FR3108744A1 - Method and system for evaluating an equipment removal prediction system - Google Patents
Method and system for evaluating an equipment removal prediction system Download PDFInfo
- Publication number
- FR3108744A1 FR3108744A1 FR2003161A FR2003161A FR3108744A1 FR 3108744 A1 FR3108744 A1 FR 3108744A1 FR 2003161 A FR2003161 A FR 2003161A FR 2003161 A FR2003161 A FR 2003161A FR 3108744 A1 FR3108744 A1 FR 3108744A1
- Authority
- FR
- France
- Prior art keywords
- alert
- factor
- points
- removal
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 68
- 230000002123 temporal effect Effects 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 14
- 230000003247 decreasing effect Effects 0.000 claims description 12
- 238000000151 deposition Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 23
- 238000012423 maintenance Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 235000019645 odor Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Procédé et système d’évaluation d’un système de prédiction de dépose d’un équipement L’invention concerne un procédé d’évaluation d’un système de prédiction (8) de dépose d’un équipement (6), le système de prédiction étant propre à fournir des données de prédiction temporelles de la probabilité de dépose de l’équipement, les données de prédiction comprenant en outre les instants auxquels une dépose est effectuée. Le procédé comprend l’acquisition des données de prédiction, et la détermination, en fonction d’un nombre de points prédéfini appelé fenêtre, de la présence ou non d’au moins une série de points consécutifs parmi les données de prédiction, constituant une alerte. Lorsque la présence d’une alerte a été déterminée, le procédé comprend le calcul, pour chaque alerte, d’un facteur de véracité, en fonction du nombre de points de ladite alerte et de la présence ou non d’une dépose suivant le dernier point de ladite alerte, et le calcul d’un facteur de précision, en fonction du facteur de véracité de chaque alerte Figure pour l'abrégé : Figure 2Method and system for evaluating a system for predicting the removal of equipment The invention relates to a method for evaluating a system for predicting (8) the removal of equipment (6), the prediction system being capable of providing temporal prediction data of the probability of removal of the equipment, the prediction data further comprising the instants at which a removal is carried out. The method comprises the acquisition of prediction data, and the determination, as a function of a predefined number of points called window, of the presence or not of at least one series of consecutive points among the prediction data, constituting an alert . When the presence of an alert has been determined, the method comprises the calculation, for each alert, of a veracity factor, according to the number of points of said alert and the presence or not of a deposit following the last point of said alert, and the calculation of a precision factor, depending on the veracity factor of each alert Figure for the abstract: Figure 2
Description
La présente invention concerne un procédé d’évaluation d’un système de prédiction de dépose d’un équipement. La présente invention se rapporte également à un dispositif associé.The present invention relates to a method for evaluating an equipment removal prediction system. The present invention also relates to an associated device.
Dans le domaine de la maintenance prédictive, il s’agit d’anticiper un événement rare, tel qu’une panne ou une dépose d’un équipement, avant qu’un tel événement ne se produise. Par définition, un événement rare est un événement survenant, par exemple, moins de 20% du temps de fonctionnement de l’équipement et une dépose de l’équipement est une maintenance ou un changement de l’équipement.In the field of predictive maintenance, it is a question of anticipating a rare event, such as a breakdown or removal of equipment, before such an event occurs. By definition, a rare event is an event occurring, for example, less than 20% of the operating time of the equipment and a removal of the equipment is a maintenance or a change of the equipment.
Le rôle d’une telle maintenance prédictive est crucial pour les équipements avioniques dans la mesure où une faille d’un équipement entraîne une mise au sol de l’avion affecté.The role of such predictive maintenance is crucial for avionics equipment insofar as a fault in an equipment leads to the grounding of the affected aircraft.
L’utilisation d’un système de prédiction permet une telle anticipation, à partir de données de maintenance collectées, par exemple, lors de l’utilisation de l’équipement. Un tel système de prédiction fournit en sortie des données de prédiction représentatives de la probabilité que l’équipement subisse une panne.The use of a prediction system allows such anticipation, from maintenance data collected, for example, during the use of the equipment. Such a prediction system outputs prediction data representative of the probability that the equipment will experience a failure.
Dans le cadre de la prédiction de pannes d’équipements, il convient de disposer de méthodes d’évaluation des systèmes de prédiction qui soient robustes et fiables.As part of the prediction of equipment failures, it is necessary to have methods for evaluating prediction systems that are robust and reliable.
Les méthodes classiques, usuellement utilisées par l’homme du métier, ne sont pas adaptées au contexte susmentionné. En effet, les méthodes classiques ne tiennent pas suffisamment compte de la dépendance temporelle des prédictions. De plus, les métriques classiques ne permettent pas de mesurer précisément la nuisance occasionnée par les erreurs du système prédictif pour l’utilisateur de l’équipement.The conventional methods, usually used by those skilled in the art, are not suitable for the aforementioned context. Indeed, the classical methods do not sufficiently take into account the temporal dependence of the predictions. In addition, conventional metrics do not allow precise measurement of the nuisance caused by the errors of the predictive system for the user of the equipment.
Il existe donc un besoin pour un procédé permettant d’évaluer un système prédictif qui soit plus fiable et plus stable.There is therefore a need for a method making it possible to evaluate a predictive system which is more reliable and more stable.
A cet effet, il est proposé un procédé d’évaluation d’un système de prédiction de dépose d’un équipement, le système de prédiction étant propre à fournir des données de prédiction temporelles de la probabilité de dépose de l’équipement, les données de prédiction comprenant en outre les instants auxquels une dépose de l’équipement est effectuée. Le procédé comprend l’acquisition des données de prédiction issues du système de prédiction, la détermination, en fonction d’un nombre de points prédéfini appelé fenêtre, la présence ou non d’au moins une série de points consécutifs parmi les données de prédiction, constituant une alerte. Lorsque la présence d’au moins une alerte a été déterminée, le procédé comprend également le calcul, pour chaque alerte, d’un facteur de véracité de ladite alerte, en fonction du nombre de points de ladite alerte et de la présence ou non d’une dépose suivant le dernier point de ladite alerte, et le calcul d’un facteur de précision du système de prédiction, en fonction du facteur de véracité de chaque alerte.To this end, a method is proposed for evaluating a system for predicting the removal of equipment, the prediction system being capable of providing temporal prediction data of the probability of removal of the equipment, the data prediction further comprising the instants at which a removal of the equipment is carried out. The method comprises the acquisition of prediction data from the prediction system, the determination, according to a predefined number of points called window, the presence or not of at least one series of consecutive points among the prediction data, constituting an alert. When the presence of at least one alert has been determined, the method also comprises the calculation, for each alert, of a veracity factor of said alert, according to the number of points of said alert and the presence or not of a deposit following the last point of said alert, and the calculation of a precision factor of the prediction system, according to the veracity factor of each alert.
