Applications agents pour les systèmes industriels distribués

Application SMAs dans les télécommunications retour

Ces dernières années, les télécommunications ont notamment introduit une manière conception de services décentralisés dans le contexte du Web, et ont crée de nouveaux services de médiation tels que les portails qui a engendré l’apparition de nombreux fournisseurs de services réseaux qui ne disposent pas de leurs propres services réseaux [1]. L’obtention de tels services décentralisés ne peut, bien entendu, être réalisé que grâce à des logiciels pour lesquels les données et le contrôle sont forcément distribués. De ce fait, il est clair que les SMAs semblent convenir aux télécommunications. C’est pourquoi les principaux acteurs de télécommunications mènent actuellement d’intenses activités de recherche sur la technologie agent : British Telecom, France Télécom, Deutch Telekom, NTT, Nortel, Siemens, etc.

Dans ce cadre nous allons présenter un travail qui entre dans le cadre du projet réseau futé (Smart Net) de France Télécom. Le but du projet est d'introduire les techniques d'intelligence artificielle et des systèmes multi agents dans la gestion et la supervision du réseau pour aider dans le traitement du large volume d'alarmes et différentes notifications d'événement reçus par la plateforme de gestion du réseau. Actuellement beaucoup de ces alarmes ont une utilité qui dépend de l'utilisateur et elles doivent être filtrées. D’autres événements deviennent significatifs quand elles sont associées à leurs contextes, qui consistent en partie dans l'événement précédent et suivant, la date de détection de ces événements peut changer selon le trafic. La connaissance du temps est alors nécessaire pour raisonner sur les événements, les actions et les changements à fin de pouvoir modéliser les faits (comme précédence, chevauchement, simultanéité) entre les événements.

L'application développé suit un model chronique développé par Ghallab [2] se basant sur deux types de formule élémentaire:

· Hold : indique  qu'un attribut d'un domaine est réservé pendant un intervalle de temps.

· "event" : spécifie un changement discret de la valeur d'un attribut.

En gros le model chronique est un ensemble de motif d'événement (event patterns) et des conditions temporelles entre eux, avec un respect au contexte spécifié par l'assertion Hold. Si un événement observé correspond à un motif d'événement et sa date d'occurrence satisfait les conditions spécifiées dans le contexte de ce motif, alors une instance de chronique se produit.

L'architecture de l'application d'assistance est inspiré des travaux de Pattie Maes's Interface Agent [3]. Un agent d'interface est "un programme qui utilise les techniques d'intelligences artificielle pour fournir une assistance à un utilisateur traitant une application particulière. Un tel agent apprend en regardant derrière l'utilisateur et en détectant les motifs et les régularité dans l'attitude de l'utilisateur". Étant donné que l'application à un aspect temps réel et le temps est un paramètre important, les concepteurs de cette application ont choisit d'utiliser les chroniques précédemment décrits. L'architecture du système est représentée par la figure suivante :

Les deux principales composantes de l'application sont :

• Chronicale Recognition System (RS) : son but est de recevoir les notifications d'événement datées (comme les alarmes) et essayer de les faire correspondre avec des chroniques stockées dans la base de chroniques confirmées. Quand une chronique est reconnue, le RS exécute l'action correspondante (comme filtrage, analyse de défaillance....). Si l'événement reçut ne correspond à aucune chronique alors il est passé à l'opérateur humain supervisant le système pour qu'il prenne une décision. Plus de détails disponible dans l'article [4].
• Chronicale Learning System (LS) : son but est de regarder derrière l'opérateur de supervision quand il prend une décision pour qu'il puisse alimenter le RS avec de nouvelles chroniques. Les nouvelles chroniques sont stocké dans une base dite base de chroniques  non confirmées avant quelle soit suffisamment "mature" pour qu'elles soient transférées à la base des chroniques confirmées. L'algorithme d'apprentissage et d'autres détails sont dans l'article [5].

Le système d'apprentissage a été intégré dans une plateforme expérimentale de gestion de réseaux appelé MAGENTA [6]. Les agents de MAGENTA peuvent, à travers un balayage des ressources réseaux, répondre aux requêtes envoyées par le gestionnaire de MAGENTA. Ces agents peuvent spontanément envoyer les notifications vers le gestionnaire quand quelques événements spécifiques auront lieu dans le réseau. Ces notifications seront considérées comme événement par l'assistant. La figure suivante présente l'interface de l'assistant MAGENTA qui se compose de :

1. La fenêtre "notification" qui affiche les éléments reçus.
2. La fenêtre de requête : permet l'envoie des requêtes et les actions aux agents de MAGENTA en tapant la requête ou l'action et en spécifiant l'agent.
3. La fenêtre de la base de chronique qui affiche en même temps la base confirmé et la base non confirmé et montre aussi les activités du système d'apprentissage. Il est possible de confirmer une chronique da la base non confirmé et "editer" n'importe quel autres chronique.
4. Cette partie est réservée à la reconnaissance des chroniques.

Les concepteurs envisage d'étendre leur concept vers des assistants qui coopèrent sur le réseau, et chaque assistant représente un oracle pour les autres. Ceci peut accélérer la tâche d'apprentissage, permettant ainsi pour un nouveau assistant de bénéficier de l'expérience des autres assistants déjà existants. 

Application SMAs pour le contrôle aérien retour

La congestion du trafic aérien est un problème répondu dan tous le monde et il coûte de plus en plus cher. Pour résoudre ce problème il y a deux méthodes, la gestion de la demande et l'amélioration de capacité. La gestion de la commande comprend l'allocation de slot de temps et diminuer la surcharge pendant les heures de pointe. L'amélioration de la capacité peut être réalisé avec la construction de nouvelles pistes dans l’aéroport. Le coût élevé de la deuxième solution fait accroître l'intérêt de la  méthode de gestion de la demande.

