrication, la maintenance ou le reconditionnement de dispositifs (D) mécaniques ou électroniques comportant au moins l’un des composants, des indicateurs de conformité (I) à l’utilisation déterminant si le composant est apte ou non à être utilisé pour l’utilisation spécifique, la base de données de suivi d’indicateurs de conformité (I) étant susceptible d’être obtenue par un procédé de génération selon l’une quelconque des revendications précédentes.
14. Produit programme d’ordinateur comprenant des instructions logicielles qui, lorsqu’elles sont mises en œuvre par un calculateur, mettent en œuvre un procédé selon l’une quelconque des revendications 1 à 12.
15. Support d’information comportant des instructions de programme formant un programme d’ordinateur, le programme d’ordinateur étant chargeable sur une unité de traitement de données et mettant en œuvre un procédé selon l’une quelconque des revendications 1 à 12 lorsque le programme d’ordinateur est mis en œuvre sur l’unité de traitement de données.
PCT/EP2024/068204 2023-06-28 2024-06-27 Procédé de génération d'une base de données de suivi d'indicateurs de conformité de composants et dispositifs associés Ceased WO2025003374A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2306778A FR3150605A1 (fr) 2023-06-28 2023-06-28 Procédé de génération d'une base de données de suivi d'indicateurs de conformité de composants et dispositifs associés
FRFR2306778 2023-06-28

Publications (1)

Publication Number Publication Date
WO2025003374A1 true WO2025003374A1 (fr) 2025-01-02

Family

ID=89308262

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2024/068204 Ceased WO2025003374A1 (fr) 2023-06-28 2024-06-27 Procédé de génération d'une base de données de suivi d'indicateurs de conformité de composants et dispositifs associés

Country Status (2)

Country Link
FR (1) FR3150605A1 (fr)
WO (1) WO2025003374A1 (fr)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220019742A1 (en) * 2020-07-20 2022-01-20 International Business Machines Corporation Situational awareness by fusing multi-modal data with semantic model

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220019742A1 (en) * 2020-07-20 2022-01-20 International Business Machines Corporation Situational awareness by fusing multi-modal data with semantic model

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MUHAMMAD GOLAM KIBRIA HANKUK UNIVERSITY OF FOREIGN STUDIES KOREA (REP OF): "A framework to support data interoperability for knowledge based IoT service provisioning in WoO platform.;DPM-I-021", vol. dpm, 9 October 2017 (2017-10-09), pages 1 - 13, XP044242788, Retrieved from the Internet <URL:https://extranet.itu.int/sites/itu-t/focusgroups/dpm/Input/DPM-I-021.docx> [retrieved on 20171009] *
NIKOLAOS KONSTANTINOU ET AL: "Incremental Export of Relational Database Contents into RDF Graphs", WEB INTELLIGENCE, MINING AND SEMANTICS (WIMS14), ACM, 2 PENN PLAZA, SUITE 701 NEW YORK NY 10121-0701 USA, 2 June 2014 (2014-06-02), pages 1 - 8, XP058050020, ISBN: 978-1-4503-2538-7, DOI: 10.1145/2611040.2611082 *
SCHMIDT BERNARD ET AL: "Semantic Framework for Predictive Maintenance in a Cloud Environment", PROCEDIA CIRP, vol. 62, 18 May 2017 (2017-05-18), NL, pages 583 - 588, XP093140890, ISSN: 2212-8271, DOI: 10.1016/j.procir.2016.06.047 *

Also Published As

Publication number Publication date
FR3150605A1 (fr) 2025-01-03

Similar Documents

Publication Publication Date Title
Bahr et al. Knowledge graph enhanced retrieval-augmented generation for failure mode and effects analysis
JP6177871B2 (ja) 製品情報の公開
CA3101497C (fr) Systeme et procede d&#39;analyse et de modelisation de contenu
Pham et al. Natural language processing with multitask classification for semantic prediction of risk-handling actions in construction contracts
US10133732B2 (en) Interactive location sensitive network response
Kumar et al. Software maintainability prediction using hybrid neural network and fuzzy logic approach with parallel computing concept
US20190286978A1 (en) Using natural language processing and deep learning for mapping any schema data to a hierarchical standard data model (xdm)
CN112199500A (zh) 针对评论的情感倾向识别方法、装置及电子设备
US12423445B1 (en) Identifying matching virtual resources
Rashid et al. A quality assessment approach for evolving knowledge bases
US20220165007A1 (en) Machine architecture for computerized plan analysis with provenance
US9201967B1 (en) Rule based product classification
Li et al. Reverse engineering variability from requirement documents based on probabilistic relevance and word embedding
CN113947076A (zh) 保单数据的检测方法、装置、计算机设备及存储介质
WO2025003374A1 (fr) Procédé de génération d&#39;une base de données de suivi d&#39;indicateurs de conformité de composants et dispositifs associés
Gill et al. Adaptive Enterprise Architecture Modelling.
US12265785B1 (en) System and method for customer review management
US12159324B1 (en) Determining opt-out compliance to prevent fraud risk from user data exposure
US12555057B2 (en) Adaptive analysis of digital contract modifications
Platenius et al. Matching of incomplete service specifications exemplified by privacy policy matching
Chin The Deep Learning Architect's Handbook: Build and deploy production-ready DL solutions leveraging the latest Python techniques
Böhlin Detection & Anonymization of Sensitive Information in Text: AI-Driven Solution for Anonymization
Zhang et al. Stronger Than You Think: Benchmarking Weak Supervision on Realistic Tasks
US20200090185A1 (en) Product declaration validation
Brambilla et al. Web Engineering: 21st International Conference, ICWE 2021, Biarritz, France, May 18–21, 2021, Proceedings

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: 24736033

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE