Data et intelligence artificielle
Intelligence artificielle appliquée à l'industrie
Les enjeux
1.Prédire
des contextes ou situations
2.Prescrire
l'optimum
3.Apporter
des éléments de compréhension pour agir de façon efficace et efficiente
Un accompagnement sur-mesure
Conseil
Cadrage des cas d'usage
Analyse des prérequis
1ère analyse statistique des données
Modélisation
Tests de performance
Road Map projet d'industrialisation
Industrialisation de la solution
MCO, suivi du scoring et réentrainement du modèle
Machine learning conventionnel
- Prendre des décisions par anticipation grâce à des modèles prédictifs,
- Prédire des situations pour aider à la décision,
- Prédire des dysfonctionnements,
- Détecter des signaux faibles pour alerter,
- Mieux comprendre les facteurs d'influence qui contribuent à l'apparition de phénomènes,
- Simuler des fonctionnements en agissant sur les valeurs des facteurs d'influence,
- Optimiser des réglages par modélisation de l'inertie et de paramètres à venir
Computer vision (vision artificielle)
- Detecter et reconnaitre des classes d'objets dans des vidéos ou des photos
- Calculer des quantités, des temps de passage, des vitesses relatives etc
- Détecter des défauts sur des pièces fabriquées, détecter des situations de process industriels grâce à la vidéo
