Direction de recherche : Bernadette BOUCHON-MEUNIER

Méthodes d’intelligence artificielle pour l’analyse des données en provenance de pistons instrumentés

La sécurité est un des principaux soucis pour la plupart des opérateurs gaziers. Pour pouvoir la garantir ils sont obligés de vérifier régulièrement l’intégrité de leurs ouvrages et de réparer des défauts considérés comme nocifs. Il existe de nombreuses méthodes pour vérifier l’état des canalisations et parmi les plus utilisées se trouvent les inspections par piston instrumenté : un appareil appelé piston instrumenté est placé à l’intérieur de la canalisation, effectue des mesures d’épaisseur résiduelle du tube afin de détecter les endroits où il y a potentiellement des défauts. Suite au passage du piston, un programme de réhabilitation est établi. Malheureusement, on s’aperçoit que les défauts excavés ne ressemblent pas vraiment à ceux qui étaient identifiés par le piston. Il s’avère difficile d’établir une correspondance entre eux et les opérateurs de réseau se posent des questions par rapport aux choix des réparations qu’ils avaient effectués. Pour traiter ce problème, une approche basée sur les sous-ensembles flous et le calcul des similarités est proposée. Dans un premier temps, elle consiste à calculer les correspondances entre les données du piston et les défauts excavés. Ceci permet de construire une base de données qui est utilisée ensuite pour identifier les règles d’association floues de la forme Si indication piston = X alors défaut excavé = Y. Ces règles peuvent d’une part expliquer certains phénomènes observés sur le terrain et d’autre part être employés dans un processus d’inférence pour générer des hypothèses sur les dimensions réelles à partir des données piston. Afin de terminer la boucle du traitement des données piston, une méthode de mise à jour par pondération est proposée.

Publications 2003-2005

• 2005
  • M. Pichlova : “Méthodes d’intelligence artificielle pour l’analyse des données en provenance de pistons instrumentés”, soutenance de thèse, soutenance 05/04/2005, direction de recherche Bouchon-meunier, Bernadette (2005)
• 2004
  • M. Pichlova, G. Nespoulous, B. Bouchon‑Meunier : “Using Artificial Intelligence Methods for Smart Pig Feedback Analysis”, International Gas Research Conference (IGRC), Vancouver, Canada (2004)
  • M. Pichlova, B. Bouchon‑Meunier : “Utilisation des règles d’association floues pour la prévision des défauts dans les canalisations”, LFA 2004 - 12^es Rencontres Francophones sur la Logique Floue et ses Applications, Nantes, France, (Cépaduès-Editions) (2004)
• 2003
  • G. Nespoulous, M. Zarea, M. Pichlova : “Defect assessment and in-line inspection analysis at Gaz de France: State of the Art and perspectives”, 14^th Biennial Technical Meeting on Pipeline Research, Berlin, Germany (2003)