Le gestionnaire du trafic aérien modifie la demande en contrôlant les départs, comme ça la capacité ne dépasse pas un seuil défini. La capacité s'incrémente en fournissant les séquences efficaces d'arrivés et départs d'avion pour minimiser leur temps d'inter arrivé et donc éliminer  les temps idle. Cette tâche est essentiellement faite par le contrôleur de trafic aérien appelé directeur de flux.

OASIS (Optimal Aircraft Sequencing using Intelligent Scheduling) est un système d'intelligence artificielle temps réel développer pour supporter le directeurs de flux. Il a été développer en utilisant le système procédural de raisonnement (PRS) [7].OASIS a été conçut en subdivisant la tâche de gestion de trafic aérien en ses parties majeurs et en concevant des agents séparés pour résoudre chacun de ces sous problèmes. Chaque agent résout sa partie de la tâche indépendamment et en coopérant avec les autres pour pouvoir produire le comportement général du système.

Les agents communiquent entre eux et avec le milieu extérieur garces à des messages. Ces messages sont émis et reçus d’une manière asynchrone et supposé être sans perte. Ce pendant aucune garantie est donné concernant le traitement d'un message une foie qu'il a atteint le récipient.

Les agents sont autonomes. Les faits, buts et intensions, qui font partie de la statue interne de l'agent, ne peuvent pas être manipulé de l'extérieur. La seule manière pour un agent de trouver la croyance, le but ou l'intension d'un autre agent est de lui envoyer un message demandant l'information.

Comme l'environnement change, les agents doivent décider comment agir. Si la délibération prend du temps, l'agent peut trouver que les faits, buts et la situation du monde sur les quelles se base la délibération ne sont plus valables. Donc chaque agent doit être capable de faire la correspondance entre le taux de changement du monde et les tâches qu'il doive faire pour utiliser efficacement ses ressources limitées.

Cette conception permet de faire correspondre chaque agent individuel au sous problème qu'il résout, elle permet une robustesse élevé et une réactivité variable et dynamique vis-à-vis les événements extérieurs. OASIS est conçut en utilisant deux clase d'agents. La première est ceux qui assurent la coordination et le raisonnement inter avion appelé globel agent et la deuxième ceux qui assure le calcul ou le raisonnement relatif à chaque avion individuellement appelé aircraft. La figure suivante montre comment chaque avion a un agent associe à elle, incluant même les avions attendus prédis par le plan du vol et les messages de temps de dépars mais qui ne sont pas encor détecter par le radar.

Il y a 5 agents globaux :

1. COORDINATOR : sert comme un gestionnaire de tâche, il coordonne les activités des autres agents globaux et les agents avion.

2. SEQUENCER : utilise les techniques de recherche pour arranger l'avion dans la plus petite séquence délais/coût.

3. TRAJECTORY CHECKER : vérifie que les instructions proposées par le système ne causent pas une violation des règles de sécurité de séparation.

4. WIND MODEL : utilise les observations individuelles prisent par les agents avion pour prévoir le champ de vent que l'avion peut rencontrer.

5. USER INTERFACE : sert comme le seul point de communication avec le directeur de flux et gère tous les interactions utilisateurs.

Le système associe un agent pour chaque avion approchant et essayant d'atterrir dans l'aéroport. L'agent AIRCRAFT contient toutes les données de l'avion demandé par le système. Cet agent intègre aussi la position, la vitesse et le rapport d'altitude dégagées des donné temps réel du radars. La tâche accomplie par l'agent avion comprend l'estimation du temps d'atterrissage, surveiller si l'avancement de l'avion est comme prévue et organiser la trajectoire de l'avion. [8]

Le système OASIS est implémenté dans un environnement de simulation de trafic aérien sur une station UNIX. Le système temps réel PRS est implémenté sur LISP mais il sera remplacé par un système basé sur C++ (MARS). Le développement de OASIS a duré 2 ans et demi, il peut gérer maintenant des exemples real de trafic d'heure de pointe de l'aéroport de Sydney, incluant 65 arrivés pendant une période de 3 heures et demi.

Bibliographie:

[1]	T.Bourron Application des systèmes multiagents dans les télécommunications : États de l'art, enjeux et perspectives.
[2]	Malik Ghallab. Past and future chronicles for supervision and planning. In Jean Paul Haton, editor, Proceedings of the 12th Int. Avignon Conference, Paris, Juin 1992.
[3]	Pattie Maes and Robyn Kozirrok. Learning interface agents. In Proceeding of the 11th Nat Conf on Artificial Intelligence.1993.
[4]	Christophe Dousson. Suivi d'évolution et reconnaissance de chroniques. Thèse d'université, Université Paul Sabateir, Toulouse, LAAS Septembre 1994.
[5]	Badak Esfandiari, Gilles Deflandre, Joël Quinqueton, An interface agent for network supervision.
[6]	Badak Esfandiari, Michel Plu, Joël Quinqueton, and Gilles Deflandre. A multi-agent perpective for assistance to a network supervision operator. In MAAMAW poster session, 1996.
[7]	F. F. Ingrand, M. P. Geaorgeff, and A. S. Rao. An architecture for real-time reasoning and systemcontrol. IEEE Expert, forthcoming, 1992.
[8]	M. Ljunberg and A. Lucas. The OASIS air traffic management system. In Proceedings of the Second Pacific Rim International Conference on AI (PRICAI-92), Seoul, Korea, 1992.