Modèles prédictifs

Les modèles prédictifs permettent de générer les informations dont vous avez besoin pour prendre des décisions opérationnelles, de maintenance, de réparation ou de remplacement de composant avisées.

La présente section décrit les étapes nécessaires à la génération des modèles prédictifs dans la zone de maintenance prédictive à l'aide d'IBM Predictive Maintenance and Quality (PMQ). Elle traite également certains exemples de scénario d'utilisation dans le domaine de la fabrication. Elle met enfin en évidence les étapes allant de l'analyse du commerce/des données au déploiement des modèles prédictifs créés pour un scénario d'utilisation donné.

Les modèles suivants constituent la base des modèles prédictifs dans IBM Predictive Maintenance and Quality :

Plusieurs exemples de modèle prédictif sont fournis. Pour plus d'informations, voir Artefacts d'IBM SPSS.

Processus d'apprentissage et d'évaluation

Les étapes d'apprentissage et d'évaluation des modèles prédictifs sont les suivantes :

  1. Le noeud de modélisation estime le modèle en étudiant les enregistrements pour lesquels le résultat est connu et crée un nugget de modèle. Cette étape est appelée apprentissage du modèle.
  2. Le nugget de modèle peut être ajouté à n'importe quel flux contenant les champs attendus pour évaluer les enregistrements. En effectuant le scoring des enregistrements pour lesquels vous connaissez déjà le résultat (les clients existants par exemple), vous pouvez évaluer la performance du modèle.
  3. Une fois satisfait du bon fonctionnement du modèle, vous pouvez évaluer les nouvelles données (comme le score d'intégrité ou la durée de vie d'un actif) afin de prévoir leur fonctionnement.

Actions recommandées optimisées

Lorsqu'un actif ou un processus est évalué et identifié comme ayant une probabilité d'échec élevée, des recommandations peuvent être générées.

Définissez les actions recommandées à l'aide de règles dans IBM Analytical Decision Management. Utilisez IBM Analytical Decision Management pour identifier les pilotes utilisés pour définir les règles, et pour déterminer la procédure à suivre en fonction des scores reçus. Par exemple, si un score dépasse un seuil, quelle est l'action qui en découle ? Vous pouvez automatiser les alertes pour les actions recommandées en les intégrant à d'autres systèmes ou en définissant une règle de routage pour envoyer des e-mails. En fonction des systèmes de bureau des méthodes que vous utilisez, la recommandation peut être déclenchée automatiquement. Vous pouvez également prévoir le taux de réussite de l'action corrective en vous basant sur les actions précédentes.

Lorsqu'IBM Predictive Maintenance and Quality génère des recommandations, pour inspecter par exemple un actif, vous pouvez configurer le système de sorte que la recommandation engendre un bon de fabrication créé par IBM Maximo. Le bon de fabrication est rempli avec les informations nécessaires pour exécuter la tâche, comme un ID périphérique et un emplacement par exemple.

Modèle d'application de définition des priorités

Utilisez ce modèle lorsque vous avez une bonne compréhension des scores d'analyse prédictive et de l'interaction entre les scores prédictifs. Vous pouvez utiliser le modèle OptimizedAssetMaintenance.xml pour définir les priorités de votre objectif métier basé par exemple sur la maximisation du profit ou sur la minimisation des temps d'indisponibilité.