Fiche recherche - Walid BEN AHMED - LGI

Ecole Doctorale en Sciences de l’Ingénieur de l’ECP
Formation doctorale en Génie Industriel
SAFE- NEXT : une approche systémique pour l’extraction de
connaissances de données. Application à la construction et à l’interprétation
de scénarios d’accidents de la route
par Walid BEN AHMED
Résumé de thèse
Doctorat de Génie Industriel
Laboratoire Génie Industriel - Ecole Centrale Paris
Ecole Centrale de Lille
Ecole Centrale de Lyon
N°11 - Janvier 2005
Walid Ben Ahmed est né le 29 mars 1976 à Kélibia (Tunisie). En 2000, il a
obtenu le Diplôme d’Ingénieur en Génie Mécanique de l’Ecole Nationale
d’Ingénieurs de Tunis (ENIT). En 2001, il a obtenu le Diplôme d’Etudes
Approfondies (DEA) de Génie des Systèmes Industriels de l’Ecole Centrale
Paris. De 2002 à 2005, il a effectué une thèse en convention CIFRE au sein de
la Direction de la Recherche de la société Renault. Son travail de recherche a
été réalisé au Laboratoire Génie Industriel (LGI) de l’Ecole Centrale Paris
Thèse soutenue le 17 janvier 2005 à l’Ecole Centrale Paris
Devant le jury composé de :
Directeur de thèse :
Mounib MEKHILEF
HDR à l’Université d’Orléans
Co-directeur de thèse :
Michel BIGAND
Maître de Conférence, Ecole Centrale Lille
Jury:
Daniel COUTELLIER Professeur ENSIAME Valenciennes et DG AIP-PRIMECA, Président
Rose DIENG
Chef du projet ACACIA, INRIA Sophia Antipolis, Rapporteur
Christian TAHON
Maître de conférence, Université de Valenciennes, Rapporteur
Claudia ECKERT
Professeur Engineering Design Center, Un. of Cambridge, Examinateur
Yves PAGE
Adj. du Directeur du LAB PSA Peugeot-Citroën Renault, Examinateur
Michel TOLLENAERE Professeur INPG, Grenoble, Examinateur
Le mémoire de thèse et les publications sont disponibles auprès de :
Anne PREVOT
Laboratoire Génie Industriel
Ecole Centrale Paris
Grande Voie des Vignes
92295 Châtenay Malabry Cedex
Tél : 01 41 13 13 88 – E-mail : [email protected]
Abstract
Nowadays, given the automation of data collection, very large databases are constructed. The exploitation of these data in accidentology and
several others fields (e.g. marketing, engineering, etc.) requires automatic techniques of Knowledge Discovery in Databases (KDD). Incorporating expert
knowledge in the KDD process is fundamental to handle the complexity of data, domain and knowledge. This necessitates the development of
approaches, methods and techniques intended to identify, represent and operationalize expert knowledge.
In this dissertation, we propose a new approach, SAFE-Next (Systemic Approach For Enhanced kNowledge EXTraction), which integrates the
following four approaches: the first one, ASMEC (Approche Systémique de ModElisation des Connaissances), allows knowledge modeling according to
multiple viewpoints and granularity levels. The second approach, AICEF (Approche d’Incorporation des Connaissances Expertes dans la Fouille de
données), uses the ASMEC knowledge model to elaborate multi-view metadata. It then uses these metadata as a tool for incorporating expert
knowledge into the KDD process. The third approach, ASAIC (Approche Systémique d’Analyse d’Impact de Changement), uses the ASMEC knowledge
model to carry out multi-view change impact analysis. The fourth approach, ASEM (Approche Systémique d’Evaluation de Modèles), provides an
assessment framework for knowledge models.
