La proposition de valeur de DiagFit est basée sur les quatre éléments clés de la concurrence:

1. Remédier au manque de données historiques sur les défaillances

 L’industrie souffre d’un manque de données historiques sur les défaillances. DiagFit résout ce problème / cette lacune avec la précision des indicateurs de santé de DiagFit. L’apprentissage non supervisé permet de former l’algorithme pendant les opérations normales pour créer le «bon espace de comportement» et détecter les écarts avec des niveaux de précision sans précédent.

2. Maximisez les performances de prédiction

Qu’il s’agisse du taux de détection des défauts ou du taux de fausses alertes, DiagFit permet d’atteindre des niveaux de précision sans précédent. Le taux de fausses alertes est minimisé grâce à la précision des indicateurs de santé de DiagFit qui permettent de construire des mécanismes de vote réduisant le taux de fausses alertes.

 3. Résoudre les problèmes complexes des équipements critiques

Grâce à l’extraction des indicateurs de l’état de santé, DiagFit permet de détecter des signaux faibles et transitoires et de résoudre les problèmes de corrélation fine entre les variables.

 4. Raccourcir le temps pour construire des modèles prédictifs

 Ce critère est particulièrement important en aéronautique par exemple où un très grand nombre de modèles doit être conçu pour couvrir de nombreux équipements, systèmes et sous-systèmes sur différents aéronefs (potentiellement des centaines de modèles par version d’avion). 

 

 

chaine_conception_modeles_predictifs_fr

Génération Automatique de Propriétés (Features)

 

DiagFit : une innovation unique dans les algorithmes de génération automatique de propriétés

Screenshot 2020-02-25 at 19.49.09
DiagFit permet de générer automatiquement de propriétés issues de séries temporelles
  • Quelque soit la nature des signaux temporels en entrée (signal électrique, température, humidité, vibration, … ou une combinaison de ces signaux)
  • Sans besoin d’expertise métier
  • Les propriétés ainsi générées :
    • sont très riches et discriminantes
    • produisent des performances supérieures avec les algorithmes de Machine Learning

Avantages

 Sans DiagFit 

propriétés discriminantes

Avec DiagFit 

propriétés discriminantes

Cas d'Usage

Prédiction de durée de vie utile

Modèles pour les Turbo Réacteurs

Prévision de défauts et
Prédiction de vieillissement

Modèles pour les Points d’aiguillage des rails et les Imprimantes Industrielles

Prévision de défauts et
Prédiction de vieillissement

Modèles pour les Éoliennes et les Moteurs à Induction

Nos options d'intégration

  • Intégration dans votre plateforme IoT (standard ou propriétaire)
  • Hébergement sur le cloud d'Amiral Technologies
  • Embarquée dans l’équipement
Implementation options
Fermer le menu