La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Modélisation des stratégies de récupération de défauts en plasturgie chez des régleurs de presses à injecter Projet 2004 Rapport Final Projet PLASTUR.

Présentations similaires


Présentation au sujet: "Modélisation des stratégies de récupération de défauts en plasturgie chez des régleurs de presses à injecter Projet 2004 Rapport Final Projet PLASTUR."— Transcription de la présentation:

1 Modélisation des stratégies de récupération de défauts en plasturgie chez des régleurs de presses à injecter Projet 2004 Rapport Final Projet PLASTUR

2 Disciplines et équipes Psychologie cognitive, Ergonomie, Informatique + Partenaire Social CRAC, Université Paris 8 (Jean-François Richard, Emmanuel Sander) CNAM, Equipe Didactique professionnelle (Pierre Pastré, Pierre Parage) CRIP 5 Université Paris 5, LIP6 Université Paris 6 (Michel Futtersack, Jean-Marc Labat, Jacques de Frileuze, Christ Poorianana) AGEFOS-PME BOURGOGNE (Pascal Samson) Ecole de formation dAlençon (Pierre Parage)

3 Rappel du projet Modélisation du rôle du contexte en situation naturelle (régleurs de presses à injecter) en articulant des cadres théoriques de psychologie cognitive et ergonomique, et des méthodes de modélisation issues de lI.A. et de la psychologie cognitive.

4 Contexte scientifique Place centrale de la R.P. dans lanalyse du travail en psychologie ergonomique et en didactique professionnelle La psychologie cognitive et lI.A. ont développé des modèles rarement mis à lépreuve en situation naturelle Les enjeux sont considérables

5 Cas de la conduite de processus Travail sur simulateur (Pastré, 92, 94, 04) Réglage des différents paramètres afin de viser labsence de défaut (correction de défaut) 3 catégories de défaut (conceptualisation) –Cause circonscrite –Reposant sur un diagnostic de fonctionnement –Compréhension du comportement de la matière Il existe des situations de compensation (plusieurs paramètres déréglés se compensent)

6 Objectifs scientifiques Simuler le comportement des opérateurs et identifier les stratégies et les comportements dadaptation … dans une situation professionnelle où interviennent des connaissances spécialisées de haut niveau, contrairement aux problèmes classiques où nexistent pas de telles compétences. Un modèle de diagnostic des processus de solution serait utilisable pour réorienter le comportement de recherche et faire prendre conscience de ladéquation ou non des solutions et à partir de là de construire les concepts qui font défaut.

7 Granules de polymère Vis dArchimèdeBuse Phase dynamique dinjection Température T° Contre-pression CP Temps dinjection TID

8 Point de commutation Pression de Commutation PC Granules de polymère Vis dArchimèdeBuse

9 Phase statique de maintien Temps de Maintien T2 Pression de Maintien P2 Granules de polymère Vis dArchimèdeBuse

10 Phase de refroidissement Temps de refroidissement T3 Granules de polymère Vis dArchimèdeBuse

11 Corpus Recueil de données sur un simulateur (construit à partir dune base détat, associant valeurs de paramètres et défauts) Problèmes de nature proche (même Espace Problème, même Etat Final; Etat Initial varie) Corpus comprend 2 parties –Deux séries de problèmes (9 et 8 problèmes) séparés par une phase de formation. –13 sujets au total dont certains nont pas fait la 2ème partie.

12 Paramètres daction A partir des défauts visuels et de la courbe des pressions 7 paramètres daction discrétisés à 3 états dont les valeurs peuvent être augmentées ou diminuées TID = Temps dInjection PC = Pression de Commutation CP = Contre Pression P2 = Pression de maintien T° = Température du moule T2 = Temps de maintien T3 = Temps de refroidissement Un paramètre détat de la machine : buse matée ou non

13 Les indices de courbe PC TID T2 P2 Point de commutation

14 Les 4 couples de défauts Défauts à cause unique 1/ Striage / Brûlure (Cause = TID) 2/ Cassure / Retassure (Cause = P2 T2) Défauts à causes multiples 3/ Serrage fort / faible (Causes = T3, P2 T2) 4/ Manque / Bavure (Causes = PC, T°, buse)

