L'automatisation des systèmes de surveillance d'une chaîne de production pose des défis qui peuvent se résumer à de bonnes collecte et gestion des informations pour formuler à l'opérateur des propositions adéquates. Pour construire un tel système, Nicolas Palluat, du LAB, a envisagé, lors de son travail de thèse, d'utiliser les réseaux de neurones. Ceux-ci sont des systèmes informatiques dont le fonctionnement se calque sur celui des neurones biologiques. Après une période d'apprentissage hors ligne Ÿ, effectuée à partir des informations mémorisées sur la vie de l'appareil de production, le réseau est auto-apprenant et continue à s'améliorer. De plus, l'apport des notions floues et temporelles permet d'établir un diagnostic et de prévenir d'une panne. Le réseau gère ainsi toute la partie entre la réception des informations issues des capteurs et l'envoi de prescriptions à l'opérateur.
Noureddine Zerhouni
Tél. 03 81 40 28 05
zerhouni@ens2m.fr
