m Éthodes d apprentissage pour amÉliorer la qualitÉ de service d une flotte de logiciels...
TRANSCRIPT
MÉTHODES D’APPRENTISSAGE POUR AMÉLIORER LA QUALITÉ DE SERVICE D’UNE FLOTTE DE
LOGICIELS EMBARQUÉS
Présenté par : Somia RAHMOUN
Encadré par : Marie-Odile CORDIER
Abdelkrim BENAMAR
République Algérienne Démocratique et Populaire
Université Abou Bakr Belkaid– TlemcenFaculté des Sciences
Département d’Informatique
2010-2011
Master en Informatique
Modèle Intelligent et Décision (M.I.D)
2
INTRODUCTION
Contexte
Nouvelle technologie: Smartphone
Forte utilisation : domaine professionnel et vie courante
Ne sont pas à l’abri de problèmes techniques
Manage Yourself : logiciel empêchant ces appareils mobiles de planter
3
SOMMAIRE
Projet Manage YourSelf
Premier logiciel développé
Nouveau système proposé
Tests
Résultats
Synthèse
Conclusion
Perspectives
4
PROJET MANAGE YOURSELF
Projet de diagnostic et surveillance de plates-formes embarquées.
Faire de la prévention de pannes sur des mini-terminaux mobiles de type Smartphone.
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
5
PROJET MANAGE YOURSELF
Architecture globale du projet
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
Surveillance
Diagnostic
Réparation
Règles correctives
Rapport de fonctionnement
Construction de règles correctives
Apprentissage de règles
6
PREMIER LOGICIEL DÉVELOPPÉ
7
RÉALISATION
ActeursÉtudiants de l’INSA (Institut National des Sciences Appliquées) Rennes, France.
Mise en œuvre
Développement de l’application embarquée
Serveur pour tester l’application embarquée pas très élaboré
Notre Mission
Proposer une nouvelle architecture pour le nouveau logiciel. Etudier ce qui a été fait pour le serveur du premier logiciel
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
8
ARCHITECTURE
Partie serveurLes deux parties ont été développées séparément
Arbre de décision : C4.5
Expert Humain
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
9
FONCTIONNEMENT
Constatations
L'apprentissage se refait systématiquement à partir de tous les exemples
Apprentissage incrémental
Sélection manuelle de l’ensemble de règles correctives: lourde tache pour l’expert humain, pouvant véhiculer des erreurs
Module de sélection
Les rapports remontés n’évoluent pas
Filtrage
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
10
NOUVEAU SYSTÈME PROPOSÉ
11
APPRENTISSAGE
Première Amélioration :
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
12
APPRENTISSAGE
Apprentissage incrémental: Par règle de classification
Algorithme Ripper :• Construit un ensemble de règles indépendantes • Ajoute une heuristique de post élagage sur les règles
Etude comparative entre C4.5 et Ripper a montré que:
Ripper apprend des règles de plantage+ une seule de non plantage
Ripper construit un classifieur se rapprochant le plus des règles de simulations
Pas de grandes différence coté performance
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
13
SÉLECTION
Deuxième amélioration:
Manipulation manuelle des règles correctives
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
14
SÉLECTION
Sélection des meilleurs règles à embarquer, à partir des nouvelles règles apprises et des règles correctives déjà présentes sur l’appareil mobile.
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
15
SÉLECTION
Objectif de la sélection
Politiques de sélection
Pour l’ajout de nouvelles règles apprises:
Enrichir l’ensemble des règles correctives
Pour la suppression de règles correctives:
Optimiser l’ensemble des règles correctives
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
16
SÉLECTION
Politiques de sélection
Pour l’ajout des nouvelles règles apprisesAutomatique
Aucune contrainte sur les règles apprises
Par généralité
Ne garder que les règles les plus générales
R3
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
17
SÉLECTION
Politiques de sélection
Pour la suppression des règles correctives
Seuil de couverture
Seuil fixé à 50% de couverture
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
18
SÉLECTION
Politiques de sélection
Pour la suppression des règles correctives
Roue de la chance : Méthode aléatoire et probabiliste
Sélection Naïvela règle corrective qui a la moyenne d’utilisation la plus élevée
Pannes raresLes négliger en supprimant les règles correctives peu utilisées
R1 : 40% d’utilisation [t0, t]
R2 : 20% d’utilisation [t0, t]R3 : 10% d’utilisation [t0, t]R4 : 30% d’utilisation [t0, t]
R1R2R3R4
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
19
FILTRAGE
Troisième amélioration:
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
20
FILTRAGE
Exécution des règles correctives
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
21
TESTE DU SYSTÈME PROPOSÉ
22
TESTS
Tester la capacité du système à déduire un ensemble pertinent des règles correctives.
Temps nécessaire pour optimiser l’ensemble déduit
Faire tourner le système jusqu’à ce que celui-ci n’arrive plus à améliorer l’ensemble des règles correctives
comparaison avec l’ensemble des règles de simulation
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
23
RÉSULTATS OBTENUS
24
RÉSULTATS
Politiques d’ajout: Aucune optimisation
Politiques de suppression: Associées à la politique d’ajout par généralité
o Seuil de couverture La plus efficace en terme de temps
Déduction de l’ensemble des règles de simulations
o NaïvePas d’amélioration de l’ensemble déduit
o Roue de la chanceAméliore plus rapidement que Seuil : les deux ensembles sont équivalents
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
25
SYNTHÈSE DU TRAVAIL
26
SYNTHÈSE
Ancien système
Système Proposé
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
27
CONCLUSION
28
CONCLUSION
Etude du projet « Manage Yourself » en fixant les besoins
Etude du premier logiciel développé
Etude bibliographique sur les méthodes d’apprentissage
Conception d’un systèmes de diagnostic et surveillance tout en optimisant le système qui a été développé
Système se rapprochant le plus vers un cas réel d’utilisation
Implémentation sous JAVA : Les résultats montrent que le système converge vers l’optimalité
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
29
PERSPECTIVES
30
PERSPECTIVES
Affectation d’actions
Tester l’efficacité des actions correctives
S’intéresser aux profiles des utilisateurs Personnalisation du type de correction à apporter
Gestion de valeurs manquantes
Mettre en place un algorithme d’apprentissage adapté
Comprendre les pannes
Gérer les rapports de plantage et de non plantage séparément
PROJET MANAGE YOURSELF TESTSPREMIER LOGICIEL DÉVELOPPÉ RÉSULTATS CONCLUSIONNOUVEAU SYSTÈME PROPOSÉ SYNTHÈSE PERSPECTIVES
31
MERCI …