15 Combinaison de causes et de défauts Laddition de deux causes concourant à un même effet. Dans certains cas, il y a production de deux effets conjoints. Atténuation : une cause, indirecte, vient diminuer leffet de la cause directe principale. Addition avec atténuation : deux causes ajoutent leurs effets, alors quune 3 e cause vient atténuer leffet densemble. Addition avec augmentation : deux causes ajoutent leurs effets ; une 3 e cause, indirecte, vient accentuer leffet densemble. Présence de 2 causes ayant des effets distincts, avec atténuation dun des effets. Présence de 2 causes ayant des effets distincts, avec accentuation dun des effets. Présence de 2 causes, inhibition dun des effets

16 Hypothèses sur les raisonnements des régleurs pour défauts à causes multiples Deux classes de situations : 1. Le défaut est dû à une cause unique Serrage = T3 ou (P2, T2) Manque/Bavure = (PC, T°) ou buse matée Striage/brûlure = TID Variante : 2 défauts dus à une cause unique (Ex : M1, St1 => T°-) 2.Il y a une cause directe et un phénomène de compensation / accentuation La compensation peut être totale ou partielle.

17 Exemples de compensations / accentuations Compensation totale : CP+, T°- => pas de défauts Compensation partielle : PC-, CP+ => M1 Accentuation : PC-, Buse => M2

18 Modélisation par contraintes Une contrainte est une règle qui a 3 particularités –1-son résultat est une restriction sur les actions possibles. Cest un vecteur indiquant pour chaque éventualité si elles est permise (0), interdite (1) ou indifférente (0,5) –2-les contraintes se composent de façon additive : le résultat est une contrainte plus restrictive –3- le fait quune liste ordonnée de C est une C permet un diagnostic automatique de la liste ordonnée des contraintes qui reproduit au plus près le protocole Etant donné un protocole, un ensemble de C possible et une mesure de distance, on construit progressivement par ajout de C la liste qui simule au mieux le protocole (un problème ou une suite de problèmes)

19 Adaptation à la tâche de réglage (1) On a défini comme des contraintes les règles de gestion de la tâche prises de décision portant sur le type dactivité à engager : –après un réglage, en faire un second ou sarrêter dagir pour prendre de linformation ? –Alors, quelle information demander, les défauts ou la courbe, quand passer à laction ou considérer que le problème est résolu.

20 Les buts daction sont directement dérivés dhypothèses sur lorigine des défauts –un but comporte deux composantes la partie défauts où on peut avoir un défaut ou un couple de défauts la partie actions de remédiation où on peut avoir une ou plusieurs actions ordonnées ou non Adaptation à la tâche de réglage (2)

21 On exprime le niveau de compréhension des 5 paramètres de la courbe des pressions par un vecteur à 5 valeurs qui indique pour chaque paramètre sil est reconnu ou non dans la courbe par lopérateur Les valeurs de ce vecteur entrent comme conditions dans les contraintes de gestion de la tâche et les contraintes des actions de réglage Adaptation à la tâche de réglage (3)

22 Larchitecture du système Le protocole est découpé en deux sous-protocoles : gestion de la tâche et actions de réglage. Chaque sous protocole est régi par un ensemble de contraintes recherche du meilleur jeu de contraintes pour chacun et calcul de la distance au protocole pour les différentes valeurs du vecteur compréhension reconstitution du protocole global : recherche du patron de valeurs du vecteur compréhension qui donne la meilleure approximation. Une fois ce patron choisi –simulation des prises de décision de gestion de lactivité –simulation des prises de décision concernant les actions de réglage

