WO2018096227A1 - Procédé et système de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local - Google Patents

Procédé et système de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local Download PDF

Info

Publication number
WO2018096227A1
WO2018096227A1 PCT/FR2017/051181 FR2017051181W WO2018096227A1 WO 2018096227 A1 WO2018096227 A1 WO 2018096227A1 FR 2017051181 W FR2017051181 W FR 2017051181W WO 2018096227 A1 WO2018096227 A1 WO 2018096227A1
Authority
WO
WIPO (PCT)
Prior art keywords
value
prediction
state
local
captured
Prior art date
Application number
PCT/FR2017/051181
Other languages
English (en)
Inventor
Jean-Michel Cambot
Rémi COLETTA
Benoit GOURDON
Original Assignee
Tellmeplus
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tellmeplus filed Critical Tellmeplus
Priority to PCT/EP2018/062614 priority Critical patent/WO2018210876A1/fr
Publication of WO2018096227A1 publication Critical patent/WO2018096227A1/fr

Links

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
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2619—Wind turbines
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2637—Vehicle, car, auto, wheelchair

Definitions

  • the present invention provides a method and system for remote generation and transmission of a state device prediction process. It applies, in particular, to the field of detecting failures of industrial systems.
  • the remote processes at the level of a remote intelligence of the device, determining a state of the device as a function of parameter values sensed at each device associated with the memory and used in a state prediction algorithm.
  • machine-to-machine For remote processes, these are dependent on the ability to transmit data, most often through a wireless link.
  • These wireless links called “machine-to-machine”, generally have a slow rate which, in addition, may not be reliable or even available at a given moment.
  • the present invention aims to remedy all or part of these disadvantages.
  • the present invention aims a method for remote generation and transmission of a state device prediction process, which comprises:
  • the physical magnitude values are sensed locally and then transmitted to a remote intelligence, this remote intelligence generating a prediction process, this prediction process is then recorded locally at the device.
  • the communication between the remote intelligence and the device is limited to the local initialization phase of the prediction process and the possible phases of updates of this process.
  • the method that is the subject of the present invention comprises a step 131 of transmitting, via a data network, each value picked up during the secondary capture step 130 to a local buffer memory, the step 135 prediction being performed based on at least one sensed value stored in the local buffer.
  • the modeling server generates a prediction process based on at least one past detection of the state associated with the past capture of at least one captured value sequence.
  • the modeling server generates a prediction process based on at least one past detection of the state associated with the past capture of at least one captured value sequence.
  • the step of generating a prediction process implements at least one of:
  • the capture, recording and prediction steps are performed by a local terminal, the sensed value and the predicted state respectively corresponding to at least one physical quantity relative to the operation and state of the device. local.
  • the method that is the subject of the present invention comprises, downstream of the local prediction step:
  • an error is determined when no state is predicted by the process.
  • the method that is the subject of the present invention comprises, downstream of the prediction step, a step of determining a value representative of a confidence in the prediction made, an error being determined when a state predicted is associated with a confidence value lower than a determined limit value.
  • the present invention aims at a system for remote generation and transmission of a state device prediction process, which comprises:
  • a transmitter via a data network, of the sensed value to a remote database of the device, said database belonging to a dedicated platform including, in addition, a prediction process deployment server, a transmitter, via a a data network, from a set of values captured among the values stored in the database, to a modeling server of a prediction process,
  • modeling server comprising:
  • a generator of a prediction process associating at least one sensed value with a state of the device as a function of at least one past detection of the state associated with the past capture of at least one value of the physical quantity
  • the deployment server comprising a transmitter, via a data network, of the generated process to a means for predicting a state of a local device
  • the local prediction means of a state of the device being configured to perform a state prediction according to a sensed value and the prediction process registered locally by the prediction means.
  • system that is the subject of the present invention comprises a terminal comprising:
  • the system that is the subject of the present invention comprises a plurality of terminals each associated with a different local device.
  • FIG. 1 represents, schematically and in the form of a logic diagram, a particular succession of steps of the method which is the subject of the present invention