Suivant des modes de réalisation particuliers, le procédé d’évaluation comprend une ou plusieurs des caractéristiques suivantes, prise(s) isolément ou suivant toutes les combinaisons techniquement possibles :According to particular embodiments, the evaluation method comprises one or more of the following characteristics, taken in isolation or in all technically possible combinations:
- lors de l’étape de détermination, une alerte débute par un premier point des données de prédiction pour lequel la probabilité de dépose est supérieure à un seuil (Ps) prédéfini, et se termine soit par un dernier point précédant une dépose de l’équipement, soit lorsque chaque point d’une série d’un nombre de points consécutifs égal à la fenêtre comprend une probabilité de dépose inférieure au seuil prédéfini, le dernier point de l’alerte correspondant alors au dernier point de ladite série de points consécutifs,- during the determination step, an alert begins with a first point of the prediction data for which the probability of removal is greater than a predefined threshold (Ps), and ends either with a last point preceding a removal of the equipment, or when each point of a series of a number of consecutive points equal to the window includes a probability of removal lower than the predefined threshold, the last point of the alert then corresponding to the last point of said series of consecutive points,
- lors de l’étape de calcul du facteur de véracité, le facteur de véracité d’une alerte est un nombre réel compris entre 0 et 1, le facteur de véracité étant nul si le dernier point de ladite alerte ne précède pas une dépose de l’équipement, et étant définie par une fonction décroissante du nombre de points de ladite alerte si ladite alerte précède une dépose de l’équipement (6), ladite fonction décroissante étant de préférence définie par la formule suivante :
- l’étape de calcul du facteur de précision comprend le calcul, pour chaque alerte, d’un poids de ladite alerte, en fonction du nombre de points de ladite alerte et de la présence ou non d’une dépose suivant le dernier point de ladite alerte, le facteur de précision étant calculé en fonction du facteur de véracité et du poids de chaque alerte,- the step of calculating the precision factor comprises the calculation, for each alert, of a weight of said alert, according to the number of points of said alert and the presence or not of a deposit following the last point of said alert, the precision factor being calculated according to the veracity factor and the weight of each alert,
- lors de l’étape de calcul du facteur de précision, le poids d’une alerte est un nombre réel supérieur ou égal à 1, le poids étant égal à 1 si le dernier point de ladite alerte précède une dépose de l’équipement, et étant définie par une fonction croissante du nombre de points de ladite alerte si ladite alerte ne précède pas une dépose de l’équipement, la fonction croissante étant de préférence définie par la formule suivante :
- lors de l’étape de calcul du facteur de précision, le facteur de précision est une moyenne pondérée des facteurs de véracité de chaque alerte, le facteur de précision étant de préférence défini par la formule suivante :
- lors de l’étape de calcul du facteur de véracité, le facteur de véracité d’une alerte non terminée, dont le dernier point correspond au dernier point des données de prédiction, est calculé en fonction du facteur de véracité de ladite alerte dans l’hypothèse où le dernier point des données de prédiction précède une dépose de l’équipement, et du facteur de véracité de ladite alerte dans l’hypothèse où le dernier point des données de prédiction ne précède pas une dépose de l’équipement,- during the step of calculating the veracity factor, the veracity factor of an unfinished alert, the last point of which corresponds to the last point of the prediction data, is calculated according to the veracity factor of said alert in the the hypothesis where the last point of the prediction data precedes a removal of the equipment, and of the veracity factor of said alert in the hypothesis where the last point of the prediction data does not precede a removal of the equipment,
- le système de prédiction est propre à fournir un nouveau point des données de prédiction à des instants prédéterminés, et dans lequel les étapes d’acquisition, de détermination, de calcul du facteur de véracité et du calcul du facteur de précision sont réitérées à chaque instant prédéterminé,- the prediction system is capable of supplying a new point of the prediction data at predetermined instants, and in which the steps of acquisition, determination, calculation of the veracity factor and calculation of the precision factor are repeated at each predetermined time,
- le procédé comprend en outre le calcul, pour chaque dépose, d’un facteur de prédiction de ladite dépose, en fonction de la présence ou non d’une alerte précédant ladite dépose, et du nombre de points de l’alerte précédent ladite dépose le cas échéant, et le calcul d’un facteur de rappel du système de prédiction, en fonction du facteur de prédiction de chaque dépose.- the method further comprises the calculation, for each removal, of a prediction factor of said removal, depending on the presence or absence of an alert preceding said removal, and the number of points of the alert preceding said removal if applicable, and calculating a recall factor of the prediction system, as a function of the prediction factor of each deposit.
La présente description concerne aussi un système d’évaluation d’un système de prédiction de dépose d’un équipement, le système de prédiction étant propre à fournir des données de prédiction temporelles de la probabilité de dépose de l’équipement, les données de prédiction comprenant en outre les instants auxquels une dépose de l’équipement est effectuée. Le système d’évaluation comprend : un module d’acquisition des données de prédiction issues du système de prédiction, un module de détermination, en fonction d’un nombre de points prédéfini appelé fenêtre, de la présence ou non d’au moins une série de points consécutifs parmi les données de prédiction, constituant une alerte, un module de calcul, pour chaque alerte, lorsque la présence d’au moins une alerte a été déterminée, d’un facteur de véracité de ladite alerte, en fonction du nombre de points de ladite alerte et de la présence ou non d’une dépose suivant le dernier point de ladite alerte, et un module de calcul d’un facteur de précision du système de prédiction, en fonction du facteur de véracité de chaque alerte, lorsque la présence d’au moins une alerte a été déterminée.The present description also relates to a system for evaluating a system for predicting the removal of equipment, the prediction system being capable of providing data for temporal prediction of the probability of removal of the equipment, the prediction data further comprising the instants at which a removal of the equipment is carried out. The evaluation system comprises: a module for acquiring prediction data from the prediction system, a module for determining, according to a predefined number of points called window, the presence or not of at least one series of consecutive points among the prediction data, constituting an alert, a calculation module, for each alert, when the presence of at least one alert has been determined, of a veracity factor of said alert, according to the number of points of said alert and the presence or not of a deposit following the last point of said alert, and a module for calculating a precision factor of the prediction system, according to the veracity factor of each alert, when the presence of at least one alert has been determined.
La présente description concerne également un produit programme d’ordinateur comportant un support lisible d’informations, sur lequel est mémorisé un programme d’ordinateur comprenant des instructions de programme, le programme d’ordinateur étant chargeable sur une unité de traitement de données et adapté pour entraîner la mise en œuvre d’étapes d’un procédé tel que décrit ci-dessus lorsque le programme d’ordinateur est mis en œuvre sur l’unité de traitement des données.The present description also relates to a computer program product comprising a readable information medium, on which is stored a computer program comprising program instructions, the computer program being loadable on a data processing unit and adapted to cause the implementation of steps of a method as described above when the computer program is implemented on the data processing unit.
La présente description concerne, en outre, un support lisible d’informations comportant des instructions de programme formant un programme d’ordinateur, le programme d’ordinateur étant chargeable sur une unité de traitement de données et adapté pour entraîner la mise en œuvre d’étapes d’un procédé tel que décrit ci-dessus lorsque le programme d’ordinateur est mis en œuvre sur l’unité de traitement de données.The present description also relates to a readable information medium comprising program instructions forming a computer program, the computer program being loadable on a data processing unit and adapted to cause the implementation of steps of a method as described above when the computer program is implemented on the data processing unit.
D'autres caractéristiques et avantages de l'invention apparaîtront à la lecture de la description qui suit de modes de réalisation de l'invention, donnée à titre d'exemple uniquement et en référence aux dessins qui sont :Other characteristics and advantages of the invention will appear on reading the following description of embodiments of the invention, given by way of example only and with reference to the drawings which are:
-
-
-
-
-
Un équipement 6, un système de prédiction 8 de dépose de l’équipement 6 et un système d’évaluation 10 sont représentés sur la figure 1.A piece of equipment 6, a system 8 for predicting the removal of the piece of equipment 6 and an evaluation system 10 are represented in figure 1.
L’équipement 6 est, par exemple, un équipement électronique tel qu’un équipement avionique.Equipment 6 is, for example, electronic equipment such as avionic equipment.
Alternativement, l’équipement 6 est n’importe quel type d’équipement, électronique ou non, dont des déposes sont à anticiper au cours du temps, tel qu’un équipement d’automobile ou de train.Alternatively, the equipment 6 is any type of equipment, electronic or not, the removal of which is to be anticipated over time, such as automobile or train equipment.
Par exemple, l’équipement 6 est un système de pilotage d’un aéronef, un moteur d’un véhicule, ou encore un capteur électronique.For example, equipment 6 is an aircraft piloting system, a vehicle engine, or even an electronic sensor.
Le système de prédiction 8 est propre à calculer au cours du temps la probabilité P de dépose de l’équipement 6, par exemple en fonction de données de maintenances Dmissues de l’équipement 6, les données de maintenances Dmétant des données propres au fonctionnement de l’équipement 6.The prediction system 8 is capable of calculating over time the probability P of removal of the equipment 6, for example as a function of maintenance data D m from the equipment 6, the maintenance data D m being data specific to the operation of the equipment 6.
Le système d’évaluation 10 est propre à calculer un facteur de précision Pret un facteur de rappel R, à partir des probabilités P calculées par le système de dépose de l’équipement 6.The evaluation system 10 is capable of calculating a precision factor P r and a recall factor R, from the probabilities P calculated by the equipment removal system 6.
Le facteur de précision Pret le facteur de rappel R caractérisent la capacité du système de prédiction 8 à anticiper les déposes de l’équipement 6.The precision factor P r and the recall factor R characterize the ability of the prediction system 8 to anticipate the removals of the equipment 6.
