Données et analytique
Jeux de données, modèles et recommandations sur données d'usine
Données et IA prépare les données, entraîne de petits modèles, tient des bases de connaissances et recommande par règles. L'assistant IRIS lit sans rien modifier.
- CorrectifWO-0431Correctif · Broche
- CorrectifWO-0447Correctif · Arrosage
- CorrectifWO-0452Correctif · Broche
- PréventifWO-0455Préventif · Lubrification
- Règle
- ordres ÷ 10
- Ordres correctifs
- 3
- Score
- 0.3
Données et IA lit en direct les ordres de travail CMMS.
Ce qu'il fait
- 01
Données et modèles
Configurez sources, flux et pipelines. Les expériences entraînent des modèles sur les données réelles d'IRIS, avec un petit jeu d'algorithmes.
- 02
Bases de connaissances
La recherche dans les documents combine sens et mots-clés. Chaque document a ses propres droits de lecture.
- 03
Recommandations à base de règles
Des règles de seuil proposent des actions et montrent le calcul de chaque score. Une personne les applique ou les écarte.
Voir en action
La vidéo est commentée en anglais ; les sous-titres sont disponibles dans le lecteur.
Transcription (en anglais)
This is the Overview of Data and AI in IRIS. The cards count your sources, streams, datasets, models, recommendations and alarms. The tabs across the top lead to your data, the ML Studio, knowledge, AI, governance and configuration. Open AI to see the recommendations IRIS creates from your plant data. The tiles count recommendations by status, and the filters narrow the list by status or recipe. Evaluate now runs the recipes on current data and creates new recommendations. Each card shows its source and a rule priority. You can apply it, snooze it or dismiss it. Next to Recommendations you will find outcomes, insights across modules, agent events, decision traces, alarms and the AI chat. That is enough to get started. Governance and the ML Studio are in the same module, so look around there too.
D'où viennent les données
- Les autres modules IRIS, lus en direct sans copie de leurs données.
- Événements de la plateforme, comme les alarmes IoT, utilisés pour les corrélations.
- Documents importés dans une base de connaissances.
Bon à savoir
- Le score d'une recommandation est une priorité de règle. Ce n'est ni une prédiction de modèle ni un niveau de confiance.
- Par défaut, les recommandations sont des suggestions qu'une personne applique ou écarte. L'application automatique se règle par règle de recommandation.
- Les connaissances machines, procédés et produits portent sur l'usine du client. Les questions sur IRIS utilisent une base partagée.
Écrans de la démo IRIS
Données d'exemple de l'usine de démonstration IRIS. Cliquez sur un écran pour l'agrandir.
Pour aller plus loin

Ce que l'IA peut vraiment faire dans l'exploitation d'une usine aujourd'huiSix usages de l'IA qui fonctionnent déjà en usine, ce que chacun exige, où l'IA reste faible et comment choisir un premier cas d'usage sans le mythe de l'usine autonome.Lire l'article · 8 min
Pourquoi l'IA d'usine échoue sans données opérationnelles reliéesLes pilotes d'IA en usine bloquent souvent sur les données, pas sur le modèle. Les cinq types de données nécessaires et un test de maturité pour une ligne.Lire l'article · 9 min
Quand l'IA doit recommander et quand les personnes doivent déciderTrois niveaux d'IA dans l'exploitation d'une usine (observer, conseiller, agir), cinq questions pour fixer le niveau de chaque décision et des règles de validation claires.Lire l'article · 8 min
Essayez Données et IA dans IRIS
Lancez un essai de 14 jours sur les données de votre usine, ou ouvrez la démo interactive avec des données d'exemple.