Présentée et soutenue par : GENERATION DE CONNAISSANCES A L'AIDE DU RETOUR D'EXPERIENCE: APPLICATION A LA MAINTENANCE INDUSTRIELLE Directeur(s) de Thèse : Membre(s) du jury

Mme Paula, Andrea Ruiz, M Bernard, Grabot Rapporteurs, Pascale Mme, Universite Zarate, Toulouse, Président Grabot, Ecole Nationale D'ingenieur, D Tarbes, Membre Bernard, Gabriel García (+1 others)
2014 unpublished
Je souhaite remercier toutes les personnes qui ont contribué à la réalisation de cette thèse. Je tiens tout d'abord à remercier mon directeur de thèse, M. Bernard Grabot, Professeur à l'ENIT, et mon co-encadrant, M. Bernard Kamsu-Foguem, Maître de conférences à l'ENIT, pour la confiance qu'ils m'ont accordée en acceptant d'encadrer mon travail de recherche. J'ai particulièrement apprécié travailler avec eux, pour leurs qualités humaines et scientifiques, leur bonne humeur permanente, leurs
more » ... manente, leurs conseils et leurs encouragements, qui m'ont aidée à mener à bien ce travail. J'associe également à ces remerciements, M. Daniel Noyes, ancien directeur du Laboratoire Génie de Production, et M. Laurent Geneste, chef de l'équipe SDC, pour leur accueil, leur disponibilité et leur gentillesse, ainsi que tous les membres du laboratoire pour leurs échanges aussi bien humains que scientifiques. J'adresse aussi mes remerciements aux personnes qui ont accepté de participer à mon jury de thèse : Mme. Pascale Zaraté, Professeur à l'Université Toulouse 1, pour avoir accepté de présider ce jury ainsi que M. Benoît Iung, Professeur à l'Université de Lorraine, et M. Engelbert Mephu-Nguifo, Professeur à l'Université Clermont Ferrand 2, pour avoir accepté d'être rapporteurs de mes travaux. J'associe à ces remerciements M. Bruno Vallespir, Professeur à l'Université Bordeaux, pour avoir accepté de participer à ce jury en tant qu'examinateur. De façon plus personnelle, je tiens à remercier chaleureusement toutes les personnes qui, de près ou de loin, m'ont accompagnée au cours de ces années et plus particulièrement mes collègues doctorants (de différentes générations) avec lesquels j'ai partagé des moments agréables et à qui je souhaite les meilleures choses. Merci à Memon, Simon, Floran, Damien, Stéphanie, Alberto, Olivier, Corentin, Christian, Malik, Adrien, Romain et tous les autres, pour leur amabilité et leurs encouragements. Merci plus particulièrement à Karima, Samira et Yasmina avec qui j'ai partagé de très bons moments et qui ont toujours été présentes pour m'encourager dans les périodes difficiles. J'adresse également mes sincères remerciements à Éric pour sa gentillesse, ses conseils et son soutien pendant ces années. Comment ne pas saisir l'occasion de remercier mes compatriotes Vanessa, Victor et Juan Camilo pour leur amitié sans faille et leurs encouragements. Merci particulièrement à Juan Diego pour son amitié et son soutien depuis le début de cette aventure en France. Je ne saurais terminer ces remerciements sans citer mes proches. Un grand merci à Pierre et sa famille pour m'avoir accueillie, soutenue et encouragée tout au long de ces travaux. Et enfin, je ne peux pas oublier mes parents, Alvaro et Olivia, ainsi que mon frère Alvaro et ma cousine Naty, qui m'ont tant manqué durant ces années, mais dont leurs encouragements et leur présence constante malgré la distance, m'ont donné la force d'aller jusqu'à la fin. Merci à vous ! La connaissance s'acquiert par l'expérience, tout le reste n'est que de l'information. Albert Einstein i RESUME Les travaux de recherche présentés dans ce mémoire s'inscrivent dans le cadre de la valorisation des connaissances issues des expériences passées afin d'améliorer les performances des processus industriels. La connaissance est considérée aujourd'hui comme une ressource stratégique importante pouvant apporter un avantage concurrentiel décisif aux organisations. La gestion des connaissances (et en particulier le retour d'expérience) permet de préserver et de valoriser des informations liées aux activités d'une entreprise afin d'aider la prise de décision et de créer de nouvelles connaissances à partir du patrimoine immatériel de l'organisation. Dans ce contexte, les progrès des technologies de l'information et de la communication jouent un rôle essentiel dans la collecte et la gestion des connaissances. L'implémentation généralisée des systèmes d'information industriels, tels que les ERP (Enterprise Resource Planning), rend en effet disponible un grand volume d'informations issues des événements ou des faits passés, dont la réutilisation devient un enjeu majeur. Toutefois, ces fragments de connaissances (les expériences passées) sont très contextualisés et nécessitent des méthodologies bien précises pour être généralisés. Etant donné le potentiel des informations recueillies dans les entreprises en tant que source