English
Nouvelle plateforme de Machine Learning
Notre plateforme de Machine Learning permet de traiter de grandes quantités d'informations industrielles en quelques secondes. Nous proposons actuellement un algorithme de détection d'anomalies qui peut être utilisé par n'importe quel opérateur dans une usine (c'est TELLEMENT simple et donc TELLEMENT impressionnant). Dans le courant de l'année, nous prévoyons d'offrir un algorithme d'optimisation pour aider les équipes dans les ateliers à trouver les meilleurs réglages pour maximiser la production, l'efficacité énergétique et la qualité.
Notre plateforme utilise deux types d'algorithmes : La détection d'anomalies et l'optimisation.
Ce qui rend notre solution révolutionnaire : toute personne disposant d'un accès Internet de base et de connaissances très limitées peut utiliser notre système. Nous avons travaillé et innové très dur pour créer une interface automatisée et conviviale en utilisant les dernières technologies.
Pour détecter les anomalies, nous utilisons :
1) Isolation Fores. Il s'agit d'un algorithme de détection des anomalies qui est utilisé pour identifier les valeurs aberrantes dans un ensemble de données.
2) Profil matriciel. Il comporte deux composantes principales : un profil de distance et un indice de profil.
Pour détecter les changements de régime, nous utilisons essentiellement les méthodes suivantes
a) EWMA : la moyenne mobile pondérée exponentiellement (EWMA)
b) Algorithme PELT : Pruned Exact Linear Time (temps linéaire exact élagué), c'est une méthode pour trouver des points de changement dans les données de séries temporelles.
c) Bayesian Online Change points : il s'agit d'une nouvelle approche basée sur la théorie bayésienne.
Pour optimiser les processus, nous utilisons généralement des modèles graphiques probabilistes : Il s'agit de modèles statistiques qui codent des distributions de probabilités multivariées complexes à l'aide de graphes.
