M ÉTHODES D APPRENTISSAGE POUR AMÉLIORER LA QUALITÉ DE SERVICE D UNE FLOTTE DE LOGICIELS EMBARQUÉS Présenté par :Somia RAHMOUN Encadré par :Marie-Odile CORDIER Abdelkrim BENAMAR République Algérienne Démocratique et Populaire Université Abou Bakr Belkaid– Tlemcen Faculté des Sciences Département dInformatique Master en Informatique Modèle Intelligent et Décision (M.I.D)

I NTRODUCTION Contexte Nouvelle technologie: Smartphone Forte utilisation : domaine professionnel et vie courante Ne sont pas à labri de problèmes techniques Manage Yourself : logiciel empêchant ces appareils mobiles de planter 2

S OMMAIRE 3 Projet Manage YourSelf Premier logiciel développé Nouveau système proposé Tests Résultats Synthèse Conclusion Perspectives

P ROJET M ANAGE Y OURSELF Projet de diagnostic et surveillance de plates-formes embarquées. Faire de la prévention de pannes sur des mini-terminaux mobiles de type Smartphone. 4 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

P ROJET M ANAGE Y OURSELF Architecture globale du projet 5 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES Surveillance Diagnostic Réparation Règles correctives Rapport de fonctionnement Construction de règles correctives Apprentissage de règles

P REMIER LOGICIEL DÉVELOPPÉ 6

R ÉALISATION Acteurs Étudiants de lINSA (Institut National des Sciences Appliquées) Rennes, France. Mise en œuvre Développement de lapplication embarquée Serveur pour tester lapplication embarquée pas très élaboré Notre Mission Proposer une nouvelle architecture pour le nouveau logiciel. Etudier ce qui a été fait pour le serveur du premier logiciel 7 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

A RCHITECTURE Partie serveur Les deux parties ont été développées séparément 8 Arbre de décision : C4.5 Expert Humain P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

F ONCTIONNEMENT Constatations L'apprentissage se refait systématiquement à partir de tous les exemples Apprentissage incrémental Sélection manuelle de lensemble de règles correctives: lourde tache pour lexpert humain, pouvant véhiculer des erreurs Module de sélection Les rapports remontés névoluent pas Filtrage 9 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

N OUVEAU SYSTÈME PROPOSÉ 10

A PPRENTISSAGE Première Amélioration : 11 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

A PPRENTISSAGE Apprentissage incrémental: Par règle de classification Algorithme Ripper : Construit un ensemble de règles indépendantes Ajoute une heuristique de post élagage sur les règles Etude comparative entre C4.5 et Ripper a montré que: ­ Ripper apprend des règles de plantage+ une seule de non plantage ­ Ripper construit un classifieur se rapprochant le plus des règles de simulations ­ Pas de grandes différence coté performance 12 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

S ÉLECTION Deuxième amélioration: Manipulation manuelle des règles correctives 13 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

S ÉLECTION Sélection des meilleurs règles à embarquer, à partir des nouvelles règles apprises et des règles correctives déjà présentes sur lappareil mobile. 14 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

S ÉLECTION Objectif de la sélection Politiques de sélection Pour lajout de nouvelles règles apprises: Enrichir lensemble des règles correctives Pour la suppression de règles correctives: Optimiser lensemble des règles correctives 15 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

S ÉLECTION Politiques de sélection Pour lajout des nouvelles règles apprises Automatique Aucune contrainte sur les règles apprises Par généralité Ne garder que les règles les plus générales 16 R3 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

S ÉLECTION Politiques de sélection Pour la suppression des règles correctives Seuil de couverture Seuil fixé à 50% de couverture 17 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

S ÉLECTION Politiques de sélection Pour la suppression des règles correctives Roue de la chance : Méthode aléatoire et probabiliste Sélection Naïve la règle corrective qui a la moyenne dutilisation la plus élevée Pannes rares Les négliger en supprimant les règles correctives peu utilisées 18 R 1 : 40% dutilisation [t 0, t] R 2 : 20% dutilisation [t 0, t] R 3 : 10% dutilisation [t 0, t] R 4 : 30% dutilisation [t 0, t] P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

F ILTRAGE Troisième amélioration: 19 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

F ILTRAGE Exécution des règles correctives 20 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

T ESTE DU SYSTÈME PROPOSÉ 21

T ESTS Tester la capacité du système à déduire un ensemble pertinent des règles correctives. Temps nécessaire pour optimiser lensemble déduit Faire tourner le système jusquà ce que celui-ci narrive plus à améliorer lensemble des règles correctives comparaison avec lensemble des règles de simulation 22 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

R ÉSULTATS OBTENUS 23

R ÉSULTATS Politiques dajout : Aucune optimisation Politiques de suppression: Associées à la politique dajout par généralité o Seuil de couverture La plus efficace en terme de temps Déduction de lensemble des règles de simulations o Naïve Pas damélioration de lensemble déduit o Roue de la chance Améliore plus rapidement que Seuil : les deux ensembles sont équivalents 24 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

S YNTHÈSE DU TRAVAIL 25

S YNTHÈSE 26 Ancien système Système Proposé P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

C ONCLUSION 27

C ONCLUSION Etude du projet « Manage Yourself » en fixant les besoins Etude du premier logiciel développé Etude bibliographique sur les méthodes dapprentissage Conception dun systèmes de diagnostic et surveillance tout en optimisant le système qui a été développé Système se rapprochant le plus vers un cas réel dutilisation Implémentation sous JAVA : Les résultats montrent que le système converge vers loptimalité 28 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

P ERSPECTIVES 29

PERSPECTIVES Affectation dactions Tester lefficacité des actions correctives Sintéresser aux profiles des utilisateurs Personnalisation du type de correction à apporter Gestion de valeurs manquantes Mettre en place un algorithme dapprentissage adapté Comprendre les pannes Gérer les rapports de plantage et de non plantage séparément 30 P ROJET M ANAGE Y OURSELF T ESTS P REMIER LOGICIEL DÉVELOPPÉ R ÉSULTATS C ONCLUSION N OUVEAU SYSTÈME PROPOSÉ S YNTHÈSE PERSPECTIVES

MERCI … 31