23

24 Exemple de simulation

25 Essai EtatAction ContraintesActions autorisées 1PIPI-C-PI pas encore eu de réglage, courbe absente et lisible demander la courbe PI-C-PI 2PIPI-RE pas encore eu de réglage, la courbe est présente faire un réglage PI-RE 3RETi+1 Traitement courbe qui autorise Ti+, Ti-,Pc+,Pc- (mal lus) et P2+, T2- (bien lus) Buts Manque et Brûlure qui autorisent Ti+, P2-, T2+ Ti+ 4RERE-PI si un réglage valide a été fait, demander de linformation, sauf si ce réglage annule le réglage précédent, auquel cas soit demander de linformation soit faire un nouveau réglage ; sil ny a pas eu de réglage ou sil est invalide, faire un réglage RE-PI 5PIPI-C-PI il y a eu un réglage sur un paramètre de la courbe qui est lisible, ni les défauts ni la courbe nont été demandés, demander la courbe PI-C-PI

26 La compatibilité indique quel est le pourcentage des essais du protocole pour lesquels laction observée se trouve parmi les actions autorisées par la simulation La prédictibilité est liée au nombre dactions autorisées par la simulation : si ce nombre est faible (à la limite une), cela signifie que la simulation serre de très près le protocole Si le nombre dactions autorisées est important, la simulation contient le protocole, mais dune façon lâche Compatibilité et prédictibilité sont en relation inverse lune de lautre Fidélité de la simulation

27

28 Formaliser les résultats de lanalyse du travail concernant les hypothèses des régleurs sur lorigine des défauts ainsi que les différentes stratégies : pilotage par la courbe ou par les défauts Permet destimer des caractéristiques individuelles des opérateurs autres que les stratégies –Le niveau dexigence de lopérateur –La compréhension de la courbe –Les hypothèses sur les causes des défauts Diagnostic fin du processus de résolution qui permet denvisager lutilisation du modèle à des fins de formation, notamment pour faire prendre conscience à lopérateur de la stratégie mise en œuvre et la faire évoluer vers une stratégie plus efficace Apports de la modélisation par contraintes

29 Modèles à base de connaissances Définition de lOpérateur Idéal (O.I.) –Commence par rectifier la courbe –Puis stratégie analytique fondée sur Le nombre de fois où une action lui a permis de résoudre les défauts présentés dans le problème Limpact de laction sur les autres types de défauts. Règles plus générales dadaptation à la tâche (heuristiques) –Ne pas exécuter 2 fois la même action. –Ne pas revenir en arrière

30 Les règles daction Règles daction pour la courbe –Si un des paramètres de la courbe (TID, PC, P2, T2) nest pas correct, une seule règle possible Règles daction pour les défauts visuels –Extraction des connaissances à partir de la base des états Réduction de la base des états Définition des règles daction et de leur priorité : une première définition a été implémentée sur la base de critères de fréquence (nombre détats de la base présentant un défaut d j et pour lesquels laction a i était nécessaire) et de règles doptimisation (les heuristiques).

31 Le diagnostic Choix de laction la plus pertinente –M1 pour Manque-Bavure, Str1 pour Striage-Brûlure et N ser pour Serrage. On a ainsi : Pb = {M1, Str1, N ser }.

32 Résultats de lO.I. LO.I. a su résoudre lensemble des 17 problèmes –Le plus souvent en un nombre de coups optimal –Larchitecture développée pour lO.I. transposable pour les O.V. –Développé en CLIPS et devrait être intégré au simulateur Java. Mais … –Les régleurs réels ne fonctionnent pas sur le modèle du régleur idéal, même sous une forme plus ou moins dégradée. –Même le régleur le plus performant, ne commence pas de façon systématique à corriger tous les paramètres visibles sur la courbe pour ne passer quensuite, si besoin est, à la correction des défauts résiduels –Registre pragmatique : les régleurs cherchent à trouver un état acceptable en un minimum de temps

33 Deux opérateurs virtuels Opérateur Rustique (O.R.) –Prend en considération uniquement les défauts (demandes de défauts) – Ne connait pas (ou très peu) les informations de la courbe –Hypothèse simplificatrice que lO.R. observe la pièce après chaque action Opérateur Expert (O.E.) –Prend en compte des informations de la courbe –Effectue des demandes sur les défauts visuels –Hypothèse simplificatrice que lO.R. consulte toutes les informations après chaque action Modèles articulés –La base de règles du modèle expert est une extension de la base de règles du modèle rustique