  • FIG. 2 schematically represents a first particular embodiment of the system which is the subject of the present invention
  • FIG. 3 represents, schematically, a particular embodiment of the evolution of an operating value measured during the realization of the method which is the subject of the present invention
  • FIG. 4 schematically represents a second particular embodiment of the system that is the subject of the present invention. DESCRIPTION OF EXAMPLES OF CARRYING OUT THE INVENTION This description is given in a nonlimiting manner, each feature of an embodiment being able to be combined with any other feature of any other embodiment in an advantageous manner.
  • FIG. 1 which is not to scale, shows a schematic view of an embodiment of the method 100 which is the subject of the present invention.
  • This method 100 of remote generation and transmission of a prediction process of a state of a local device comprises:
  • a step 120 of transmission by the modeling server, via a data network, of the generated process to a platform deployment server a step 121 of transmission by the deployment server, via a data network, of the generated process to means for predicting a state of a local device
  • the primary capture step 105 is performed, for example, by a physical sensor, configured to directly capture the value of a physical quantity.
  • This sensor is, for example: an accelerometer,
  • the primary capture step 105 may be performed by a sensor of an electrical signal representing a value of the physical quantity sensed by a sensor internal to the local device.
  • the electrical signal sensor is connected to a capture signal output interface of the local device.
  • an initial step of determining the information transmitted by the signal output interface of the local device is carried out, then a step of selecting at least one type of information transmitted is carried out then, finally, the step capture 105 is limited to each type of selected information.
  • the determination step is preferentially automatic, each information item being categorized according to, for example, metadata associated with the information transmitted.
  • the selection of information to be collected can be automatic or manual, via a user interface.
  • the primary capture step 105 can be performed periodically or punctually, on receipt of a command issued by a control terminal communicating a command via a wired or wireless communication link.
  • the capture frequency is predetermined or variable depending on the reception of a variation control of a capture frequency transmitted by a control terminal.
  • the capture frequency may also vary depending on at least one value of at least one sensed physical quantity. Thus, for example, if a sensed value is lower than a predetermined limit value, the catch frequency is changed up or down.
  • the predetermined limit value corresponds, for example, to a critical value which requires a more regular monitoring of the evolution of the value.
  • a plurality of captures takes place during this initialization phase.
  • the time horizon of the prediction that is to say the temporal distance separating the capture of values and the state to be determined. For example, if a state of the device is determined every 14 seconds, only 3 or 4 minutes of capture is enough.
  • each sensed value is stored in a local buffer to form a sequence of values, the server generating a prediction process based on at least one past detection of the state associated with the previous capture. at least one captured value sequence.
  • the transmission step 1 10 is performed, for example, by an electronic control circuit of a wired link, or preferably wireless, connecting the device performing the capture step 105 to the remote database of the device.
  • the database corresponds, for example, to a storage server of at least one transmitted value.
  • the transmission step 1 14 is performed, for example, by an electronic control circuit of a wired link, or preferably wireless, connecting the database to a remote modeling server of the device.
  • a wired link is made by implementing a digital data transmission cable connecting a physical port of a device to a physical port of another device. This link can be direct or implement an all or partially wired data network.
  • a wireless link is made, for example, by the implementation of an antenna configured to implement a radiocommunication technology.
  • the link implements, for example:
  • LoRaWAN technology (registered trademark).
  • the generation step 1 is performed, for example, a calculating electronic circuit determining, as a function of each captured value sequence and at least one past detection of the state associated with at least one value sequence of a physical quantity, to determine a process of prediction.
  • the step 1 of generating a prediction process implements at least one of:
  • each automobile in a fleet is identified by a license plate, and each automobile has a logic sensor, capturing a state of operation of the automobile or an element of this automobile, or digital, sensing by example a voltage value or a rotational speed of a mechanical element of the automobile.
  • the modeling server associates with each identifier at least one type of predictive state, such as the realization of a battery failure or a slow puncture.
  • Each predictive state is associated with a prediction time horizon, for example seven hours or twenty-four hours, so that the state / horizon pair forms a specific predictive target.