D’un point de vue strictement matériel, le système d’évaluation 10 peut être vu comme un calculateur interagissant avec un produit programme d’ordinateur 12 comme schématiquement représenté sur la figure 1.From a strictly hardware point of view, the evaluation system 10 can be seen as a computer interacting with a computer program product 12 as shown schematically in Figure 1.
L’interaction entre le système d’évaluation 10 et le produit programme d’ordinateur 12 permet la mise en œuvre d’un procédé d’évaluation du système de prédiction 8. Le procédé d’évaluation est ainsi un procédé mis en œuvre par ordinateur.The interaction between the evaluation system 10 and the computer program product 12 allows the implementation of a method for evaluating the prediction system 8. The evaluation method is thus a method implemented by computer .
Le système d’évaluation 10 est un ordinateur de bureau. En variante, le système d’évaluation 10 est un ordinateur monté sur un rack, un ordinateur portable, une tablette, un assistant numérique personnel (PDA) ou un smartphone.The 10 rating system is a desktop computer. Alternatively, Evaluation System 10 is a rack-mounted computer, laptop, tablet, personal digital assistant (PDA), or smartphone.
Dans des modes de réalisation spécifiques, l'ordinateur est adapté pour fonctionner en temps réel et/ou est dans un système embarqué, notamment dans un véhicule tel qu'un avion.In specific embodiments, the computer is adapted to operate in real time and/or is in an on-board system, in particular in a vehicle such as an airplane.
Dans le cas de la figure 1, le système d’évaluation 10 comprend une unité de calcul 14, une interface utilisateur 16 et un dispositif de communication 18.In the case of Figure 1, the evaluation system 10 comprises a calculation unit 14, a user interface 16 and a communication device 18.
L’unité de calcul 14 est un circuit électronique conçu pour manipuler et/ou transformer des données représentées par des quantités électroniques ou physiques dans des registres du système d’évaluation 10 et/ou des mémoires en d'autres données similaires correspondant à des données physiques dans les mémoires de registres ou d'autres types de dispositifs d'affichage, de dispositifs de transmission ou de dispositifs de mémorisation.Calculation unit 14 is an electronic circuit designed to manipulate and/or transform data represented by electronic or physical quantities in registers of evaluation system 10 and/or memories into other similar data corresponding to data physical in register memories or other types of display devices, transmission devices or storage devices.
En tant qu’exemples spécifiques, l’unité de calcul 14 comprend un processeur monocœur ou multicœurs (tel qu’une unité de traitement centrale (CPU), une unité de traitement graphique (GPU), un microcontrôleur et un processeur de signal numérique (DSP)), un circuit logique programmable (comme un circuit intégré spécifique à une application (ASIC), un réseau de portes programmablesin situ(FPGA), un dispositif logique programmable (PLD) et des réseaux logiques programmables (PLA)), une machine à états, une porte logique et des composants matériels discrets.As specific examples, the computing unit 14 includes a single-core or multi-core processor (such as a central processing unit (CPU), a graphics processing unit (GPU), a microcontroller, and a digital signal processor ( DSP)), a programmable logic circuit (such as an application-specific integrated circuit (ASIC), field -programmable gate array (FPGA), programmable logic device (PLD), and programmable logic arrays (PLA)), a state machine, a logic gate and discrete hardware components.
L’unité de calcul 14 comprend une unité de traitement de données 20 adaptée pour traiter des données, notamment en effectuant des calculs, des mémoires 22 adaptées à stocker des données et un lecteur 24 adapté à lire un support lisible par ordinateur.The calculation unit 14 comprises a data processing unit 20 adapted to process data, in particular by performing calculations, memories 22 adapted to store data and a reader 24 adapted to read a computer-readable medium.
L'interface utilisateur 16 comprend un dispositif d'entrée 26 et un dispositif de sortie 28.The user interface 16 includes an input device 26 and an output device 28.
Le dispositif d’entrée 26 est un dispositif permettant à l'utilisateur du système d’évaluation 10 de saisir sur le système d’évaluation 10 des informations ou des commandes.The input device 26 is a device allowing the user of the evaluation system 10 to enter information or commands on the evaluation system 10.
Sur la figure 1, le dispositif d’entrée 26 est un clavier. En variante, le dispositif d’entrée 26 est un périphérique de pointage (tel qu'une souris, un pavé tactile et une tablette graphique), un dispositif de reconnaissance vocale, un oculomètre ou un dispositif haptique (analyse des mouvements).In Figure 1, the input device 26 is a keyboard. Alternatively, the input device 26 is a pointing device (such as a mouse, touchpad, and graphics tablet), a voice recognition device, an eye tracker, or a haptic (motion analysis) device.
Le dispositif de sortie 28 est une interface utilisateur graphique, c’est-à-dire une unité d’affichage conçue pour fournir des informations à l’utilisateur du système d’évaluation 10.The output device 28 is a graphical user interface, i.e. a display unit designed to provide information to the user of the evaluation system 10.
Sur la figure 1, le dispositif de sortie 28 est un écran d’affichage permettant une présentation visuelle de la sortie. Dans d'autres modes de réalisation, le dispositif de sortie est une imprimante, une unité d'affichage augmenté et/ou virtuel, un haut-parleur ou un autre dispositif générateur de son pour présenter la sortie sous forme sonore, une unité produisant des vibrations et/ou des odeurs ou une unité adaptée à produire un signal électrique.In Figure 1, the output device 28 is a display screen allowing visual presentation of the output. In other embodiments, the output device is a printer, an augmented and/or virtual display unit, a speaker or other sound generating device for presenting the output in sound form, a unit producing vibrations and/or odors or a unit adapted to produce an electrical signal.
Dans un mode de réalisation spécifique, le dispositif d'entrée 26 et le dispositif de sortie 28 sont le même composant formant des interfaces homme-machine, tel qu'un écran interactif.In a specific embodiment, the input device 26 and the output device 28 are the same component forming human-machine interfaces, such as an interactive screen.
Le dispositif de communication 18 permet une communication unidirectionnelle ou bidirectionnelle entre les composants du système d’évaluation 10. Par exemple, le dispositif de communication 28 est un système de communication par bus ou une interface d'entrée / sortie.The communication device 18 allows one-way or two-way communication between the components of the evaluation system 10. For example, the communication device 28 is a bus communication system or an input / output interface.
La présence du dispositif de communication 18 permet que, dans certains modes de réalisation, les composants du système d’évaluation 10 soient distants les uns des autres.The presence of the communication device 18 allows that, in certain embodiments, the components of the evaluation system 10 are remote from each other.
Le produit programme informatique 12 comprend un support lisible par ordinateur 32.Computer program product 12 includes computer readable medium 32.
Le support lisible par ordinateur 32 est un dispositif tangible lisible par le lecteur 24 de la calculatrice 14.Computer-readable medium 32 is a tangible device readable by reader 24 of calculator 14.
Notamment, le support lisible par ordinateur 32 n'est pas un signal transitoire en soi, tels que des ondes radio ou d'autres ondes électromagnétiques à propagation libre, telles que des impulsions lumineuses ou des signaux électroniques.Notably, the computer-readable medium 32 is not a transient signal per se, such as radio waves or other freely propagating electromagnetic waves, such as light pulses or electronic signals.
Un tel support de stockage lisible par ordinateur 32 est, par exemple, un dispositif de stockage électronique, un dispositif de stockage magnétique, un dispositif de stockage optique, un dispositif de stockage électromagnétique, un dispositif de stockage à semi-conducteur ou toute combinaison de ceux-ci.Such a computer-readable storage medium 32 is, for example, an electronic storage device, a magnetic storage device, an optical storage device, an electromagnetic storage device, a semiconductor storage device, or any combination thereof. these.
En tant que liste non exhaustive d'exemples plus spécifiques, le support de stockage lisible par ordinateur 32 est un dispositif codé mécaniquement, tel que des cartes perforées ou des structures en relief dans une gorge, une disquette, un disque dur, une mémoire morte (ROM), une mémoire vive (RAM), une mémoire effaçable programmable en lecture seule (EROM), une mémoire effaçable électriquement et lisible (EEPROM), un disque magnéto-optique, une mémoire vive statique (SRAM), un disque compact (CD-ROM), un disque numérique polyvalent (DVD), une clé USB, un disque souple, une mémoire flash, un disque à semi-conducteur (SSD) ou une carte PC telle qu'une carte mémoire PCMCIA.As a non-exhaustive list of more specific examples, computer-readable storage medium 32 is a mechanically encoded device, such as punched cards or grooved relief structures, floppy disk, hard disk, ROM (ROM), Random Access Memory (RAM), Erasable Programmable Read Only Memory (EROM), Electrically Erasable Readable Memory (EEPROM), Magneto-Optical Disk, Static Random Access Memory (SRAM), Compact Disc ( CD-ROM), digital versatile disk (DVD), USB flash drive, floppy disk, flash memory, solid state disk (SSD) or PC card such as a PCMCIA memory card.