34 Evaluation de lopérateur rustique Trois sujets se rapprochent le plus du modèle rustique: Lucien, Henri et Jean –Ceux-ci ne demandent jamais (ou très rarement) à consulter la courbe Pour les trois sujets concernés, les qualités de simulation sont très bonnes –Coïncidence sur lensemble des actions sur 6 ou 7 des 8 problèmes

35 Evaluation de lopérateur expert 3 opérateurs au comportement très proche pour construire la base de règles de lO.R. –Environ 60% des problèmes simulés –Encourageante, mais non suffisante Troisième niveau de modélisation à envisager –Hypothèse que les experts font des inférences sur des variables non directement observables physiques déductibles d'observables (la vitesse d'injection peut être dérivée du temps d'injection et de la pression de commutation) physiques inaccessibles (température plastique, état buse) construites (bourrage, retrait, manque de matière) : abstraction d'un phénomène physico-chimique impliquant plusieurs variables physiques

36 Apports de la simulation à base de connaissances Richesse du langage de représentation –Les règles utilisent la logique des prédicats, on peut définir des métaconnaissances explicites pour contrôler le moteur dinférences –Décrire ainsi des comportements de résolution complexes, comme des changements de stratégie en cours de résolution. Lisibilité des règles – Permet une modélisation incrémentale et interactive – Lexpert du domaine peut examiner la trace dune résolution du système et corriger/ajouter des règles en détectant des incohérences ou des incomplétudes.

37 SIMPLAST Un simulateur pour lexpérimentation, le diagnostic, la simulation et la formation Un mode apprenant, et un mode formateur Possibilité de rejouer un protocole Possibilité de résoudre un problème (lO.I. et les Opérateurs virtuels seront implantés dans SIMPLAST)

38 Etude auprès dapprentis Quen est-il chez les débutants ? –Apport des modélisations construites –Application à la formation Ecole professionnelle dAlençon –Recueil des données sur SIMPLAST 80 protocoles collectés Résultats en cours danalyse (Thèse de Pierre Parage)

39 Modélisation cognitive Rst & R.P. Mise en œuvre de modélisations issues de champs de recherches différents –IA pour la modélisation à base de connaissances –Psy Cog pour la modélisation à base de contraintes Même objet de recherche ET mêmes données. –Démarche régulièrement promue, réalisation effective très rare –PLASTUR constitue à ce titre un exemple remarquable dapplication de deux approches à une même situation et sur un même corpus.

40 Articulation des modélisations Caractéristiques dun modèle conjoint Diagnostic, analyse des comportements à un niveau fin (les contraintes), et de granularité supérieur (règles) –Diagnostic assuré par lapproche contrainte –Les contraintes identifiées servent dentrées pour la sélection des règles appropriées dun modèle à base de connaissances de lopérateur virtuel le plus pertinent support dinteractions directes avec les experts du domaine ou de lanalyse du travail, et adapté à la construction de profils –Dépasse le cadre du projet mais rendue possible par lui

41 Apports réciproques Les analyses conduites par Pierre Pastré ont pu servir de support à une modélisation informatique, tant par lapproche contrainte que par lapproche modélisation à base de connaissance Double fonction de la démarche modélisatrice –tentative de validation dune analyse jusque-là seulement partiellement formalisée et largement qualitative –support pour une évolution conceptuelle liée aux nécessités dexplicitation propre à la construction dun modèle informatique et aux réinterprétations liées aux résultats des premières tentatives de simulations Pour la psychologie cognitive : permet déprouver et de faire évoluer des modèles en sortant des problèmes jouets et en prenant en compte linfluence des connaissances antérieures

42 Perspective pour Plastur Volonté de poursuite par les membres du projet Partenariat en cours de développement avec lécole dAlençon –Application à la formation –Une thèse en cours Rédaction darticles


Télécharger ppt "Modélisation des stratégies de récupération de défauts en plasturgie chez des régleurs de presses à injecter Projet 2004 Rapport Final Projet PLASTUR."

Présentations similaires


Annonces Google