Mieux intégrer les données en usine : comment les entreprises tirent le meilleur parti de leurs machines et des informations de production
Publié le 25 septembre 2020 dans AI
Approche du projet de science des données : préparation, analyse et élaboration d'applications, évaluation et maintenance
La science des données industrielles est une nouvelle discipline. De fait, il n'existe (toujours) pas d'approche généralement valide adaptée à chaque entreprise. Chaque solution et application nécessitent une analyse et une modélisation des données personnalisées pour obtenir des résultats optimaux. Cependant, une approche standard est utile. Le modèle CRISP-DM (Cross-Industry Standard Process for Data Mining) est la base la plus couramment adaptée. OMRON a simplifié et adapté le logiciel CRISP-DM à une nouvelle approche. Les quatre étapes de cette approche sont la préparation, l'analyse et le développement d'applications, l'évaluation et la maintenance. Pour plus d'informations sur ces phases, vous pouvez consulter l'illustration.Phase 1 : préparation
La phase de préparation est la phase la plus importante. Un projet de science des données ne sera jamais couronné de succès si l'objectif n'est pas précis. Par conséquent, à cette première étape importante, tous les participants et les experts du domaine traitent d'abord du problème ou de l'exigence spécifique afin d'arriver à un objectif de projet clairement défini. Ils analysent en détail la machine et/ou le processus de production, afin d'obtenir un aperçu des données déjà disponibles et qui restent à collecter. Dans ce processus, un ensemble de données initial peut être recueilli et analysé comme une sorte d'étude de faisabilité. À la fin de la phase de préparation, un rapport est réalisé et fournit des informations sur la valeur générée attendue, ainsi qu'un retour sur investissement réaliste.Phase 2 : analyse et développement d'applications
- Collecte de données : les données sont recueillies à partir de diverses sources, des données brutes des capteurs aux informations des systèmes MES.
- Prétraitement des données : les données collectées sont préparées pour l'étape d'analyse, transformées, fusionnées et nettoyées.
- Analyse des données : les algorithmes d'analyse développés et les modèles d'apprentissage machine sont appliqués.
- Application : les résultats et les conclusions de l'analyse des données sont publiés. Il peut s'agir de visualisations, de données adaptées à la situation ou au groupe cible, ou de retour envoyé à la machine.