Un programme d'ordinateur est stocké sur le support de stockage lisible par ordinateur 32. Le programme d'ordinateur comprend une ou plusieurs séquences d'instructions de programme mémorisées.A computer program is stored on computer-readable storage medium 32. The computer program includes one or more stored program instruction sequences.
De telles instructions de programme, lorsqu'elles sont exécutées par l'unité de traitement de données 20, entraînent l'exécution d'étapes du procédé d’analyse.Such program instructions, when executed by data processing unit 20, cause steps of the analysis method to be executed.
Par exemple, la forme des instructions de programme est une forme de code source, une forme exécutable par ordinateur ou toute forme intermédiaire entre un code source et une forme exécutable par ordinateur, telle que la forme résultant de la conversion du code source via un interpréteur, un assembleur, un compilateur, un éditeur de liens ou un localisateur. En variante, les instructions de programme sont un microcode, des instructions firmware, des données de définition d’état, des données de configuration pour circuit intégré (par exemple du VHDL) ou un code objet.For example, the form of program instructions is source code form, computer executable form, or any intermediate form between source code and computer executable form, such as the form resulting from source code conversion through an interpreter , assembler, compiler, linker, or locator. Alternatively, the program instructions are microcode, firmware instructions, state definition data, integrated circuit configuration data (eg VHDL) or object code.
Les instructions de programme sont écrites dans n’importe quelle combinaison d’un ou de plusieurs langages, par exemple un langage de programmation orienté objet (C++, JAVA, Python), un langage de programmation procédural (langage C par exemple).Program instructions are written in any combination of one or more languages, for example an object-oriented programming language (C++, JAVA, Python), a procedural programming language (C language for example).
Alternativement, les instructions du programme sont téléchargées depuis une source externe via un réseau, comme c'est notamment le cas pour les applications. Dans ce cas, le produit programme d'ordinateur comprend un support de données lisible par ordinateur sur lequel sont stockées les instructions de programme ou un signal de support de données sur lequel sont codées les instructions de programme.Alternatively, program instructions are downloaded from an external source via a network, as is notably the case for applications. In this case, the computer program product comprises a computer-readable data carrier on which the program instructions are stored or a data carrier signal on which the program instructions are encoded.
Dans chaque cas, le produit programme d'ordinateur 12 comprend des instructions qui peuvent être chargées dans l'unité de traitement de données 20 et adaptées pour provoquer l'exécution du procédé d’analyse lorsqu'elles sont exécutées par l'unité de traitement de données 20. Selon les modes de réalisation, l'exécution est entièrement ou partiellement réalisée soit sur le système d’évaluation 10, c'est-à-dire un ordinateur unique, soit dans un système distribué entre plusieurs ordinateurs (notamment via l’utilisation de l’informatique en nuage).In each case, the computer program product 12 comprises instructions which can be loaded into the data processing unit 20 and adapted to cause the execution of the analysis method when they are executed by the processing unit. data 20. According to the embodiments, the execution is entirely or partially carried out either on the evaluation system 10, that is to say a single computer, or in a system distributed between several computers (in particular via the use of cloud computing).
D’un point de vue fonctionnel, l’ensemble formé par l’équipement 6, le système de prédiction 8 et d’un exemple de système d’évaluation 10 peut être vu comme représenté à la figure 2 qui est maintenant décrite.From a functional point of view, the assembly formed by the equipment 6, the prediction system 8 and an example of an evaluation system 10 can be seen as represented in figure 2 which is now described.
Selon l’exemple décrit, l’équipement 6 est propre à fournir au système de prédiction 8 les données de maintenance Dmà des instants T prédéterminés. Par exemple, l’équipement 6 est propre à fournir, à chaque instant T prédéterminé, un nouveau point des données de maintenance Dm.According to the example described, the equipment 6 is capable of supplying the prediction system 8 with the maintenance data D m at predetermined times T. For example, the equipment 6 is capable of supplying, at each predetermined instant T, a new maintenance data point D m .
Le système de prédiction 8 est propre à calculer, à chaque instant T prédéterminé, en fonction des données de maintenance Dmdes données Dpde prédiction d’une dépose de l’équipement 6 et pour fournir les données de prédiction Dpcalculés au système d’évaluation 10, à chaque instant T prédéterminé.The prediction system 8 is suitable for calculating, at each predetermined instant T, according to the maintenance data D m , data D p for predicting a removal of the equipment 6 and for supplying the prediction data D p calculated to the evaluation system 10, at each predetermined instant T.
En variante, le système de prédiction 8 est propre à calculer des données de prédiction d’un autre événement rare de l’équipement 6.As a variant, the prediction system 8 is capable of calculating prediction data of another rare event of the equipment 6.
Les données de prédiction Dpsont des données temporelles de la probabilité P de dépose de l’équipement 6.The prediction data D p are temporal data of the probability P of removal of the equipment 6.
Les données de prédiction Dpcomprennent, en outre, les instants auxquels une dépose de l’équipement 6 est effectuée.The prediction data D p further includes the instants at which equipment 6 is removed.
Par exemple, le système de prédiction 8 est propre à calculer, à chaque instant T prédéterminé, un nouveau point des données de prédiction Dpet pour fournir le nouveau point calculé au système d’évaluation 10, à chaque instant T prédéterminé.For example, the prediction system 8 is able to calculate, at each predetermined instant T, a new point of the prediction data D p and to supply the new calculated point to the evaluation system 10, at each predetermined instant T.
Dans l’exemple décrit, le système d’évaluation 10 comprend un module d’acquisition 34, un module de détermination 36, et quatre modules de calculs qui sont dénommés respectivement dans ce qui suit premier module de calcul 38, deuxième module de calcul 40, troisième module de calcul 42 et quatrième module de calcul 44.In the example described, the evaluation system 10 comprises an acquisition module 34, a determination module 36, and four calculation modules which are called respectively in what follows first calculation module 38, second calculation module 40 , third calculation module 42 and fourth calculation module 44.
Le fonctionnement du système d’évaluation 10 est maintenant décrit en référence à la figure 3 qui illustre un exemple de mise en œuvre d’un procédé d’évaluation du système de prédiction 8.The operation of the evaluation system 10 is now described with reference to FIG. 3 which illustrates an example of implementation of a method for evaluating the prediction system 8.
Selon l’exemple de la figure 3, le procédé d’évaluation comporte une étape d’acquisition 100, une étape de détermination 110, une première étape de calcul 120 et une deuxième étape de calcul 130.According to the example in Figure 3, the evaluation method comprises an acquisition step 100, a determination step 110, a first calculation step 120 and a second calculation step 130.
Selon l’exemple décrit, les étapes d’acquisition 100, de détermination 110 et de calcul 120 et 130 sont réitérées à chaque instant T prédéterminés.According to the example described, the steps of acquisition 100, determination 110 and calculation 120 and 130 are repeated at each predetermined instant T.
Lors de l’étape d’acquisition 100, le module d’acquisition 34 acquiert les données de prédiction Dpissues du système de prédiction 8.During the acquisition step 100, the acquisition module 34 acquires the prediction data D p from the prediction system 8.
Selon l’exemple décrit, à chaque nouvelle itération de l’étape d’acquisition 100, et donc à chaque instant T prédéterminé, le module d’acquisition 34 acquiert uniquement le nouveau point des données de prédiction Dpfourni par le système de prédiction à l’instant T prédéterminé.According to the example described, at each new iteration of the acquisition step 100, and therefore at each predetermined instant T, the acquisition module 34 acquires only the new point of the prediction data D p provided by the prediction system at the predetermined time T.
A l’issue de l’étape d’acquisition 100, le dispositif d’évaluation 10 dispose ainsi de l’ensemble des données de prédiction Dp.At the end of the acquisition step 100, the evaluation device 10 thus has all of the prediction data D p .
