Résumé | Cet article avance que l'acquisition automatisée de connaissances à des fins de diagnostic a eu des succès limités aussi bien dans le diagnostic guidé par échecs que dans le diagnostic basé sur un modèle. Il décrit le raisonnement basé sur des fautes et le raisonnement basé sur un modèle pour le diagnostic et examine certaines des méthodes d'acquisition de connaissances dans les deux domaines. L'algorithme Diagnostic Remodeler (DR) a été implémenté pour assurer la génération automatisée de modèles comportementaux constitutifs, avec représentation de la fonction, à partir de connaissance basées sur des fautes. Dans cet article, l'utilisation de la fonction est basée sur le point de vue selon lequel la fonction complète le comportement, quand la fonction dérivée est plus abstraite que le comportement dérivé par DR [Kumar 94]. Comme premier exemple d'application, DR utilise la base de connaissances basées sur des fautes du système Jet Engine Troubleshooting Assistant (JETA). DR extrait le modèle du circuit de carburant en utilisant comme intrants la base de connaissances et deux types de connaissances contextuelles, soit des connaissances dépendantes et indépendantes du dispositif. Cet article est la première présentation des résultats préliminaires de l'algorithme DR. |
---|