Intégration des techniques de Machine Learning dans la gestion des connaissances des entreprises / Abla Seghir

Public ISBD Titre : Intégration des techniques de Machine Learning dans la gestion des connaissances des entreprises Type de document : document électronique Auteurs : Abla Seghir, Auteur ; Hadjer Alem, Auteur ; Noureddine Mekroud, Directeur de thèse Editeur : Sétif:UFA1 Année de publication : 2024 Importance : 1 vol (93 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Gestion des connaissances Raisonnement à Partir de Cas Apprentissage automatique Maintenance industrielle ACP KPPV Index. décimale : 004 Informatique Résumé : Recourir aux solutions des cas précédents similaires est un réflexe puissant et extrêmement naturel. La réutilisation des expériences passées dans la résolution de nouveaux problèmes est l'objectif de ce mode de raisonnement, car il est évident et légitime que les problèmes similaires auront des solutions similaires et qu'on se retrouve souvent face à un problème que l'on a déjà vécu. À l'heure actuelle, le raisonnement basé sur des cas (RàPC) est considéré comme l'une des méthodes les plus sûres pour tirer parti des connaissances. Dans les différentes étapes de son cycle, il est possible de combiner le RàPC avec les techniques puissantes du Machine Learning, puisque le plus grand objectif de l’intelligence artificielle consiste à permettre à un ordinateur de reproduire le raisonnement humain. Dans ce mémoire, une solution hybride, RàPC et Machine Learning, a été proposée pour le diagnostic des pannes. Cette solution repose sur l'application du l'algorithme de la réduction de dimensionnalité "ACP" pour visualiser le nuage de points des anciens cas de pannes, pour ensuite positionner un point dans cet espace réduit représentant la nouvelle panne. Une hybridation des processus "RàPC-KNN" a était proposée pour rechercher les anciens cas similaires aux nouvelles pannes à remédier, en utilisant des distances adéquates suivant le type de chaque descripteur de panne. L’implémentation de l’approche proposée à aboutie au développement d’un SGMAO intelligent, aidant à améliorer les performances des interventions de maintenance industrielle effectuées. Note de contenu : Sommaire Introduction générale ............................................................................................................... 9 Chapitre 1 : Les connaissances dans l’entreprise & Domaine d’application Introduction .............................................................................................................................. 10 Partie 1 : La connaissance et ses formes de modélisation et de manipulation 1. La connaissance dans l’entreprise ...................................................................................... 11 1.1. Définition ................................................................................................................... 11 1.2. La différence entre donnée-information-connaissance-compétence ........................... 11 1.3. La connaissance comme richesse-capital .................................................................... 12 1.4. Problème de conserver la connaissance dans l’entreprise ........................................... 14 2. Les formes de modélisation-manipulation de la connaissance .......................................... 14 2.1. La gestion des connaissances : définition et méthodes ............................................... 14 2.2. L’ingénierie des connaissances : définition et méthodes ............................................ 15 2.3. L’extraction des connaissances : définition et méthodes ............................................ 17 Partie 2 : Domaine d’application : La maintenance industrielle 1. L’importance de la maintenance dans l’entreprise ............................................................ 19 2. Quelques définitions .......................................................................................................... 19 3. Les objectifs de la maintenance ........................................................................................ 20 3.1. Les objectifs financiers ................................................................................................ 21 3.2. Les objectifs opérationnels .......................................................................................... 21 4. Facteurs qui encouragent le développement du besoin de maintenir ................................. 21 5. Typologie de la maintenance ............................................................................................. 21 5.1. La maintenance corrective .......................................................................................... 22 5.2. La maintenance préventive .......................................................................................... 23 5.3. La maintenance proactive ............................................................................................ 23 5.4. La maintenance améliorative ...................................................................................... 23 6. Niveaux de maintenance .................................................................................................... 24 7. Politiques et stratégie de maintenance................................................................................ 24 8. Analyse du système de maintenance .................................................................................. 25 8.1. Les missions du service maintenance .......................................................................... 25 8.2. Les fonctions d’un système de maintenance ............................................................... 25 8.3. Les systèmes d’information et la maintenance ............................................................ 25 8.4. Les SGMAO et l’aide à la décision : les systèmes experts ......................................... 26 9. L’apprentissage dans les systèmes de maintenance ........................................................... 27 10. La méthodologie AMDEC ................................................................................................ 27 10.1. Définition ................................................................................................................... 27 10.2. Types d’ AMDEC ...................................................................................................... 28 Conclusion ............................................................................................................................... 28 Chapitre 2 : Outils de modélisation & Plateformes Introduction .............................................................................................................................. 29 Partie 1 : Le résonnement à partir de cas 1. Approche du raisonnement à partir de cas ........................................................................ 30 2. Cycle du raisonnement à partir de cas ............................................................................... 30 2.1. L’élaboration ............................................................................................................... 31 2.2. La remémoration .......................................................................................................... 31 2.3. L’adaptation ................................................................................................................. 32 2.4. La révision ................................................................................................................... 32 2.5. La mémorisation .......................................................................................................... 33 3. Représentation des cas ...................................................................................................... 