Lors de l’étape de détermination 110, le module de détermination 36 détermine, en fonction d’un nombre de points prédéfini appelé fenêtre Δ, la présence ou non, d’au moins une série de points consécutifs parmi les données de prédictions Dpconstituant une alerte.During the determination step 110, the determination module 36 determines, according to a predefined number of points called window Δ, the presence or not, of at least one series of consecutive points among the prediction data D p constituting an alert.
Une alerte est une série de points consécutifs qui débute par un premier point des données de prédiction Dppour lequel la probabilité P de dépose est supérieure à un seuil prédéfini Ps, et se termine soit par un dernier point précédant une dépose de l’équipement 6, soit lorsque chaque point d’une série d’un nombre de points consécutifs égal à la fenêtre Δ comprend une probabilité P de dépose inférieure au seuil prédéfini Ps, le dernier point de l’alerte correspondant alors au dernier point de ladite série de points consécutifs.An alert is a series of consecutive points which begins with a first point of the prediction data D p for which the probability P of removal is greater than a predefined threshold P s , and ends either with a last point preceding a removal of the equipment 6, or when each point of a series of a number of consecutive points equal to the window Δ comprises a probability P of removal lower than the predefined threshold P s , the last point of the alert then corresponding to the last point of said series of consecutive points.
La figure 4 représente graphiquement un exemple de données de prédiction Dpfournies par un système de prédiction 8, et sur laquelle sont représentées les déposes D1et D2de l’équipement 6 et les alertes A1, A2et A3.FIG. 4 graphically represents an example of prediction data D p supplied by a prediction system 8, and on which the deposits D 1 and D 2 of the equipment 6 and the alerts A 1 , A 2 and A 3 are represented.
Sur l’exemple de la figure 4, la fenêtre Δ est égale à 3 points.In the example of figure 4, the window Δ is equal to 3 points.
On définit trois types d’alerte, représentées respectivement par les alertes A1, A2et A3:Three types of alert are defined, represented respectively by alerts A 1 , A 2 and A 3 :
- une alerte, telle que l’alerte A1, qui se termine par une série d’un nombre de points consécutifs égal à la fenêtre Δ et où chaque point de la série comprend une probabilité P de dépose inférieure au seuil prédéfini Psest appelée fausse alerte. Le dernier point d’une telle alerte ne précède alors pas une dépose.- an alert, such as the alert A 1 , which ends with a series of a number of consecutive points equal to the window Δ and where each point of the series includes a probability P of removal lower than the predefined threshold P s is called a false alarm. The last point of such an alert then does not precede a removal.
- une alerte, telle que l’alerte A2, qui se termine par un dernier point précédent une dépose est appelée alerte avérée.- An alert, such as the alert A 2 , which ends with a last point preceding a removal, is called a proven alert.
- une alerte, telle que l’alerte A3, dont le dernier point correspond au dernier point des données de prédiction Dpest appelée alerte non terminée ou alerte en attente.- an alert, such as the alert A3, the last point of which corresponds to the last point of the prediction data D p is called an unfinished alert or a pending alert.
Il est défini deux types de dépose, représentées respectivement par les déposes D1et D2:Two types of removal are defined, represented respectively by removals D 1 and D 2 :
- une dépose, telle que la dépose D1, qui n’est pas précédée par une alerte est appelée dépose manquée,- a drop, such as drop D1, which is not preceded by an alert is called a missed drop,
- une dépose, telle que la dépose D2, qui est précédée par une alerte est appelée dépose prédite.- A removal, such as removal D2, which is preceded by an alert is called predicted removal.
Plus particulièrement, si lors de l’itération précédente, le module de détermination 36 a déterminé que le dernier point des données de prédictions Dpest compris dans une alerte en attente, alors le module de détermination 36 détermine si l’alerte est toujours en attente, le dernier point étant alors compris dans l’alerte, ou si elle est terminée, l’alerte étant alors soit avérée, soit fausse.More particularly, if during the previous iteration, the determination module 36 has determined that the last point of the prediction data D p is included in a pending alert, then the determination module 36 determines whether the alert is still in waiting, the last point then being included in the alert, or if it is finished, the alert then being either true or false.
En variante, le module de détermination 36 détermine la présence ou non d’au moins une alerte parmi les données de prédictions Dp, en fonction d’une durée prédéfinie. L’alerte se termine alors soit par un dernier point précédant une dépose de l’équipement 6, soit lorsqu’une durée égale à la durée prédéfinie s’est écoulée depuis le dernier point de l’alerte dont la probabilité P est supérieure au seuil prédéfini Ps.As a variant, the determination module 36 determines the presence or not of at least one alert among the prediction data D p , as a function of a predefined duration. The alert then ends either with a last point preceding a removal of the equipment 6, or when a duration equal to the predefined duration has elapsed since the last point of the alert whose probability P is greater than the threshold predefined P s .
Les étapes de calcul 120 et 130 sont effectuées uniquement lorsque la présence d’une alerte a été déterminée au cours de l’étape 110.Calculation steps 120 and 130 are performed only when the presence of an alert has been determined during step 110.
Lors de la première étape de calcul 120, le premier module de calcul 38 calcule, pour chaque alerte, un facteur de véracité Yade l’alerte, en fonction du nombre de points N de l’alerte et de la présence ou non d’une dépose suivant le dernier point de l’alerte.During the first calculation step 120, the first calculation module 38 calculates, for each alert, a veracity factor Y a of the alert, according to the number of points N of the alert and the presence or not of a removal following the last point of the alert.
Autrement formulé, le premier module de calcul 38 calcule le facteur de véracité Yade chaque alerte en fonction du nombre de points N de l’alerte et de son type.Otherwise formulated, the first calculation module 38 calculates the veracity factor Y a of each alert as a function of the number of points N of the alert and of its type.
Le facteur de véracité Yad’une alerte est un nombre réel compris entre 0 et 1, quantifiant à quel point l’alerte est avérée, si l’alerte a été commencée au bon moment.The veracity factor Y a of an alert is a real number between 0 and 1, quantifying how true the alert is, if the alert was started at the right time.
Le facteur de véracité Yaest nul si le dernier point de l’alerte ne précède pas une dépose de l’équipement 6, c’est-à-dire si l’alerte est une fausse alerte.The veracity factor Y a is zero if the last point of the alert does not precede removal of the equipment 6, that is to say if the alert is a false alert.
Si l’alerte précède une dépose, c’est-à-dire si l’alerte est une alerte avérée, le facteur de véracité Yaest définie par une fonction décroissante du nombre de points N de l’alerte.If the alert precedes a removal, that is to say if the alert is a confirmed alert, the veracity factor Y a is defined by a decreasing function of the number of points N of the alert.
De préférence, la fonction décroissante définissant le facteur de véracité Yad’une alerte est définie par la formule mathématique 1 suivante :Preferably, the decreasing function defining the veracity factor Y a of an alert is defined by the following mathematical formula 1:
Avec :With :
- Γ1un premier nombre de points limite prédéfini représentant le nombre de points à partir duquel il est considéré que l’alerte est commencée trop tôt vis-à-vis de la dépose, etΓ 1 a first number of predefined limit points representing the number of points from which it is considered that the alert has started too early with respect to the removal, and
- f1une fonction prédéfinie continue et décroissante du nombre de points N de l’alerte, prenant la valeur 1 lorsque le nombre de points N est égal à la fenêtre Δ et la valeur 0 lorsque le nombre de points N est égal au premier nombre de points limite Γ1.f 1 a continuous and decreasing predefined function of the number of points N of the alert, taking the value 1 when the number of points N is equal to the window Δ and the value 0 when the number of points N is equal to the first number of limit points Γ 1 .
Par exemple, le premier nombre de points limite prédéfini Γ1est égal à trois fois la fenêtre Δ.For example, the first number of predefined limit points Γ 1 is equal to three times the window Δ.
