Réflexion sur le diagnostic par clustering dynamique avec DyClee, pour une chaudière

Analyse et évaluation du diagnostic par clustering dynamique avec le logiciel DyClee, pour la chaudière d'un procédé de production de vapeur, lors d'une recherche méthodologique dans le domaine du diagnostic par l'équipe DISCO (DIagnostic Supervision et COnduite) du Laboratoire d'analyse et d'architecture des systèmes (LAAS). Comme lors d’un examen médical, le diagnostic permet d’estimer l’état d’un système (une machine comme cette chaudière) en localisant, identifiant et expliquant ses défauts. Un diagnostic est créé en interprétant des données issues de mesures réalisées sur le système en fonctionnement. Pour ce faire, l’apprentissage automatique (intelligence artificielle) est de plus en plus utilisé. Le clustering en particulier, est un outil de partitionnement des données brutes pour lequel la machine n’est pas assistée par l’homme (au contraire de la classification supervisée, où des exemple étiquetés par leur classe d'appartenance sont fournis à l’algorithme durant sa phase d’apprentissage). Le diagnostic garantit la sûreté, la résilience et la maintenabilité des systèmes. Il existe des applications variées dans les secteurs industriels (aéronautique, agriculture, automobile, médecine, spatial).