SALSA

Fiche dév Ens Sup - Recherche
  • Création ou MAJ importante : 26/11/09
  • Correction mineure : 19/03/10
Mots-clés

SALSA : Situation Assessment using LAMDA claSsification Analysis

Ce logiciel a été développé (ou est en cours de développement) dans la communauté de l'Enseignement Supérieur et de la Recherche. Son état peut être variable (cf champs ci-dessous) donc sans garantie de bon fonctionnement.
  • Système : Windows
  • Version actuelle : betaV2.0 - 01/06/2009
  • Licence(s) : choix en cours, contacter l'auteur
  • Etat : diffusé en beta, utilisé en interne, en développement
  • Concepteur(s) : Joseph Aguilar-Martin, Tatiana Kempowsky-Hamon (programmeur), Marie-Véronique Le Lann, Audine Subias et de nombreux doctorants et post-doctorants.
  • Contact concepteur(s) : Tatiana Kempowsky-Hamon (tkempows at laas dot fr)
  • Laboratoire(s), service(s)... : LAAS

 

Fonctionnalités générales du logiciel

SALSA, est un outil d'aide pour la détection et le diagnostic de défaillances qui peut être utilisé pour la surveillance de processus industriels. Il se base sur les mesures en ligne issues du procédé afin d’identifier les situations ou ses états fonctionnels. Les données issues du procédé peuvent être des mesures quantitatives et/ou des interprétations qualitatives des variables.

SALSA s’appuie sur la méthode LAMDA (Learning Algorithm for Multivariable Data Analysis) qui est une méthode de classification floue avec apprentissage, proposée par Joseph Aguilar-Martin, en collaboration avec plusieurs chercheurs (López de Mántaras, Piera, …) (Aguilar-Martin et al., 82).

L'objectif de SALSA est double :

  • Une phase hors ligne qui permet la construction d'un modèle de référence du comportement du système surveillé (sous la forme de classes) appelée aussi phase d’apprentissage. Ce modèle est mis en place à partir de données historiques et en coopération avec les experts du procédé pour obtenir une représentation interprétable des états fonctionnels.
  • Une phase en ligne qui est la phase de reconnaissance ou de détection proprement dite. Le modèle de comportement issu des classes identifiées lors de la phase d’apprentissage permet alors de suivre l'évolution temporelle des modes de fonctionnement de l'unité et de détecter des déviations de comportement. Dans le cas de l’observation d’une situation nouvelle (non présente lors de l’apprentissage), SALSA offre la possibilité d’alerter l’opérateur sur cette situation inconnue en l’affectant à une classe particulière appelée NIC (Non-Informative Class). Ceci offre un double avantage :

    • la détection d’un état inconnu (plutôt qu’une affectation erronée à une classe existante),
    • une évolution du modèle de comportement (par apprentissage actif) au fur et à mesure de l’apparition de ces nouvelles situations sans avoir a refaire complètement la phase d’apprentissage.
  • Possibilités offertes par SALSA :

    • 2 Modes d’apprentissage :

      • Apprentissage Non Supervisé:
        • Il n’y a pas d’information (classes connues) à priori
        • Seulement la classe NIC existe (classes générées au fur et à mesure de l’apprentissage).
      • Apprentissage Supervisé:
        • Chaque individu de la base d’apprentissage est affecté à une classe définie.
    • 2 Modes de reconnaissance :

      • Reconnaissance Passive: les individus sont :
        • soit assignés à une des classes définies.
        • Soit déclarés « non reconnus. »
      • Apprentissage Actif:
        • Création des classes
        • ou évolution des classes existantes

SALSA a été programmé sous ANSI-C, avec cependant une philosophie orientée objet. La plateforme de développement est LabWindows/CVI 6. Il s'agit d'un outil "standalone", qui ne nécessite donc aucun autre logiciel.

Contexte d’utilisation du logiciel

L'outil a été réalisé par le groupe DISCO du LAAS-CNRS et partiellement développé dans le cadre du projet européen CHEM, rattaché au thème "Competitive and Sustainable Growth" du 5ème Programme RTD (1998-2002) sous contrat G1RD-CT-2001-00466.

SALSA a été utilisé principalement dans le domaine de la supervision de procédés complexes et dans des travaux relatifs à l'instrumentation pour la supervision.
En particulier, SALSA a été utilisé :

  • dans le cadre d'un projet en collaboration avec l'ICSI (Institut pour une Culture de Sécurité Industriel), le laboratoire de Génie Chimique de Toulouse et le LAAS-CNRS portant sur le placement des capteurs des procédés industriels complexes.
  • lors des travaux de thèse pour la supervision d'installation de traitement d'eau potable au Mexique et au Maroc.
  • dans le cadre de collaborations avec :

    • l’Université des Andes à Bogota en Colombie
    • L’université des Andes à Merida au Venezuela
    • AgroParisTech

Et fait l’objet d’études en cours :