En complément, le premier module de calcul 38 calcule le facteur de véracité Yad’une alerte non terminée, en fonction du facteur de véracité Yade l’alerte dans l’hypothèse où le dernier point des données de prédiction Dpprécède une dépose de l’équipement 6, c’est-à-dire dans l’hypothèse où l’alerte est une alerte avérée, et du facteur de véracité Yade l’alerte dans l’hypothèse où le dernier point des données de prédiction Dpne précède pas une dépose de l’équipement 6, c’est-à-dire dans l’hypothèse où l’alerte est une fausse alerte.In addition, the first calculation module 38 calculates the veracity factor Y a of an unfinished alert, as a function of the veracity factor Y a of the alert on the assumption that the last point of the prediction data D p precedes a removal of the equipment 6, that is to say on the assumption that the alert is a proven alert, and of the veracity factor Y a of the alert on the assumption that the last point of the data of prediction D p does not precede a removal of the equipment 6, that is to say on the assumption that the alert is a false alert.
Par exemple, le premier module de calcul 38 calcule le facteur de véracité Yade l’alerte non terminée dans les deux hypothèses précédemment mentionnées et attribue au facteur de véracité Yade l’alerte la moyenne des deux valeurs calculées.For example, the first calculation module 38 calculates the veracity factor Y a of the unfinished alert in the two previously mentioned hypotheses and assigns to the veracity factor Y a of the alert the average of the two calculated values.
De préférence, lors des réitérations de la première étape de calcul 120, le premier module de calcule 26 recalcule uniquement le facteur de véracité Yade la dernière alerte si lors de l’itération précédente, la dernière alerte était une alerte non terminée, ou si la dernière alerte est une alerte débutant par le dernier point des données de prédiction Dp, c’est-à-dire si le dernier point débute une nouvelle alerte.Preferably, during the reiterations of the first calculation step 120, the first calculation module 26 only recalculates the veracity factor Y a of the last alert if during the previous iteration, the last alert was an unfinished alert, or if the last alert is an alert starting with the last point of the prediction data D p , that is to say if the last point starts a new alert.
A la deuxième étape de calcul 130, le deuxième module de calcul 40 calcule le facteur de précision Prdu système de prédiction 8, en fonction du facteur de véracité Yade chaque alerte.At the second calculation step 130, the second calculation module 40 calculates the precision factor P r of the prediction system 8, as a function of the veracity factor Y a of each alert.
Le facteur de précision Prquantifie de façon globale le taux d’alertes avérées.The precision factor P r globally quantifies the rate of proven alerts.
Selon l’exemple décrit, lors de la deuxième étape de calcul 130, le deuxième module de calcul 40 calcule, pour chaque alerte, un poids Wa, en fonction du nombre de points N de l’alerte, le facteur de précision Prétant calculé en fonction du facteur de véracité Yaet du poids Wade chaque alerte.According to the example described, during the second calculation step 130, the second calculation module 40 calculates, for each alert, a weight W a , according to the number of points N of the alert, the precision factor P r being calculated according to the veracity factor Y a and the weight W a of each alert.
Le poids Wad’une alerte est un nombre réel supérieur ou égal à 1.The weight W a of an alert is a real number greater than or equal to 1.
Le poids Wad’une alerte avérée est toujours égal à 1.The weight W a of a confirmed alert is always equal to 1.
Le poids Wad’une fausse alerte est défini par une fonction croissante du nombre de points N de l’alerte.The weight W a of a false alert is defined by an increasing function of the number of points N of the alert.
De préférence, la fonction croissante définissant le poids Wad’une alerte est définie par la formule mathématique 2 :Preferably, the increasing function defining the weight W a of an alert is defined by mathematical formula 2:
Avec :With :
- Γ2un deuxième nombre de points limite prédéfini représentant un nombre de points à partir duquel il est considéré qu’une fausse alerte dure trop longtemps et est à pénaliser de façon maximale,Γ 2 a second number of predefined limit points representing a number of points from which it is considered that a false alarm lasts too long and is to be penalized as much as possible,
- β un poids maximal prédéfini quantifiant une pénalisation maximale pour une fausse alerte, etβ a predefined maximum weight quantifying a maximum penalty for a false alarm, and
- f2une fonction prédéfinie continue et croissante du nombre de points N de l’alerte, prenant la valeur 1 lorsque le nombre de points N est égal à la fenêtre Δ et la valeur β lorsque le nombre de points N est égal au deuxième nombre de points limite Γ2.f 2 a continuous and increasing predefined function of the number of points N of the alert, taking the value 1 when the number of points N is equal to the window Δ and the value β when the number of points N is equal to the second number of limit points Γ 2 .
Par exemple, le deuxième nombre de points limite prédéfini Γ2est égal à trois fois la fenêtre Δ.For example, the second number of predefined limit points Γ 2 is equal to three times the window Δ.
En complément, le deuxième module de calcul 40 calcule le poids Wad’une alerte non terminée, en fonction du poids Wade l’alerte dans l’hypothèse où le dernier point des données de prédiction Dpprécède une dépose de l’équipement 6, c’est-à-dire dans l’hypothèse où l’alerte est une alerte avérée, et du poids Wade l’alerte dans l’hypothèse où le dernier point des données de prédiction Dpne précède pas une dépose de l’équipement 6, c’est-à-dire dans l’hypothèse où l’alerte est une fausse alerte.In addition, the second calculation module 40 calculates the weight W a of an unfinished alert, as a function of the weight W a of the alert on the assumption that the last point of the prediction data D p precedes a removal of the equipment 6, that is to say on the assumption that the alert is a confirmed alert, and of the weight W a of the alert on the assumption that the last point of the prediction data D p does not precede a removal of the equipment 6, that is to say in the event that the alert is a false alert.
Par exemple, le premier module de calcul 38 calcule le poids Wade l’alerte non terminée dans les deux hypothèses précédemment mentionnées et attribue au poids Wade l’alerte la moyenne des deux valeurs calculées.For example, the first calculation module 38 calculates the weight W a of the unfinished alert in the two previously mentioned hypotheses and assigns to the weight W a of the alert the average of the two calculated values.
Selon l’exemple décrit, le facteur de précision Prest une moyenne pondérée des facteurs de véracité Yade chaque alerte.According to the example described, the precision factor P r is a weighted average of the veracity factors Y a of each alert.
Par exemple, le deuxième module de calcul 40 calcule le facteur de précision Prsuivant la formule mathématique 3 :For example, the second calculation module 40 calculates the precision factor P r according to the mathematical formula 3:
Avec Σala formule de somme sur l’ensemble des alertes des données de prédiction Dp.With Σ a the sum formula over the set of prediction data alerts D p .
Avantageusement, lors des réitérations de la deuxième étape de calcul 130, le deuxième module de calcule 28 recalcule uniquement le poids Wade la dernière alerte si lors de l’itération précédente, la dernière alerte était une alerte non terminée, ou si la dernière alerte est une alerte débutant par le dernier point des données de prédiction Dp, c’est-à-dire si le dernier point débute une nouvelle alerte.Advantageously, during the reiterations of the second calculation step 130, the second calculation module 28 only recalculates the weight W a of the last alert if during the previous iteration, the last alert was an unfinished alert, or if the last alert is an alert starting with the last point of the prediction data D p , that is to say if the last point starts a new alert.
De même, le deuxième module de calcul 40 recalcule le facteur de précision Pruniquement dans les deux cas cités précédemment.Similarly, the second calculation module 40 recalculates the precision factor P r only in the two cases cited above.
Ainsi, le calcul du facteur de précision Prpermet de quantifier en partie l’évaluation du système de prédiction 8.Thus, the calculation of the precision factor P r makes it possible to partly quantify the evaluation of the prediction system 8.
En particulier, le calcul du facteur de précision Prvia le facteur de véracité Yaet le poids Wad’une alerte permet d’évaluer le système de prédiction 8 de façon plus fiable.In particular, the calculation of the precision factor P r via the veracity factor Y a and the weight W a of an alert makes it possible to evaluate the prediction system 8 more reliably.
En effet, dans le cas où le système de prédiction 8 anticipe une dépose pour un groupe d’équipements, et qu’une fausse alerte persiste sur un même équipement, la pénalité de cette fausse alerte est limitée par un poids maximal β.Indeed, in the case where the prediction system 8 anticipates a removal for a group of equipment, and a false alarm persists on the same equipment, the penalty of this false alarm is limited by a maximum weight β.
Dans le cas d’alertes commencées prématurément, ces alertes ne sont pas autant pénalisées que des fausses alertes, le facteur de véracité Yaétant alors compris entre 0 et 1 dans ce cas.In the case of alerts started prematurely, these alerts are not penalized as much as false alerts, the veracity factor Y a then being between 0 and 1 in this case.