33 3.1. Définition du cas ......................................................................................................... 34 3.2. Structure du cas .......................................................................................................... 34 3.3. Indexation du cas .............................................................................................................. 35 4. Les composants d’un système RàPC ................................................................................. 35 5. Avantages et inconvénients du RàPC ................................................................................. 36 5.1. Les avantages .............................................................................................................. 36 5.2. Les inconvénients ....................................................................................................... 37 6. Etat de l’art et plateformes du RàPC ................................................................................. 37 6.1. JColibri ....................................................................................................................... 38 6.2. MyCBR ....................................................................................................................... 40 7. Domaines d’application du RàPC ..................................................................................... 41 7.1. Typologie d’applications ............................................................................................ 41 7.2. Notre domaine : la maintenance industrielle .............................................................. 42 7.3. Modèle de conception des systèmes de RàPC dédiés au diagnostic .......................... 43 Partie 2 : L’extraction des connaissances : Machine Learning 1. La révolution du Machine Learning .................................................................................. 44 2. Définition du Machine Learning ....................................................................................... 44 3. Pourquoi utiliser le Machine Learning ? ............................................................................ 45 4. Etapes du Machine Learning .............................................................................................. 45 5. Les algorithmes de Machine Learning ............................................................................... 46 5.1. Selon le type de données en entrée .............................................................................. 46 5.1.1. Algorithmes d’apprentissage supervisé ............................................................... 47 5.1.2. Algorithmes d’apprentissage non-supervisé ....................................................... 48 5.1.3. Algorithmes d’apprentissage semi-supervisé ...................................................... 50 5.1.4. Algorithmes d’apprentissage par renforcement .................................................. 51 5.2. Selon l’objectif ............................................................................................................ 51 5.2.1. Algorithmes pour la détection d’anomalies ......................................................... 51 5.2.2. Algorithmes de classification ............................................................................... 51 5.2.3. Algorithmes de regroupement (Clustering) ......................................................... 52 5.2.4. Algorithmes de régression ................................................................................... 52 5.2.5. Algorithmes pour la réduction de dimensionnalité .............................................. 52 Conclusion ............................................................................................................................... 54 Chapitre 3 : Modélisation de l’Approche Proposée Introduction .............................................................................................................................. 55 Partie 1 : Techniques et méthodes utilisées dans notre approche 1. Quelques techniques de prétraitement des données ........................................................... 56 1.1. Traitement des valeurs manquantes et aberrants ......................................................... 56 1.2. Réduction des dimensions .......................................................................................... 58 2. Quelques techniques de modélisation ................................................................................ 61 2.1. Choix de distances ..................................................................................................... 61 2.2. Pondération des attributs ............................................................................................ 62 2.3. Logique de classification : binaire, floue ................................................................... 63 3. K-Plus Proches Voisins ...................................................................................................... 64 3.1. Définition ................................................................................................................... 64 3.2. Algorithme de classification par k-PPV ..................................................................... 65 3.3. Critères de la méthode ................................................................................................ 66 Partie 2 : Approche Proposée 1. Etat de l’art ET Critique des travaux antécédents .............................................................. 67 2. Contribution ....................................................................................................................... 68 3. Pseudo algorithme de l’approche proposée ........................................................................ 68 Conclusion ............................................................................................................................... 71 CHAPITRE 4 : Implémentation de l’approche & Discussion des résultats Introduction .............................................................................................................................. 72 1. Les outils de développement .............................................................................................. 73 2. Les bibliothèques utilisées ................................................................................................ 73 3. La plateforme d’aide au diagnostic proposée ..................................................................... 74 3.1. La machine de démonstration ..................................................................................... 74 3.2. Implémentation ............................................................................................................ 76 3.3. Analyse des résultats ................................................................................................... 80 Conclusion ............................................................................................................................... 83 Conclusion générale ............................................................................................................... 84 Bibliographie ........................................................................................................................... 85 Webographie ........................................................................................................................... 90 Résumé ................................ ................................ ................................ ................................ .... 92 Abstract .................................................................................................................................. 