  • avec le service de recherche et développement de la société VEOLIA ENVIRONNEMENT, Anjou-Recherche portant sur l'évaluation de SALSA sur une des installations d'Anjou-Recherche.
  • avec les sociétés Pierre FABRE et BOOSTEC et le Laboratoire de Génie Chimique de Toulouse sur le contrôle et le diagnostic en temps réel sur un microréacteur intensifié (projet INPAC, pôle CANCER BIO SANTE piloté par la société Pierre FABRE)
  • pour son adaptation à une utilisation dans le domaine du diagnostic du cancer : traitement d’informations issues d’analyses ana-cyto-pathologiques et/ou de biopuces : protéinurie, ADN, ARN (projet ONCOMATE financé par la fondation InnaBioSanté en collaboration avec l’Institut Claudius Regaud, l’ISERM, le Laboratoire des Interactions Moléculaires et Réactivité Chimique et Photochimique (IMRCP), le Laboratoire d’Ingénierie des Systèmes Biologiques et Procédés (LISBP) et la société
    INNOPSYS )
Publications liées au logiciel

Aguilar-Martin, J. and López de Mántaras, R. (1982). The Process of Classification and Learning the Meaning of Linguistic Concepts. In: Approximative Reasoning in Decision Analysis. p. 165-175.

Aguilar-Martin, J., Isaza Narvaez, C., Diez Lledo, E., Le Lann, M.V., Waissman-Vilanova, J. (2007). Process monitoring using residuals and fuzzy classification with learning capabilities. The International Fuzzy System Association World Congress, IFSA 2007, Cancun, (Mexique).

Hernández De León, H., Le Lann, M.V., Juárez, N. (2008). Control inteligente aplicado a plantas de tratamiento de agua potable. CIM-CHIAAPAS 2008, 1er Congreso Internacional de Mecatrónica y 2do. Congreso Nacional UUPP, Tuxtla Gutiérrez (Chiapas), Mexique. In: Ciencia y Tecnologia en la Frontera, ISSN:1665-9775 p. 66-72.

Isaza Narvaez, C., Le Lann, M.V., Aguilar-Martin, J. (2008). Diagnosis of chemical processes by fuzzy clustering methods: new optimization method of partitions, 18th European Symposium on Computer Aided Process Engineering (ESCAPE 2008), Lyon (France), 1-4 Juin 2008, 6p. (CD)

Isaza Narvaez, C., Orantes, A., Kempowsky, T., Le Lann, M.V., (2009).Contribution of fuzzy classification for the diagnosis of complex systems, SafeProcess 2009, Barcelona, 30 juin-3 juillet.

Isaza Narvaez, C., Aguilar Martin, J., Le Lann, M.V., Aguilar, J., Rios Bolivar, A. (2006).An optimization method for the data space partition obtained by classification techniques for the monitoring of dynamic processes. 9èmes Congrès International de l'Association Catalane d'Intelligence Artificielle (CCIA'06), Perpignan (France). Artificial Intelligence Research and Development, IOS Press, ISBN 1-58603-663-7, pp.80-87.

Isaza Narvaez, C., Diez Lledo, E., Hernandez De Leon, H., Aguilar-Martin, J., Le Lann, M.V. (2007). New decision method for functional states validation in a drinking water plant monitoring. 10th Computer Applications in Biothechnology, DYCOPS/CAB, Cancun, (Mexique).

Isaza, C. (2007). Diagnostic par techniques d’apprentissage floues : conception d’une méthode de validation et d’optimisation des partitions., Ph.D. dissertation. INSA

Kempowsky, T., Aguilar-Martin, J., Le Lann, M. and Subias, A. (2002). Learning Methodology for a Supervision System using LAMDA Classification Method. In IBERAMIA'02-VIII Iberoamerican Conference on Artificial Intelligence. Sevilla, Spain.

Kempowsky, T., Aguilar-Martin, J., Subias, A. and Le Lann, M. (2003). Classification Tool based on Interactivity between Expertise and Self-learning Techniques. In IFAC - Safeprocess. Washington D.C., USA.

Kempowsky, T. (2004). Surveillance de procédés à base de méthodes de classification: conception d'un outil d'aide pour la détection et le diagnostic des défaillances, Ph.D. Dissertation. INSA

Kempowsky, T., Subias, A., Aguilar Martin, J., Le Lann, M.V. (2005).Online continuous process monitoring by means of a finite state machine generated using learning techniques. 18th International Congress on Condition Monitoring and Diagnostic Engineering Management (COMADEM), Cranfield (GB), pp.221-231.

Lamrini, B., Le Lann, M.V., Lakhal, E.K., Benhammou, A. (2007). Gestion supervisée d’une unité de coagulation pour la potabilisation des eaux à parir d’une méthodologie d’apprentissage et d’expertise. Revue des Sciences de l’Eau / Journal of Water Sciences, 20.4, pp 325-338, ISSN : 1718-8598
Orantes, A., Kempowsky, T., Le Lann, M.V., (2006). Classification as an aid tool for the selection of sensors used for fault detection and isolation. Transactions of the Institute of Measurements and Control, 28, N°5 pp. 457-480.

Orantes, A., Kempowsky, T., Le Lann, M.V., Aguilar-Martin, J. (2007). A new support methodology for the placement of sensors used for fault detection and diagnosis. Chemical Engineering and Processing, 47, N°3 pp 330-348.