Enfin, l’invention permet de prendre en compte dans le calcul du facteur de précision Prles derniers points des données de prédiction Dp, qui sont classiquement censurées, ce qui rend l’évaluation plus stable.Finally, the invention makes it possible to take into account in the calculation of the precision factor P r the last points of the prediction data D p , which are conventionally censored, which makes the evaluation more stable.
Selon un autre exemple de mise en œuvre illustré par la figure 5, le procédé d’évaluation comporte une étape d’acquisition 200, une étape de détermination 210, une première étape de calcul 220, une deuxième étape de calcul 230, une troisième étape de calcul 240 et une quatrième étape de calcul 250.According to another example of implementation illustrated by FIG. 5, the evaluation method comprises an acquisition step 200, a determination step 210, a first calculation step 220, a second calculation step 230, a third step calculation 240 and a fourth calculation step 250.
Selon l’exemple décrit, les étapes d’acquisition 200, de détermination 210 et de calcul 220, 230, 240 et 250 sont réitérées à chaque instant T prédéterminés.According to the example described, the steps of acquisition 200, determination 210 and calculation 220, 230, 240 and 250 are repeated at each predetermined instant T.
Les étapes 200 à 230 du procédé selon le deuxième exemple de mise en œuvre sont similaires aux étapes 100 à 130 du procédé selon la première variante.Steps 200 to 230 of the method according to the second example of implementation are similar to steps 100 to 130 of the method according to the first variant.
Lors de la troisième étape de calcul 240, le troisième module de calcul 42 calcule, pour chaque dépose, un facteur de prédiction Ydde la dépose, en fonction de la présence ou non d’une alerte précédant la dépose, et du nombre de points N de l’alerte précédant la dépose le cas échéant.During the third calculation step 240, the third calculation module 42 calculates, for each removal, a prediction factor Y d of the removal, according to the presence or not of an alert preceding the removal, and the number of points N of the alert preceding removal, if applicable.
Autrement formulé, le troisième module de calcul 42 calcule, pour chaque dépose, un facteur de prédiction Ydde la dépose, en fonction du type de dépose et du nombre de points N de l’alerte précédant la dépose lorsque la dépose est une dépose prédite. Le facteur de prédiction Ydd’une dépose est un nombre réel compris entre 0 et 1, quantifiant à quel point la dépose a été prédite dans les temps.Otherwise formulated, the third calculation module 42 calculates, for each removal, a prediction factor Y d of the removal, depending on the type of removal and the number of points N of the alert preceding the removal when the removal is a removal predicted. The prediction factor Y d of a drop is a real number between 0 and 1, quantifying how well the drop was predicted in time.
Le facteur de prédiction Ydest nul si la dépose n’est pas précédée par une alerte, c’est-à-dire si la dépose est une dépose manquée.The prediction factor Y d is zero if the removal is not preceded by an alert, that is to say if the removal is a missed removal.
Si la dépose est précédée par une alerte, c’est-à-dire si la dépose est une dépose prédite, le facteur de prédiction Ydest définie par une fonction décroissante du nombre de points N de l’alerte précédant la dépose.If the removal is preceded by an alert, that is to say if the removal is a predicted removal, the prediction factor Y d is defined by a decreasing function of the number of points N of the alert preceding the removal.
De préférence, le la fonction décroissante définissant le facteur de prédiction Ydd’une alerte est définie par la formule mathématique 4 :Preferably, the decreasing function defining the prediction factor Y d of an alert is defined by the mathematical formula 4:
Avec :With :
- Γ3un troisième nombre de points limite prédéfini représentant un nombre de point à partir duquel il est considéré que l’alerte anticipant la dépose est commencée trop tôt, etΓ 3 a third number of predefined limit points representing a number of points from which it is considered that the alert anticipating removal has started too early, and
- f3une fonction prédéfinie continue et décroissante du nombre de points N de l’alerte, prenant la valeur 1 lorsque le nombre de points N est égal à la fenêtre Δ et la valeur 0 lorsque le nombre de points N est égal au troisième nombre de points limite Γ3.f 3 a continuous and decreasing predefined function of the number of points N of the alert, taking the value 1 when the number of points N is equal to the window Δ and the value 0 when the number of points N is equal to the third number of limit points Γ 3 .
Avantageusement, lors des réitérations de la troisième étape de calcul 240, le troisième module de calcule 30 recalcule uniquement le facteur de prédiction Ydd’une nouvelle dépose.Advantageously, during the reiterations of the third calculation step 240, the third calculation module 30 only recalculates the prediction factor Y d of a new removal.
A la quatrième étape de calcul 250, le quatrième module de calcul 44 calcule le facteur de rappel R du système de prédiction 8, en fonction du facteur de prédiction Ydde chaque dépose.At the fourth calculation step 250, the fourth calculation module 44 calculates the recall factor R of the prediction system 8, as a function of the prediction factor Y d of each deposit.
Le facteur de rappel R quantifie de façon globale le taux de déposes prédites.The recall factor R globally quantifies the rate of predicted deposits.
Par exemple, le quatrième module de calcule 44 calcule le facteur de rappel R selon la formule mathématique 5 suivante :For example, the fourth calculation module 44 calculates the recall factor R according to the following mathematical formula 5:
Avec :With :
- Ndle nombre de dépose, etN d the number of deposits, and
- Σdla formule de somme sur l’ensemble des déposes des données de prédiction Dp.Σ d the sum formula over all the deposits of the prediction data D p .
Avantageusement, lors des réitérations de la quatrième étape de calcul 250, le module de calcul 32 recalcule le facteur de rappel R uniquement lorsque l’équipement 6 a subi une nouvelle dépose depuis l’instant du dernier point des données de prédiction Dplors de la dernière itération.Advantageously, during the reiterations of the fourth calculation step 250, the calculation module 32 recalculates the recall factor R only when the equipment 6 has undergone a new removal since the instant of the last point of the prediction data D p during the last iteration.
Le procédé selon l’exemple de mise en œuvre illustré par la figure 5 présente les mêmes avantages que celui illustré par la figure 3. En particulier, il permet un calcul du facteur de rappel R plus fiable et plus stable.The method according to the implementation example illustrated by FIG. 5 has the same advantages as that illustrated by FIG. 3. In particular, it allows a calculation of the recall factor R that is more reliable and more stable.
Claims (12)
- l’acquisition des données de prédiction (Dp) issues du système de prédiction (8),
- la détermination, en fonction d’un nombre de points prédéfini appelé fenêtre, de la présence ou non d’au moins une série de points consécutifs parmi les données de prédiction, constituant une alerte,
lorsque la présence d’au moins une alerte a été déterminée, le procédé comprend également :
- le calcul, pour chaque alerte, d’un facteur de véracité de ladite alerte, en fonction du nombre de points de ladite alerte et de la présence ou non d’une dépose suivant le dernier point de ladite alerte, et
- le calcul d’un facteur de précision du système de prédiction (8), en fonction du facteur de véracité de chaque alerte.Method for evaluating a system (8) for predicting the removal of equipment (6), the prediction system (8) being capable of providing temporal prediction data (D p ) of the probability of removal of the equipment (6), the prediction data (D p ) further comprising the instants at which the equipment (6) is removed, the method comprising:
- the acquisition of prediction data (D p ) from the prediction system (8),
- the determination, according to a predefined number of points called window, of the presence or not of at least one series of consecutive points among the prediction data, constituting an alert,
when the presence of at least one alert has been determined, the method also comprises:
- the calculation, for each alert, of a veracity factor of said alert, according to the number of points of said alert and the presence or not of a deposit following the last point of said alert, and
- the calculation of a precision factor of the prediction system (8), according to the veracity factor of each alert.
N étant le nombre de points de ladite alerte, Δ étant la fenêtre, Γ1étant un premier nombre de points limite prédéfini, et f1étant une fonction prédéfinie continue et décroissante du nombre de points de ladite alerte prenant la valeur 1 lorsque le nombre de points est égal à la fenêtre et la valeur 0 lorsque le nombre de points est égal au premier nombre de points limite.Method according to any one of the preceding claims, in which during the step of calculating the veracity factor, the veracity factor of an alert is a real number between 0 and 1, the veracity factor being zero if the last point of said alert does not precede removal of the equipment (6), and being defined by a decreasing function of the number of points of said alert if said alert precedes removal of the equipment (6), said decreasing function being preferably defined by the following formula:
N being the number of points of said alert, Δ being the window, Γ 1 being a first number of predefined limit points, and f 1 being a continuous and decreasing predefined function of the number of points of said alert taking the value 1 when the number of points is equal to the window and the value 0 when the number of points is equal to the first number of points limit.