de nouvelles connaissances, nous proposons dans ce travail une démarche originale permettant de générer de nouvelles connaissances tirées de l'analyse des expériences passées, en nous appuyant sur la complémentarité de deux courants scientifiques : la démarche de Retour d'Expérience (REx) et les techniques d'Extraction de Connaissances à partir de Données (ECD). Le couplage REx-ECD proposé porte principalement sur : i) la modélisation des expériences recueillies à l'aide d'un formalisme de représentation de connaissances afin de faciliter leur future exploitation, et ii) l'application de techniques relatives à la fouille de données (ou data mining) afin d'extraire des expériences de nouvelles connaissances sous la forme de règles. Ces règles doivent nécessairement être évaluées et validées par les experts du domaine avant leur réutilisation et/ou leur intégration dans le système industriel. Tout au long de cette démarche, nous avons donné une place privilégiée aux Graphes Conceptuels (GCs), formalisme de représentation des connaissances choisi pour faciliter le stockage, le traitement et la compréhension des connaissances extraites par l'utilisateur, en vue d'une exploitation future. Ce mémoire s'articule en quatre chapitres. Le premier constitue un état de l'art abordant les généralités des deux courants scientifiques qui contribuent à notre proposition : le REx et les techniques d'ECD. Le second chapitre présente la démarche REx-ECD proposée, ainsi que les outils mis en oeuvre pour la génération de nouvelles connaissances afin de valoriser les informations disponibles décrivant les expériences passées. Le troisième chapitre présente une méthodologie structurée pour interpréter et évaluer l'intérêt des connaissances extraites lors de la phase de posttraitement du processus d'ECD. Finalement, le dernier chapitre expose des cas réels d'application de la démarche proposée à des interventions de maintenance industrielle. ABSTRACT The research work presented in this thesis relates to knowledge extraction from past experiences in order to improve the performance of industrial process. Knowledge is nowadays considered as an important strategic resource providing a decisive competitive advantage to organizations. Knowledge management (especially the experience feedback) is used to preserve and enhance the information related to a company's activities in order to support decision-making and create new knowledge from the intangible heritage of the organization. In that context, advances in information and communication technologies play an essential role for gathering and processing knowledge. The generalised implementation of industrial information systems such as ERPs (Enterprise Resource Planning) make available a large amount of data related to past events or historical facts, which reuse is becoming a major issue. However, these fragments of knowledge (past experiences) are highly contextualized and require specific methodologies for being generalized. Taking into account the great potential of the information collected in companies as a source of new knowledge, we suggest in this work an original approach to generate new knowledge based on the analysis of past experiences, taking into account the complementarity of two scientific threads: Experience Feedback (EF) and Knowledge Discovery techniques from Databases (KDD). The suggested EF-KDD combination focuses mainly on: i) modelling the experiences collected using a knowledge representation formalism in order to facilitate their future exploitation, and ii) applying techniques related to data mining in order to extract new knowledge in the form of rules. These rules must necessarily be evaluated and validated by experts of the industrial domain before their reuse and/or integration into the industrial system. Throughout this approach, we have given a privileged position to Conceptual Graphs (CGs), knowledge representation formalism chosen in order to facilitate the storage, processing and understanding of the extracted knowledge by the user for future exploitation. This thesis is divided into four chapters. The first chapter is a state of the art addressing the generalities of the two scientific threads that contribute to our proposal: EF and KDD. The second chapter presents the EF-KDD suggested approach and the tools used for the generation of new knowledge, in order to exploit the available information describing past experiences. The third chapter suggests a structured methodology for interpreting and evaluating the usefulness of the extracted knowledge during the post-processing phase in the KDD process. Finally, the last chapter discusses real case studies dealing with the industrial maintenance domain, on which the proposed approach has been applied.
fatcat:ni6web27mractozh7hggrxpeim