The epistemological and methodological foundations of our work are constructivism and systemic approach (or cybernetics). Based on these
backgrounds, our research contributions concern several disciplines, ranging from Accidentology, Knowledge Engineering, Knowledge Discovery in
Databases and Design. In accidentology, SAFE-Next provides experts with an efficient tool for knowledge management. It enables the elaboration of
multi-view accident scenarios, which are a powerful tool for understanding accident mechanisms in order to develop safety counter-measures.
Furthermore, SAFE-Next provides a knowledge capitalization tool. In knowledge engineering, SAFE-Next supplies, via ASMEC, a multi-view knowledge
model and thereby allows the integration of different viewpoints stemming from different users. Furthermore, it provides a multi-granularity knowledge
model and in that way addresses the difficulty of knowledge identification and formalization. At the same time, SAFE-Next permits, via ASEM, the
evaluation of knowledge models, an issue rarely addressed in literature. In Knowledge Discovery in Database, SAFE-Next enables, via AICEF, the
incorporation of domain knowledge in the data preprocessing step (i.e. the first step in a KDD process) and more specifically in the attribute selection
task. Likewise, the multi-view metadata enables the incorporation of domain knowledge in the interpretation step (i.e. the last step in a KDD process). In
design, SAFE-Next provides safety system developers with an efficient tool to construct the design space. Scenarios enable them to understand complex
behaviors and thereby to define solutions and alternatives. SAFE-Next also provides, via ASAIC, an approach for multi-view change impact analysis.
Moreover, it proposes an extension of the change impact analysis to the use process of a given product as well as the evaluation process instead of
limiting it to the design process.
Keywords: Knowledge Engineering, Knowledge Discovery in Databases, Knowledge Modeling, Complex System Modeling, Cybernetics, Systemic
Approach, Change Impact Analysis, New System Design, Model Assessment.
Résumé
Aujourd’hui, l’informatisation des saisies de données et la puissance des systèmes de collecte conduisent à la construction de grandes Bases
de Données (BD). L’exploitation de ces millions de données en accidentologie et dans beaucoup d’autres domaines (e.g. management, marketing, etc.)
fait appel à des techniques d’Extraction de Connaissances de Données (ECD). La complexité des données, du domaine d’application et des
connaissances recherchées rendent fondamentale l’intégration des connaissances expertes dans le processus d’ECD. Cela nécessite la mise en place
d’approches, méthodes et techniques d’identification, de représentation et d’opérationnalisation de ces connaissances.
Dans ce travail de thèse, nous proposons une nouvelle approche, appelée SAFE-Next (Systemic Approach For Enhanced kNowledge
EXTraction, approche systémique pour l’extraction des connaissances) qui intègre les quatre approches suivantes : La première est appelée ASMEC
(Approche Systémique de ModElisation des Connaissances). Elle consiste en une méthode de modélisation des connaissances multi-vues et selon une
architecture à plusieurs niveaux d’abstraction. La deuxième approche, AICEF (Approche d’Incorporation des Connaissances Expertes dans la Fouille de
données), propose l’élaboration et l’utilisation de méta-données multi-vues comme un moyen pour l’incorporation des connaissances formalisées par
ASMEC dans le processus d’ECD. La troisième approche, ASAIC (Approche Systémique d’Analyse d’Impact de Changement), utilise le modèle de
connaissances d’ASMEC pour une analyse interactive et multi-vues de l’impact d’un changement sur un système. La quatrième approche, ASEM
(Approche Systémique d’Evaluation de Modèles), fournit un modèle général d’évaluation de modèles de connaissances.
