système d'aide à la décision fondé sur la logique floue et les … · 2013-04-12 ·...
TRANSCRIPT
ÉÉcolecole PolytechniquePolytechnique de Montrde Montrééal : al : DDéépartementpartement de de ggéénienie mméécaniquecanique
27 27 septembreseptembre 20052005
Geno-FlouSystème d'aide à la décision fondé sur la logique
floue et les algorithmes génétiques
PrPréésentsentéé parpar :: Sofiane Achiche, Ph.D.Sofiane Achiche, Ph.D.Stagiaire postdoctoralStagiaire postdoctoral
Directeurs de rechercheDirecteurs de recherche :: Prof. Marek Prof. Marek BalazinskiBalazinski, Ph.D. , Ph.D. Prof. Luc Baron, Ph.D.Prof. Luc Baron, Ph.D.
2/18
Plan de la présentation
Introduction et problématiqueÉquipe de rechercheDifférents projets prévus et en cours– De FuzzyFlou vers Geno-Flou– Contrôle des fours industriels (Nitrex)– Gestion des feux de circulation (Axor)– Contrôle prédictif de la qualité de la pâte
thermomécanique (CRIQ)Conclusion
4/18
Logique floueLogique floue
Introduction et problématique
nn’’est pas floue mais fondest pas floue mais fondéée sur la the sur la thééorie des sousorie des sous--ensembles flous qui permet de traiter des problensembles flous qui permet de traiter des problèèmes mes vagues, imprvagues, impréécis et flouscis et flous
6/18
Introduction et problématique
Problème
MIMI
Logique floueLogique floue
flouesfloues
RRèègles flouesgles floues
Ensembles flousEnsembles flous
7/18
BasBaséés sur les principes ds sur les principes d’é’évolution de lvolution de l’’espespèècecePermettent dPermettent d’’optimiser une base de optimiser une base de connaissancesconnaissancesPermettent de crPermettent de crééer une base de connaissances er une base de connaissances àà partir de donnpartir de donnéées synthes synthéétiques ou des tiques ou des donndonnéées expes expéérimentales brutesrimentales brutes
Introduction et problématiqueAlgorithmes génétiques
9/18
Équipe de recherche
PolytechniqueProf. Luc Baron et Prof. Marek BalazinskiSofiane Achiche, stagiaire postdoctoralKiarash Aminolahi et Amar Khouki, candidats au Ph.D.Aleksander Przybylo et Qun Ren, étudiants M.Sc.A.
Partenaires et applicationsNITREXAXORCRIQ
11/18
Comparaison à d’autres logiciels existantsFonctions d’appartenanceMoteurs d’inférenceIntégration de fonctionnalités d’apprentissage par algorithmes génétiquesFiltres pour importation/exportation des donnéesEtc.
De FuzzyFlou vers Geno-Flou
13/18
Nitruration et contrôle de four
Conditions de contrôle des fours pour la nitruration des métaux varient en fonction d’un grand nombre de paramètresConstruction d’une base de connaissances floue en collaboration avec les spécialistes de NitrexPrédiction des propriétés mécaniques des pièces traitéesContrôle adaptatif de la température du four
15/18
Gestion de circulation
Feux de circulation souvent gérés par des minuteries qui ne changent pas selon l’heure de la journéeDes problèmes d’embouteillage de plus en plus marquésProblèmes reliés à l’environnement et à la consommation d’essenceParamètres qui régissent la circulation souvent vagues, ponctuels et imprévisibles (accident, heure de sortie des employés, météo, curiosité des chauffeurs…)
16/18
QualitQualitééPapier Papier
QualitQualitéé des copeaux (CMSdes copeaux (CMS®®))•• luminanceluminance•• RGB/HSLRGB/HSL•• humidithumiditéé de surfacede surface•• ddééfautsfauts
QualitQualitéé des copeauxdes copeaux(r(rééelle)elle)
•• essencesessences•• âgeâge•• humidithumiditéé•• densitdensitéé•• granulomgranuloméétrietrie•• ddééfautsfauts
copeauxcopeaux RaffinageRaffinage QualitQualitéépâtepâte
Variables d'opVariables d'opéérationration•• entreferentrefer•• rréépartition partition éénergnergéétiquetique
entre les stadesentre les stades•• vitesse de rotationvitesse de rotation•• etcetc……
PropriPropriééttéés hors lignes hors ligne•• physiquesphysiques•• optiquesoptiques
Application pâtes et papiers : CRIQApplication pâtes et papiers : CRIQ
PrPréédire en lignedire en ligne??
Signature des copeaux de boisSignature des copeaux de bois
+ Hydrosulfite+ Hydrosulfite
ou Peroxydeou Peroxyde
Blancheur ISO de la pâteBlancheur ISO de la pâte
DonnDonnéées expes expéérimentalesrimentales•• Plan dPlan d’’expexpéérience rience
•• Usine pilote (UQTR)Usine pilote (UQTR)
•• DonnDonnéées res réécoltcoltéées sur 1 anes sur 1 an
17/18
Conclusion : Geno-Flou
Autres applications possiblesOutil très puissant permettant de résoudre des problèmes très diversifiésNe nécessite aucune connaissance théorique sur le phénomène de la part de l’usager (traite des variables linguistiques)S’agence très bien avec des algorithmes d’apprentissage et d’optimisation tels les algorithmes génétiques et les réseaux de neurones