  • the modeling server associates with a target a prediction model describing the set of operations to be performed on one or more historical values captured by one or more sensors so as to calculate a probability of realization of the target as a function of the sensed values.
  • the modeling server can generate several predictive models for the same target according to the automobile identifier.
  • FIG. 3 shows schematically an example of a change in value representative of the operation of a device during a determined duration 435.
  • This evolution has an average value 430, a minimum value 420, a maximum of 415, a derivative 405 at a point in the evolution curve, and changes 410 in the sign of the derivative of the evolution curve.
  • the transmission step 120 by the modeling server is performed analogously to the transmission step 1 14.
  • the transmission step 121 by the deployment server is performed analogously to the transmission step 1 10.
  • the deployment server is configured to deploy a generated predictive process to a device according to the type of device and / or as a function of storage capacities or physical quantities of the device. This allows, in particular, that the generated process corresponds to the values of sensed values and that the generated process implements a number of values corresponding to a number of values stored by the device or by a buffer associated with the device.
  • the recording step 125 is performed, for example, by an electronic control circuit of a memory of a terminal associated with the capture device performing the primary capture step 105.
  • Each secondary capture step 130 is performed analogously to the primary capture step 105, by the device used for the primary capture step 105.
  • the local prediction step 135 is performed, for example, by the implementation of an electronic calculating circuit implementing the process recorded in step 125 so that at least one value sequence is captured. corresponds to a predicted state.
  • the local prediction 135 can be presented in the form of a decision tree with high-weight variables expressed in the usual business language for the industrial domain of the device.
  • the predicted state may be transmitted via a wired or wireless link to a remote terminal.
  • the predicted state may also cause an audible and / or visual signal to be generated so as to attract the attention of human operators near the local device.
  • the capture, 105 and 130, recording 125 and prediction 135 steps are performed by a local terminal, the captured value and the corresponding predicted state respectively. at least one physical quantity relative to the operation and state of the local device.
  • the method 100 comprises, downstream of the local prediction step:
  • the local determination step 140 is performed, for example, by an electronic calculation circuit configured to determine an error when:
  • the method 100 comprises, downstream of the prediction step 135, a step 165 of determining a value representative of a confidence in the prediction made, an error being determined when a predicted state is associated at a confidence value lower than a determined limit value.
  • the communication step 145 is performed analogously to the transmission step 1 10.
  • the generation step 150 is performed analogously to the generation step
  • the transmission step 155 is performed analogously to the communication step 145.
  • the transmission step 155 transmits the generated process to the deployment server, the method 100 comprising a transmission step 156 of the generated process from the deployment server to a means for detecting a state similar to the transmission step 121.
  • the storage step 160 is performed analogously to the recording step 125.
  • each transmission step, 1 10, 1 14, 120, 121, 155 and 156, and communication 145 may implement an identical communication technology or a different technology for each step considered.
  • FIG. 2 diagrammatically shows a particular embodiment of the system 200 which is the subject of the present invention.
  • This system 200 for remote generation and transmission of a state prediction process of a local device 300 comprises:
  • a transmitter 210 via a data network, of the value captured to a remote database 21 1 of the device, said database belonging to a dedicated platform 212 further comprising a prediction process deployment server 213; ,
  • a transmitter 214 via a data network, of a set of values captured from the values stored in the database, to a server 215 for modeling a prediction process, the modeling server 215 comprising:
  • a generator 220 of a prediction process associating at least one sensed value with a state of the device as a function of at least one past detection of the state associated with the past capture of at least one value of the physical quantity
  • a transmitter 225 via a data network, from the generated process to the deployment server,
  • the deployment server 213 comprising a transmitter 216, via a data network, of the generated process at a means 230 for predicting a state of a local device
  • the local prediction means of a state of the device being configured to perform a state prediction according to a sensed value and the prediction process registered locally by the predicting means.
  • the device 300 shown in Figure 2 is a wind turbine. However, the device 300 may be of any type, equipped for example with at least sensor 205 and a signal processing system captured, microprocessor type for example. The device 300 may be, for example, a vehicle or an industrial machine.