N étant le nombre de points de ladite alerte, Γ2étant un deuxième nombre de points limite prédéfini, β étant un poids maximal prédéfini, et f2étant une fonction prédéfinie continue et croissante du nombre de points de ladite alerte prenant la valeur 1 lorsque le nombre de points est égal à la fenêtre et la valeur β lorsque le nombre de points de ladite alerte est égal au deuxième nombre de points limite.Method according to claim 4, in which during the step of calculating the precision factor, the weight of an alert is a real number greater than or equal to 1, the weight being equal to 1 if the last point of the said alert precedes a removal of the equipment (6), and being defined by an increasing function of the number of points of said alert if said alert does not precede a removal of the equipment (6), the increasing function preferably being defined by the formula next :
N being the number of points of said alert, Γ 2 being a second number of predefined limit points, β being a predefined maximum weight, and f 2 being a continuous and increasing predefined function of the number of points of said alert taking the value 1 when the number of points is equal to the window and the value β when the number of points of said alert is equal to the second number of limit points.
Σaétant la formule de somme sur l’ensemble des alertes des données de prédiction, Yaet Waétant respectivement le facteur de véracité et le poids d’une alerte.Method according to claim 5, in which during the step of calculating the precision factor, the precision factor is a weighted average of the veracity factors of each alert, the precision factor preferably being defined by the following formula:
Σ a being the sum formula over all the alerts of the prediction data, Y a and W a being respectively the veracity factor and the weight of an alert.
- le calcul, pour chaque dépose, d’un facteur de prédiction de ladite dépose, en fonction de la présence ou non d’une alerte précédant ladite dépose, et du nombre de points de l’alerte précédent ladite dépose le cas échéant, et
- le calcul d’un facteur de rappel du système de prédiction (8), en fonction du facteur de prédiction de chaque dépose.A method according to any preceding claim, wherein the method further comprises:
- the calculation, for each removal, of a prediction factor of said removal, depending on the presence or not of an alert preceding said removal, and the number of points of the alert preceding said removal if applicable, and
- the calculation of a recall factor of the prediction system (8), according to the prediction factor of each removal.
- un module d’acquisition (34) des données de prédiction (Dp) issues du système de prédiction (8),
- un module de détermination (36), en fonction d’un nombre de points prédéfini appelé fenêtre, de la présence ou non d’au moins une série de points consécutifs parmi les données de prédiction, constituant une alerte,
- un module de calcul (38), pour chaque alerte, lorsque la présence d’au moins une alerte a été déterminée, d’un facteur de véracité de ladite alerte, en fonction du nombre de points de ladite alerte et de la présence ou non d’une dépose suivant le dernier point de ladite alerte, et
- un module de calcul (40) d’un facteur de précision du système de prédiction (8), en fonction du facteur de véracité de chaque alerte,lorsque la présence d’au moins une alerte a été déterminée.Evaluation system (10) of a prediction system (8) for depositing equipment (6), the prediction system (8) being able to supply temporal prediction data (D p ) of the probability of removal of equipment (6), the prediction data (D p ) further comprising the instants at which equipment (6) is removed, the evaluation system (10) comprising:
- an acquisition module (34) for prediction data (D p ) from the prediction system (8),
- a determination module (36), depending on a predefined number of points called window, the presence or not of at least one series of consecutive points among the prediction data, constituting an alert,
- a calculation module (38), for each alert, when the presence of at least one alert has been determined, a veracity factor of said alert, depending on the number of points of said alert and the presence or not a removal following the last point of said alert, and
- a calculation module (40) of a precision factor of the prediction system (8), depending on the veracity factor of each alert , when the presence of at least one alert has been determined.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2003161A FR3108744B1 (en) | 2020-03-31 | 2020-03-31 | Method and system for evaluating an equipment removal prediction system |
PCT/EP2021/058083 WO2021198136A1 (en) | 2020-03-31 | 2021-03-29 | Method and system for evaluating a system for predicting the removal of a piece of equipment |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2003161 | 2020-03-31 | ||
FR2003161A FR3108744B1 (en) | 2020-03-31 | 2020-03-31 | Method and system for evaluating an equipment removal prediction system |
Publications (2)
Publication Number | Publication Date |
---|---|
FR3108744A1 true FR3108744A1 (en) | 2021-10-01 |
FR3108744B1 FR3108744B1 (en) | 2023-05-19 |
Family
ID=70804806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR2003161A Active FR3108744B1 (en) | 2020-03-31 | 2020-03-31 | Method and system for evaluating an equipment removal prediction system |
Country Status (2)
Country | Link |
---|---|
FR (1) | FR3108744B1 (en) |
WO (1) | WO2021198136A1 (en) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0971321A2 (en) * | 1998-07-01 | 2000-01-12 | General Electric Company | System and method for generating alerts through multi-variate data assessment |
WO2017077247A1 (en) * | 2015-11-05 | 2017-05-11 | Safran Aircraft Engines | System and method for monitoring a turbomachine, with indicator merging for the synthesis of an alarm confirmation |
-
2020
- 2020-03-31 FR FR2003161A patent/FR3108744B1/en active Active
-
2021
- 2021-03-29 WO PCT/EP2021/058083 patent/WO2021198136A1/en active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0971321A2 (en) * | 1998-07-01 | 2000-01-12 | General Electric Company | System and method for generating alerts through multi-variate data assessment |
WO2017077247A1 (en) * | 2015-11-05 | 2017-05-11 | Safran Aircraft Engines | System and method for monitoring a turbomachine, with indicator merging for the synthesis of an alarm confirmation |
Also Published As
Publication number | Publication date |
---|---|
FR3108744B1 (en) | 2023-05-19 |
WO2021198136A1 (en) | 2021-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11256990B2 (en) | Memory-efficient backpropagation through time | |
CN109981785B (en) | Method and device for pushing information | |
US20170161179A1 (en) | Smart computer program test design | |
KR20210132578A (en) | Method, apparatus, device and storage medium for constructing knowledge graph | |
US20240127058A1 (en) | Training neural networks using priority queues | |
CN113032172B (en) | Abnormality detection method and device and electronic equipment | |
US10607110B2 (en) | Generating a reference digital image based on an indicated time frame and searching for other images using the reference digital image | |
US11651291B2 (en) | Real-time predictions based on machine learning models | |
US11790278B2 (en) | Determining rationale for a prediction of a machine learning based model | |
US11556650B2 (en) | Methods and systems for preventing utilization of problematic software | |
FR3108744A1 (en) | Method and system for evaluating an equipment removal prediction system | |
CN112598136B (en) | Data calibration method and device | |
WO2022112583A1 (en) | Method for evaluating the performance of a prediction algorithm, and associated devices | |
CN113407102A (en) | Virtual key display method, device, system and storage medium | |
CN113849758A (en) | Webpage index generation method and device, electronic equipment and storage medium | |
FR3108184A1 (en) | Method for predicting a failure of an item of equipment of a mobile platform and associated device | |
CN113420227B (en) | Training method of click rate estimation model, click rate estimation method and device | |
WO2021152118A1 (en) | Method for generating a retranscribed scenario by a communication system and associated devices | |
WO2023217263A1 (en) | Data processing method and apparatus, device, and medium | |
CN114817716A (en) | Method, device, equipment and medium for predicting user conversion behaviors and training model | |
CN114860455A (en) | Request processing method, device, equipment and storage medium | |
CN118278967A (en) | User behavior data processing method and device, electronic equipment and storage medium | |
FR3108186A1 (en) | Method of consolidating a set of data for predictive maintenance and associated device | |
CN118034749A (en) | Updating method and electronic equipment | |
CN114693421A (en) | Risk assessment method, apparatus, electronic device and medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 2 |
|
PLSC | Publication of the preliminary search report |
Effective date: 20211001 |
|
PLFP | Fee payment |
Year of fee payment: 3 |
|
PLFP | Fee payment |
Year of fee payment: 4 |
|
PLFP | Fee payment |
Year of fee payment: 5 |