Apport des méthodes d'apprentissage symbolique automatique pour l'aide à la maintenance industrielle

Cette these est consacree a l'etude des methodes d'apprentissages symbolique automatique en vue de leurs applications dans le domaine de la maintenance industrielle. Plus precisement, l'apport des methodes d'apprentissage inductives basees sur la recherche de similarites entre exemples est envisage a deux niveaux distincts. Le premier niveau concerne le domaine de la maintenance corrective. L'approche presentee aborde le developpement et la mise en œuvre d'un module d'acquisition automatique de connaissance de surface pour le systeme expert de diagnostic technique Sediag. Ce module base sur l'utilisation du systeme inductif Charade, engendre un systeme de regles a partir des informations memorisees au cours des sessions de diagnostic anterieures. Le second niveau d'aide, relatif a la maintenance preventive aborde la conception d'un systeme a base de connaissance dedie a l'exploitation de la base de donnees des historiques de maintenance. Cette approche repose sur l'association de deux types de connaissances. Le premier est la connaissance induite par le module d'apprentissage a partir de la base de donnees. La connaissance generale d'experts en maintenance preventive constitue le second type de connaissance utilise. Le systeme ainsi realise permet d'automatiser l'exploitation des historiques de maintenance et de fournir des conseils de prevention dont l'objectif est d'accroitre l'efficacite de cette maintenance. Enfin, est proposee une architecture integree de systeme a base de connaissance utilisant des methodes d'apprentissage symbolique automatique pour l'aide a la maintenance corrective et preventive.