Return to search

A new modular framework for automatic diagnosis of fault, symptoms and causes applied to the automotive industry

Cette thèse explore le domaine du diagnostic appliqué à l'automobile basé sur le produit SIDIS Enterprise développé par Siemens AG. Au début, une analyse est conduite de l'importance du réseau après-vente pour les constructeurs et leurs places dans la chaine de valeur de l'automobile ainsi que les contraintes industrielles des outils d'aide au diagnostic. L'une d'elle est de limiter le coût de développement des modèles pour le diagnostic. De plus, une analyse approfondie démontre que la part des composants électroniques et des pannes d'origine électronique des véhicules à tendance à augmenter tout en complexifiant la localisation de leurs origines. Le besoin d'un outil moderne pour les constructeurs est essentiel pour la satisfaction client et pour l'image de marque. Ces travaux ont conduit au développement d'une plateforme modulaire pour le diagnostic composée : d'un module de recherche des symptômes, un système automatisé d'échange de fichier ODX, une méthode de diagnostic hybride et d'un moteur d'évaluation du retour d'expérience. Le premier module est dédié à l'interprétation et au mappage de la description des symptômes en langage naturel. Le second module permet aux auteurs des bases de données et des connaissances d'importer automatiquement les fichiers de descriptions des calculateurs électroniques. Les deux derniers sont dédiés à un algorithme de diagnostic qui combine les différentes sources de connaissances et bénéficie du retour d'expérience pour compléter automatiquement les modèles. Ces modules contribuent à l'objectif de réduction des coûts de développements des modèles pour le diagnostic et diminue significativement l'orbite des sessions de diagnostic guidé.

Identiferoai:union.ndltd.org:CCSD/oai:pastel.archives-ouvertes.fr:pastel-00005612
Date26 November 2009
CreatorsAzarian, Armin
Source SetsCCSD theses-EN-ligne, France
LanguageFrench
Detected LanguageFrench
TypePhD thesis

Page generated in 0.0013 seconds