Résumé
Sets of experimental data describing a product at various processing steps are widely available in Food Industry. Decisions taken by the human operator all through the process are implicitely contained in such a database, as well as the recorded consequences on the product. The aim of this work is to extract control rules from a set of data. The system is implemented as a self learning fuzzy controller, with the rule conclusions being optimized by a genetic algorithm. The role of the fuzzy controller architecture is to provide a learning framework, the database being used for rule validation, thus acquiring hidden knowledge. In order to make inferred knowledge easy to understand, a rule selection methodology has been developped. Data from a cheesemaking process were used to test our approach.
Dans les industries agro-alimentaires, des bases de données, qui décrivent le produit au cours de sa transformation, sont souvent constituées. Ces données expérimentales contiennent implicitement les choix de conduite effectués par l'expert et la conséquence de ces choix sur le produit. L'objectif de ce travail est de dégager ces règles de conduite à partir d'un ensemble de données expérimentales. Le dispositif est un système d'inférence floue, au sein duquel l'action associée à chacune des règles est optimisée par un algorithme génétique. Il est utilisé dans une démarche d'apprentissage : la connaissance exprimée sous la forme des règles floues est validée, ou infirmée, par les exemples. Une méthodologie de sélection des règles est nécessaire pour rendre la connaissance interprétable. L'ensemble a été appliqué à un processus de fabrication fromagère de type Comté.