Multi level case based support system for fault diagnosis

In this paper we propose a methodology to aid machine fault diagnosis based on Case-Based Reasoning (CBR) techniques, called Hierarchical Case-Based Diagnosis (HCBD). From on-line observations the HCBD system generates a multi-level hypothesis on the machine functioning mode. Off-line tests based on the most probable functioning modes are stored in an initial case memory. In order to increase the efficiency of CBR, we put forward a hierarchical decision system organised into several levels of abstraction. We specify formal conditions that have to be satisfied by the hierarchical case memory. This organisation of the similarity assessment permits us to generate abstract hypothesis on the functioning mode of the machine. The application in progress concerns the diagnosis of an electronic pruning shear. / L'objet de cet article est de proposer une méthode pour résoudre le problème du diagnostic de défaillance des machines en s'intéressant à la démarche expérimentale de l'homme. Un des modèles de ce raisonnement, proposé par l'intelligence artificielle, est le Raisonnement à Partir des Cas (RàpC), qui se base sur une mémoire de cas de diagnostic déjà résolus pour résoudre un nouveau problème. Dans ce travail nous verrons comment le RàpC reflète à la fois l'aspect classificatoire de la démarche expérimentale de l'être humain, mais aussi son aspect inférentiel.