Contribution à la gestion des connaissances dans la plateforme de S-Maintenance : une approche sémantique pour la sélection d’experts

Abstract

L'un des principaux processus dans un système de maintenance est le diagnostic. Un processus de diagnostic se déclencher par une alarme, signe de la détection d’une panne. La détection de la panne est indispensable pour que les mécanismes de réparation puissent se réaliser et remettre le système dans un état opérationnel. Dans ce contexte, les contributions apportées dans cette thèse sont basées sur les deux points suivants : le premier point consiste à montrer l’efficacité d’une bonne gestion d’alarme. Pour cela, nous avons conçu un moyen pour gérer l’inondation d’alarme. Un tel système permet d’aider les opérateurs à réduire la quantité d’informations, en regroupant certaines alarmes. Cette gestion est basée sur la corrélation sémantique. Le deuxième objectif scientifique, nous envisageons de développer un système d’aide à la décision pour la sélection d’experts. La sélection des experts représente un processus crucial pour l'amélioration de la compétitivité des entreprises. Dans les secteurs industriels caractérisés par la complexité des équipements exploités, le processus de sélection des experts peut être considéré comme un problème multicritères, qui doit théoriquement être formalisé et adapté à des contextes spécifiques. Nous développons un modèle de sélection et d’affectation d’experts plus élargie en termes de critères de sélection en intégrant un critère subjectif qui est l’expérience passée. Le modèle développé est basé sur l’exploitation de l’ontologie FOMES décrivant le domaine et d’un outil de formalisation de l’expérience via le Raisonnement à Partir de Cas (RàPC).