Les fondements épistémologiques et méthodologiques de nos travaux sont respectivement le constructivisme et la systémique (ou
cybernétique). En se basant sur ces fondements, nos travaux de recherche ont conduit à des contributions réparties en quatre domaines : En
accidentologie, SAFE-Next fournit un outil efficace pour l’élaboration des STA permettant une meilleure analyse et compréhension de l’accident. Elle
fournit aussi un moyen de capitalisation des connaissances offrant une vision synthétique des différents types de connaissances du domaine de
l’accidentologie. En Ingénierie des Connaissances (IC), SAFE-Next propose un modèle général multi-vues et multi-niveaux d’abstraction de modélisation
des connaissances pour le développement des Systèmes à Base de Connaissances (SBC). Elle permet aussi de guider l’élicitation des connaissances
selon un modèle multi-vues. En ECD, SAFE-Next propose l’utilisation des métadonnées multi-vues pour l’incorporation des connaissances expertes du
domaine dans la première et la dernière phase du processus d’ECD (i.e. préparation des données et interprétation des résultats). En conception de
nouveaux systèmes, SAFE-Next fournit à travers les STA un moyen de communication entre les accidentologistes et les concepteurs des systèmes de
sécurité embarqués dans les véhicules. Cette interface entre les deux métiers (i.e. conception et accidentologie) permet la construction de l’espace de
conception pour développer et évaluer les systèmes de sécurité. Elle offre aussi un moyen d’analyse de l’impact d’un changement (e.g. introduction d’un
nouveau système de sécurité) sur le comportement du système Conducteur-Véhicule-Environnement.
Mots clefs : Ingénierie des Connaissances, Extraction de Connaissances de Données, Modélisation des connaissances, Modélisation des systèmes
complexes, Cybernétique, Systémique, Analyse de changement, Conception de nouveaux systèmes, Evaluation de modèles
L’Ecole Doctorale de l’Ecole Centrale Paris
Pluridisciplinaire, l’Ecole Doctorale en Sciences pour l’Ingénieur de l’ECP permet aux doctorants
d’effectuer un travail de recherche dans l’une des disciplines des sciences pour l’ingénieur et des
sciences pour l’entreprise, ce qui, pour bon nombre d’entre eux complète utilement leur formation de
base.
Elle permet par ailleurs de concrétiser des liens entre les laboratoires et de mutualiser les moyens
matériels et humains.
Le Laboratoire Génie Industriel
Le Laboratoire Génie Industriel (LGI) de l'École Centrale Paris élabore des méthodes d'aide à la
décision en conception et optimisation de produits, services et systèmes industriels et logistiques.
Il s'organise autour de trois thèmes génériques :
•
o
o
Thème 1 : Conception de produits, de systèmes et de services
Axe 1.1 - Ingénierie projet
Axe 1.2 - Instrumentation et méthodologies de préconception
•
o
o
Thème 2 : Management des connaissances et des savoir-faire
Axe 2.1 – Echange et capitalisation d’informations, processus de décision
Axe 2.2 - Apprentissage collectif, gestion des compétences et innovation
•
o
o
o
Thème 3 : Optimisation des systèmes industriels et logistiques
Axe 3.1 - Conception et pilotage de systèmes de production et de chaînes logistiques
Axe 3.2 - Conception et exploitation de systèmes sûrs
Axe 3.3 - Pilotage de la performance et du progrès continu des entreprises
L'activité de recherche du Laboratoire s'applique aux méthodes d'organisation, de gestion et
d'exécution de la conception, de la production et de la distribution des produits manufacturés et,
d'une manière plus générale, à l'ensemble des objets, activités et processus de leur cycle de vie.
Elle a pour finalité de fournir aux entreprises manufacturières de distribution et de transport, les
méthodes nécessaires à l'amélioration de leur compétitivité en termes de performances (qualité,
coût, délai).
Centrale Génie Industriel
Depuis 2000, les quatre Ecole Centrale ont signé un accord cadre ayant pour objectif de fédérer les
actions de formation et de recherche en Génie Industriel. Cette fédération Centrale Génie Industriel se
traduit dans le domaine de la recherche par un DEA en Génie des Systèmes Industriels co-habilité
Ecole Centrale Paris, Ecole Centrale de Lille, Ecole Centrale de Lyon, par l’inscription d’étudiants en
thèse à l’Ecole Doctorale de l’ECP et par un nombre important de co-encadrements de thèses.