MORPHO-IA - IA et Digital Twin au service de la maintenance prédictive | FEREC 2020

MORPHO-IA : ETUDE ET RESULTATS MORPHOSENSE ▪ SAS au capital de 120 366 € ▪ SIRET : 822 036 265 00012 18 allée du Lac Saint André, BP 60278 73370 Le Bourget du Lac ▪ TVA FR13 822036265 Un grand nombre d’algorithmes ont été développés pour détecter les anomalies sur des jeux de données car leur champ d’application est très vaste. L’utilisation de l’algorithme DBSCAN, appartenant à la première classe décrite, semble app roprié à notre cas d’usage. Il a donc été testé sur un mois de données d’accélération recueillies par les capteurs, et plus particulièrement sur leur écart-type. La Figure ci-dessous permet de visualiser les outliers détectés par l’algorithme DBSCAN. Figure 21 : Visualisation du résultat de détection d'outlier de l'algorithme DBSCAN sur un mois de données et sur 4 nœuds de mesure Les données considérées comme standard sont en violet et les données considérées comme outliers sont en bleu. Certains outliers, labélisées « R », sont causés par les redémarrages du système. L’outlier labélisé « S » vient, lui, d’un test volontaire réalisé sur la passerelle (saut de deux personnes). En ce qui concerne les outliers non - labélisés, leur cause n’est pas encore connue (utilisation du DT dans ce but). Certains d’entre eux sont généraux (phénomène visible sur tous les nœuds de mesure) tandis que d’autres semblent appartenir à des phénomènes plus locaux sur la passerelle (visibles seulement sur cer tains nœuds de mesure). L’algorithme DBSCAN semble assez efficace quand les anomalies ont plus ou moins un ordre de grandeur de plus que le reste des observations (Figure 18 en haut à gauche). Pour les 3 autres sous-graphes, on pourrait se poser la quest ion de la frontière choisie par l’algorithme pour délimiter le « normal » de l’anomalie. D’autres algorithmes pourraient être testés par comparaison. Nous serions cependant confrontés au même problème de délimitation. Une étude avec des données entièrement labélisées serait une piste à envisager pour aider à répondre à cette question.

RkJQdWJsaXNoZXIy MTIzMTM=