  • the sensor 205 When the sensor senses an electrical signal, the sensor 205 includes a connection to an electrical signal output interface of the device 300.
  • the transmitter 210 is, for example, an electronic control circuit of a wired link or wireless communication with the remote database 21 1.
  • the remote database 21 1 is, for example, a storage server of values transmitted by each device 300 associated with the system 200.
  • the transmitter 214 is, for example, an electronic control circuit of a wired or wireless communication link with the modeling server 215.
  • the modeling server 215 is, for example, a computing unit, remote from the device 300, associated with a means of communication with the transmitter 214 and a generated process receiver of the deployment server 213.
  • the generator 220 is, for example, formed of a computer program executed by the calculation unit of the server 215. The operation of this generator 220 is described with regard to FIG.
  • the transmitter 225 is, for example, an electronic control circuit for a wired or wireless communication link with the deployment server 213.
  • the transmitter 216 is, for example, an electronic circuit for controlling a wired or wireless link communicating with the recording means 230.
  • the recording means 230 is, for example, an electronic control circuit of a local memory.
  • the local prediction means 230 is, for example, a computer program executed by a computing unit located near the device 300.
  • the system 200 comprises a terminal 240 comprising:
  • the system 200 comprises a plurality of terminals 240 each associated with a different local device 300.
  • FIG. 4 shows a schematic view of a second embodiment of the system 500 which is the subject of the present invention.
  • Three devices 520 of different types are observed, these devices capturing values representative of at least one identical or different physical quantity.
  • the capture of these representative data is performed by a third external terminal.
  • the captured values are raised from the local stage 505 to the platform stage 510, called the “loT platform” (for "Internet of Things", translated by Internet of Things).
  • This platform 510 includes a data collection database 525 transmitted by each device 520 and a server 540 for deploying the generated predictive processes.
  • the database 525 Periodically, on command or as a function of a quantity of values collected for a type of device, the database 525 transmits a set of values to a modeling server 530 so that the modeling server 530 generates a process of prediction.
  • the modeling server 530 belongs to a third stage, independent of the platform in question, and is compatible with any type of platform and, consequently, with any type of device.
  • the modeling server 530 generates a predictive process in a manner as described with reference to FIG. 1, and then transmits this process to the deployment server 540 of the platform 510.
  • the deployment server 540 is configured, for example, to store a set of processes each corresponding to at least one type of device. This server 540 transmits at least one process to at least one device 520 of a determined type corresponding to a stored process or to a terminal associated with such a device.
  • Each terminal or device 520 can then trace errors to the modeling server 530 so as to adjust the generated process.
  • FIG. 4 also shows a buffer memory 535 storing values sensed by a sensor associated with the device 520 so as to capture a determined physical quantity value.
  • This buffer 535 may be internal to the device 520, internal to a terminal positioned near the device 520 or remote and located at the platform 510.
  • the buffer memory 535 stores more or less value histories captured by each sensor.
  • the reliability of a prediction process generated by the modeling server is possibly related to the number of stored values and the number of sensors providing values to store.
  • the modeling server preferentially generates processes under the constraint of the storage capacity of the buffer memory 535. For example, a process that has the history of values, over several months, of the battery voltage, the outside temperature as well as that the state of the various components, such as air conditioning, the operating status of headlights for example, can predict a battery failure more precisely than a model with only the history of values of the voltage of the battery for the last twenty-four hours only.
  • the buffer 535 also occurs when a predictive process needs to be updated.
  • the process initially generated may have generated with a limited history of values, for example five months or from sensors positioned on vehicles traveling only in the south of the country. Europe; the process then comprising only the battery voltage and the state of the equipment.
  • the buffer memory 535 then transmits to the modeling server all the values stored in this memory, these stored values possibly coming from sensors whose captured values were not initially requested because of their low value. relevance in the probability of realization of specific states. These values are, for example, relating to the engine rotation speed or the outside temperature, so that these caped values can be used as discriminant variables in a new process generated by the modeling server. Two situations that appeared to be similar without these data become different, and a new model involving a history of values captured by the temperature sensor is generated, for example.