92 Côte titre : MAI/0939 Intégration des techniques de Machine Learning dans la gestion des connaissances des entreprises [document électronique] / Abla Seghir, Auteur ; Hadjer Alem, Auteur ; Noureddine Mekroud, Directeur de thèse . - [S.l.] : Sétif:UFA1, 2024 . - 1 vol (93 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Gestion des connaissances Raisonnement à Partir de Cas Apprentissage automatique Maintenance industrielle ACP KPPV Index. décimale : 004 Informatique Résumé : Recourir aux solutions des cas précédents similaires est un réflexe puissant et extrêmement naturel. La réutilisation des expériences passées dans la résolution de nouveaux problèmes est l'objectif de ce mode de raisonnement, car il est évident et légitime que les problèmes similaires auront des solutions similaires et qu'on se retrouve souvent face à un problème que l'on a déjà vécu. À l'heure actuelle, le raisonnement basé sur des cas (RàPC) est considéré comme l'une des méthodes les plus sûres pour tirer parti des connaissances. Dans les différentes étapes de son cycle, il est possible de combiner le RàPC avec les techniques puissantes du Machine Learning, puisque le plus grand objectif de l’intelligence artificielle consiste à permettre à un ordinateur de reproduire le raisonnement humain. Dans ce mémoire, une solution hybride, RàPC et Machine Learning, a été proposée pour le diagnostic des pannes. Cette solution repose sur l'application du l'algorithme de la réduction de dimensionnalité "ACP" pour visualiser le nuage de points des anciens cas de pannes, pour ensuite positionner un point dans cet espace réduit représentant la nouvelle panne. Une hybridation des processus "RàPC-KNN" a était proposée pour rechercher les anciens cas similaires aux nouvelles pannes à remédier, en utilisant des distances adéquates suivant le type de chaque descripteur de panne. L’implémentation de l’approche proposée à aboutie au développement d’un SGMAO intelligent, aidant à améliorer les performances des interventions de maintenance industrielle effectuées. Note de contenu : Sommaire Introduction générale ............................................................................................................... 9 Chapitre 1 : Les connaissances dans l’entreprise & Domaine d’application Introduction .............................................................................................................................. 10 Partie 1 : La connaissance et ses formes de modélisation et de manipulation 1. La connaissance dans l’entreprise ...................................................................................... 11 1.1. Définition ................................................................................................................... 11 1.2. La différence entre donnée-information-connaissance-compétence ........................... 11 1.3. La connaissance comme richesse-capital .................................................................... 12 1.4. Problème de conserver la connaissance dans l’entreprise ........................................... 14 2. Les formes de modélisation-manipulation de la connaissance .......................................... 14 2.1. La gestion des connaissances : définition et méthodes ............................................... 14 2.2. L’ingénierie des connaissances : définition et méthodes ............................................ 15 2.3. L’extraction des connaissances : définition et méthodes ............................................ 17 Partie 2 : Domaine d’application : La maintenance industrielle 1. L’importance de la maintenance dans l’entreprise ............................................................ 19 2. Quelques définitions .......................................................................................................... 19 3. Les objectifs de la maintenance ........................................................................................ 20 3.1. Les objectifs financiers ................................................................................................ 21 3.2. Les objectifs opérationnels .......................................................................................... 21 4. Facteurs qui encouragent le développement du besoin de maintenir ................................. 21 5. Typologie de la maintenance ............................................................................................. 21 5.1. La maintenance corrective .......................................................................................... 22 5.2. La maintenance préventive .......................................................................................... 23 5.3. La maintenance proactive ............................................................................................ 23 5.4. La maintenance améliorative ...................................................................................... 23 6. Niveaux de maintenance .................................................................................................... 24 7. Politiques et stratégie de maintenance................................................................................ 24 8. Analyse du système de maintenance .................................................................................. 25 8.1. Les missions du service maintenance .......................................................................... 25 8.2. Les fonctions d’un système de maintenance ............................................................... 25 8.3. Les systèmes d’information et la maintenance ............................................................ 25 8.4. Les SGMAO et l’aide à la décision : les systèmes experts ......................................... 26 9. L’apprentissage dans les systèmes de maintenance ........................................................... 27 10. La méthodologie AMDEC ................................................................................................ 27 10.1. Définition ................................................................................................................... 27 10.2. Types d’ AMDEC ...................................................................................................... 28 Conclusion ............................................................................................................................... 28 Chapitre 2 : Outils de modélisation & Plateformes Introduction .............................................................................................................................. 29 Partie 1 : Le résonnement à partir de cas 1. Approche du raisonnement à partir de cas ........................................................................ 30 2. Cycle du raisonnement à partir de cas ............................................................................... 30 2.1. L’élaboration ............................................................................................................... 31 2.2. La remémoration .......................................................................................................... 31 2.3. L’adaptation ................................................................................................................. 32 2.4. La révision ................................................................................................................... 32 2.5. La mémorisation .......................................................................................................... 33 3. Représentation des cas ...................................................................................................... 33 3.1. Définition du cas ......................................................................................................... 