XTRACTIS pour la maintenance prédictive
PRÉDICTION DE LA DÉGRADATION D'UNE UNITÉ DE PROPULSION NAVALE
Benchmark vs. Forêts Aléatoires, Arbres Boostés et Réseaux de Neurones
Comment réussir à prédire la dégradation fonctionnelle d’un compresseur d’unité de propulsion navale, étant donné l’hyper-complexité du phénomène (comportement fortement non linéaire) ?
Permettre aux experts métiers et aux responsables de la maintenance de comprendre les relations de causalité entre certains paramètres de la turbine et son état de dégradation futur.
Trouver les paramètres réellement influents pour évaluer l’état de dégradation et ainsi réduire les coûts de mesure et de maintenance.
Réaliser des actions de maintenance spécifiques à chaque turbine en amont afin d’éviter les dommages critiques, grâce à des diagnostics rapides et systématiques, tout en justifiant chaque intervention.
Nous obtenons un modèle prédictif qui est à la fois :
Intelligible.
Un système de décision composé de 428 règles graduelles non chaînées, agrégées en 36 règles disjonctives. Chaque règle utilise certaines des 12 variables identifiées par XTRACTIS comme significatives.
Robuste.
Excellente performance sur les données de Test.
Efficient & Operationnel.
Use Case 08/2022 (v4.2)
Résultats par
XTRACTIS® GENERATE 12.2.43064 (08/2022)
SOMMAIRE DU DOCUMENT
- Définition du problème
- Solution Xtractis
- Induction du Top-Modèle
- Prédictions pour 2 cas inconnus
- Benchmark des Top-Modèles
