Search

Diagnosability ensures that the global model of a centralized system, will always be able to diagnose a predetermined set of faults previously listed unambiguously. However co-diagnosability guarantee that these faults are diagnosed in a decentralized manner using multiple local diagnosticians. The co-diagnosability property is stronger than diagnosability, because if a system is Co-diagnosable it is diagnosable; while a diagnosable system does not necessarily ensure the co-diagnosability of this system. The challenge of decentralized diagnosis approaches is to perform multiple local diagnostics and verify that they are equivalent to the global one without the need for a global model. This paper proposes an approach to obtain a decentralized co-diagnosable diagnosis structure of the discrete event system, without the use of a global model, based on internal succession events of local diagnosticians and Petri networks.

Diagnosability ensures that the overall model of a centralized system, will always be able to diagnose a predefined set of defects previously identified without ambiguity. However co-diagnosability guarantee that these defects are diagnosed in a decentralized manner using several local diagnosticians. If a system is Co-diagnosable it is diagnosable; while a diagnosable system does not necessarily ensure the co-diagnosability of this system, so the co-diagnosability property is stronger than diagnosability. The challenge of decentralized diagnosis approaches is to perform multiple local diagnostics and verify that they are equivalent to the global one without the use of a global model. In this article we propose a co-diagnosability approach of discrete event systems without global model based on Petri networks and internal succession events of local diagnosticians.

Le diagnostic des défauts (Fault Detection and Isolation) des systèmes industriels est défini comme l'opération permettant de détecter un défaut, de localiser son origine et de déterminer ses causes. L'intérêt pour le diagnostic des défaillances s'explique par la complexité croissante des systèmes industriels qui sont de plus en plus exigeants en termes de contraintes de sécurité, de fiabilité, de disponibilité et de performances (sureté de fonctionnement). En fait, la possibilité qu'un système tombe en panne croît malgré les précautions de manipulations, Par conséquent, un module de diagnostic est nécessaire pour empêcher la propagation de pannes et pour limiter leurs conséquences qui peuvent être catastrophiques au niveau économique mais aussi au niveau environnemental. Dans cet article, nous présentons les différentes méthodes de diagnostic de systèmes à évènements discrets (SED), avec une étude comparative selon plusieurs critères : l'outil de modélisation (les automates, réseaux de pétri...), la structure de la prise de décision (centralisée, décentralisée, distribuée) et le type de modélisation des défauts (à base d'événements, à base d'états et à base d'informations temporelles) ; dans le but de justifier que le diagnostic des défauts nécessite l'exploitation de toute l'information disponible afin de réaliser un modèle riche du procédé à diagnostiquer.