34 3.2. Structure du cas .......................................................................................................... 34 3.3. Indexation du cas .............................................................................................................. 35 4. Les composants d’un système RàPC ................................................................................. 35 5. Avantages et inconvénients du RàPC ................................................................................. 36 5.1. Les avantages .............................................................................................................. 36 5.2. Les inconvénients ....................................................................................................... 37 6. Etat de l’art et plateformes du RàPC ................................................................................. 37 6.1. JColibri ....................................................................................................................... 38 6.2. MyCBR ....................................................................................................................... 40 7. Domaines d’application du RàPC ..................................................................................... 41 7.1. Typologie d’applications ............................................................................................ 41 7.2. Notre domaine : la maintenance industrielle .............................................................. 42 7.3. Modèle de conception des systèmes de RàPC dédiés au diagnostic .......................... 43 Partie 2 : L’extraction des connaissances : Machine Learning 1. La révolution du Machine Learning .................................................................................. 44 2. Définition du Machine Learning ....................................................................................... 44 3. Pourquoi utiliser le Machine Learning ? ............................................................................ 45 4. Etapes du Machine Learning .............................................................................................. 45 5. Les algorithmes de Machine Learning ............................................................................... 46 5.1. Selon le type de données en entrée .............................................................................. 46 5.1.1. Algorithmes d’apprentissage supervisé ............................................................... 47 5.1.2. Algorithmes d’apprentissage non-supervisé ....................................................... 48 5.1.3. Algorithmes d’apprentissage semi-supervisé ...................................................... 50 5.1.4. Algorithmes d’apprentissage par renforcement .................................................. 51 5.2. Selon l’objectif ............................................................................................................ 51 5.2.1. Algorithmes pour la détection d’anomalies ......................................................... 51 5.2.2. Algorithmes de classification ............................................................................... 51 5.2.3. Algorithmes de regroupement (Clustering) ......................................................... 52 5.2.4. Algorithmes de régression ................................................................................... 52 5.2.5. Algorithmes pour la réduction de dimensionnalité .............................................. 52 Conclusion ............................................................................................................................... 54 Chapitre 3 : Modélisation de l’Approche Proposée Introduction .............................................................................................................................. 55 Partie 1 : Techniques et méthodes utilisées dans notre approche 1. Quelques techniques de prétraitement des données ........................................................... 56 1.1. Traitement des valeurs manquantes et aberrants ......................................................... 56 1.2. Réduction des dimensions .......................................................................................... 58 2. Quelques techniques de modélisation ................................................................................ 61 2.1. Choix de distances ..................................................................................................... 61 2.2. Pondération des attributs ............................................................................................ 62 2.3. Logique de classification : binaire, floue ................................................................... 63 3. K-Plus Proches Voisins ...................................................................................................... 64 3.1. Définition ................................................................................................................... 64 3.2. Algorithme de classification par k-PPV ..................................................................... 65 3.3. Critères de la méthode ................................................................................................ 66 Partie 2 : Approche Proposée 1. Etat de l’art ET Critique des travaux antécédents .............................................................. 67 2. Contribution ....................................................................................................................... 68 3. Pseudo algorithme de l’approche proposée ........................................................................ 68 Conclusion ............................................................................................................................... 71 CHAPITRE 4 : Implémentation de l’approche & Discussion des résultats Introduction .............................................................................................................................. 72 1. Les outils de développement .............................................................................................. 73 2. Les bibliothèques utilisées ................................................................................................ 73 3. La plateforme d’aide au diagnostic proposée ..................................................................... 74 3.1. La machine de démonstration ..................................................................................... 74 3.2. Implémentation ............................................................................................................ 76 3.3. Analyse des résultats ................................................................................................... 80 Conclusion ............................................................................................................................... 83 Conclusion générale ............................................................................................................... 84 Bibliographie ........................................................................................................................... 85 Webographie ........................................................................................................................... 90 Résumé ................................ ................................ ................................ ................................ .... 92 Abstract .................................................................................................................................. 92 Côte titre : MAI/0939

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0939	MAI/0939	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 1 / 1)