I.4 MÉTHODES DE SURVEILLANCE
Il en existe deux catégories : les méthodes de
surveillance avec modèle et les méthodes de surveillance sans
modèle.
En ce qui concerne la première catégorie elle se
base sur un modèle analytique du système à surveiller et
utilise généralement des techniques de l'automatique.
La deuxième catégorie de méthode se
divise en deux sous catégories, la première correspond aux
statistiques de traitement du signal qui sont généralement
qualifiés d'outils de traitement de bas niveau, parce qu'ils sont en
contact direct avec le signal du capteur et ne servent
généralement que pour la génération d'alarmes
brutes.
Méthodes par
modélisation
fonctionnelle
-Arbre de défaillance
-AMDEC
Redondance matérielle
Méthode à base de modèle
Redondance
analytique et
matérielle
Méthode par
modélisation
physique
approche analyse structurelle
Méthode de surveillance
Estimation Paramétrique
Outils statistiques
et traitement du
signal
Par modèle explicatifs
Méthode à partir des données historiques
Par
reconnaissan ce de forme
Intelligence artificielle
Par modèles
comportemen
taux
8
Figure 2 : Classification des méthodes de
surveillance [6]
Ø Méthodes de surveillance avec
modèle
Cette catégorie de méthodes à base de
modèle, fait appel à des techniques d'automatique,
et elle intervient directement sur les signaux provenant de la
chaîne de mesure, elle est la catégorie la plus utilisée
dans l'industrie, elle se compose de deux sous catégories de
méthodes :
· Méthodes de diagnostic par
modélisation fonctionnelle et matérielle
Ce type de méthode consiste à concevoir des
relations entre les effets mesurables des défaillances et leurs causes
initiales, tel que, à partir des effets d'une défaillance on
pourra remonter jusqu'à sa cause initiale, les méthodes les plus
couramment rencontrées sont l'Analyse des Modes de Défaillance,
de leurs Effets et de leurs Criticité (AMDEC) et les Arbres De
Défaillances (ADD). Une autre catégorie de méthodes avec
modèle est représentée par les méthodes
basées sur une modélisation physique des processus
surveillés.
· Méthodes de surveillance par
modélisation physique
Le principe de ces méthodes est de comparer les mesures
effectuées sur le système aux informations fournies par le
modèle analytique. Tout écart est alors synonyme d'une
défaillance, une fois un écart est détecté, les
outils de la théorie de la décision sont utilisés
9
pour déterminer si cet écart est dû
à des aléas normaux, comme par exemple le bruit de mesure ou s'il
traduit une défaillance du système, ces méthodes peuvent
être séparées en deux techniques : techniques de redondance
physique et analytique, et la technique d'estimation paramétrique.
Ø Méthodes de surveillance sans
modèle
En pratique, la majorité des systèmes sont non
linéaires et très complexes, ce qui rend la modélisation
une chose ardue voire impossible, alors pour ce type de systèmes, la
supervision avec les méthodes vues précédemment
c'est-à-dire les méthodes avec modèle est une chose
impossible, les méthodes qui sont applicables pour ce genre de
systèmes sont les méthodes sans modèle, appelées
aussi méthodes à base de données historiques.
Deux solutions existent dans ce cas : surveillance avec des
tests statistiques du traitement de signal et surveillance par intelligence
artificielle.
· Surveillance par outils statistiques du
traitement du signal
Cette technique de surveillance par outils statistiques de
traitement de signal suppose que les signaux provenant de la chaîne de
mesure possèdent certaines propriétés statistiques, ces
propriétés sont identifiées par des tests et
comparées avec les propriétés d'un échantillon de
signaux de mesures prélevés en mode de fonctionnement normal.
Une grande variété de tests, applicables sur un
échantillon de mesures. Parmi les plus importants, nous mentionnons : le
test de franchissement de seuils, le test de moyenne et le test de variance.
· Surveillance par intelligence
artificielle
Ces méthodes se basent sur les techniques de
l'Intelligence Artificielle (IA), En effet, l'Intelligence Artificielle permet
de contourner les obstacles rencontrés par les méthodes
classiques et d'une manière générale, l'Intelligence
Artificielle, est relativement bien adaptée aux problèmes de
surveillance, telle que, elle est capable de traiter : une grande
quantité d'informations, des données non homogènes
(numériques/symboliques) et aussi des données
incomplètes.
Ces méthodes à base de l'intelligence
artificielle se divisent en trois groupes : les méthodes à base
de modèles comportementaux, les méthodes de reconnaissance de
formes et les méthodes à base de modèles explicatifs.
| 
