InUse | Machine Learning: maintenance predictive et optimisation

Il existe différents niveaux d’analyse, classés de la plus simple à la plus complexe.

L’analyse conditionnelle, qui permet de remonter des alertes selon des conditions prédéfinies en amont.On la trouve notamment au travers des séries temporelles.
L’analyse prédictive, basée sur des extrapolations simples. Elle permet d’évaluer une valeur future.
L’analyse spectrale, basée elle, sur les fréquences, utilisée notamment pour l’application IU PREDICT for motors.

Au-delà de ces différents niveaux, se trouve la notion de Machine Learning, qui nous amène un cran plus loin dans le domaine prédictif.

Le machine learning fait partie intégrante de l’intelligence artificielle.

Alors que l’IA est un “ensemble de théories et de techniques mises en œuvre en vue de réaliser des machines capables de simuler l’intelligence humaine”, les algorithmes de Machine Learning apprennent de manière autonome à effectuer une tâche ou à réaliser des prédictions à partir de données.

La valeur ajoutée du Machine Learning réside dans le fait que les algorithmes sont apprenants, c'est-à-dire qu’ils améliorent leurs performances au fil du temps.

La plateforme InUse à la capacité d’intégrer et d’héberger la plupart des estimateurs de machine learning. D’une part, ceux développés en interne par l’équipe InUse, mais également d'autre part les estimateurs externes développés par vos équipes en toute autonomie.

Les estimateurs restent votre propriété et la plateforme fournit les capacités de calculs nécessaires à leur bon fonctionnement.

Les différents estimateurs sont traités au même niveau que leurs homologues réalisés dans le studio.

Les estimateurs doivent être packagés sous forme de fichiers pickle Python ou ONNX.
Vous transférez ensuite le fichier vers InUse (phase obligatoire) qui va procéder à une vérification pour des raisons de sécurité.
L’estimateur est intégré à une instance MLflow gérée par InUse. Ce logiciel open source permet le stockage de modèles et déploiement ML.
L’estimateur est finalement déployé sur une plateforme Kubernetes permettant de traiter un grand volume de données sans affecter les modèles existants.

MAINTENANCE PREDICTIVE ET OPTIMISATION: INUSE INTÈGRE LES FONCTIONS DE MACHINE LEARNING

Une nouvelle dimension pour l’analyse des données

Intéressons nous au Machine Learning

Intégration totale d’un modèle de Machine Learning existant

Spécifications techniques liées au déploiement