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Telephonic Communication Services (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

Le procédé (100) de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local comporte : une étape (105) primaire de capture d'une valeur représentative d'au moins une grandeur physique relative au fonctionnement du dispositif local, - une étape (1 10) de transmission, via un réseau de données, de chaque valeur captée à une base de données distante du dispositif, cette base de données appartenant à une plateforme dédiée, une étape (1 14) de transmission, via un réseau de données, d'un lot de valeurs captées parmi les valeurs stockées dans la base de données, vers un serveur de modélisation d'un processus de prédiction, - une étape (1 15) de génération, par le serveur de modélisation, d'un processus de prédiction associant au moins une séquence de chaque valeur transmise à un état du dispositif en fonction d'au moins une détection passée de l'état associée à la capture passée d'au moins une valeur de la grandeur physique, - une étape (120) de transmission par le serveur de modélisation, via un réseau de données, du processus généré à un serveur de déploiement de la plateforme, une étape (121 ) de transmission par le serveur de déploiement, via un réseau de données, du processus généré à un moyen de prédiction d'un état d'un dispositif local, - une étape (125) d'enregistrement, par le moyen de prédiction, du processus transmis et - de manière itérative : - une étape (130) secondaire de capture locale d'une valeur représentative de la grandeur physique et - une étape (135) de prédiction locale d'un état du dispositif en fonction de la valeur captée et du processus de prédiction enregistré localement par le dispositif.

Description

PROCÉDÉ ET SYSTÈME DE GÉNÉRATION ET DE TRANSMISSION DISTANTE D'UN PROCESSUS DE PRÉDICTION D'UN ÉTAT D'UN DISPOSITIF LOCAL
DOMAINE TECHNIQUE DE L'INVENTION
La présente invention vise un procédé et un système de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local. Elle s'applique, notamment, au domaine de la détection de défaillances de systèmes industriels.
ÉTAT DE LA TECHNIQUE
Dans le domaine des processus prédictifs d'un état d'un dispositif local, on connaît essentiellement deux grandes familles de processus :
les processus mis en œuvre localement, au niveau du dispositif, déterminant un état du dispositif en fonction de valeurs de paramètres captés et utilisés dans un algorithme de prédiction d'état et
- les processus déportés, au niveau d'une intelligence distante du dispositif, déterminant un état du dispositif en fonction de valeurs de paramètres captés au niveau de chaque dispositif associé à la mémoire et utilisés dans un algorithme de prédiction d'état.
Ces deux méthodes présentent divers inconvénients.
Pour les processus locaux, ceux-ci sont immuables sauf à ce qu'une intervention extérieure ait lieu. Ceci implique, par exemple, que pour deux dispositifs similaires, les processus prédictifs produisent des résultats différents pour les mêmes valeurs de paramètres entrées, puisque chaque processus fonctionne de manière indépendante.
Pour les processus déportés, ceux-ci sont dépendants de la capacité à transmettre les données, le plus souvent par une liaison sans-fil. Ces liaisons sans-fil, dites « machine à machine », présentent généralement un débit lent qui, de surcroit, peut ne pas être fiable ou même disponible à un instant donné.
Enfin, les processus de prédiction actuels basent leurs prédictions sur des valeurs de paramètre ponctuelles, dont la variation peut n'être que temporaire et ne pas refléter un état particulier du dispositif. Ainsi, ces processus ne présentent pas une grande fiabilité de prévision. OBJET DE L'INVENTION
La présente invention vise à remédier à tout ou partie de ces inconvénients. À cet effet, selon un premier aspect, la présente invention vise un procédé de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local, qui comporte :
une étape primaire de capture d'une valeur représentative d'au moins une grandeur physique relative au fonctionnement du dispositif local,
- une étape de transmission, via un réseau de données, de chaque valeur captée à une base de données distante du dispositif, cette base de données appartenant à une plateforme dédiée,
- une étape de transmission, via un réseau de données, d'un lot de valeurs captées parmi les valeurs stockées dans la base de données, vers un serveur de modélisation d'un processus de prédiction,
- une étape de génération, par le serveur de modélisation, d'un processus de prédiction associant au moins une séquence de chaque valeur transmise à un état du dispositif en fonction d'au moins une détection passée de l'état associée à la capture passée d'au moins une valeur de la grandeur physique,
une étape de transmission par le serveur de modélisation, via un réseau de données, du processus généré à un serveur de déploiement de la plateforme,
une étape de transmission par le serveur de déploiement, via un réseau de données, du processus généré à un moyen de prédiction d'un état d'un dispositif local, une étape d'enregistrement, par le moyen de prédiction, du processus transmis et
- de manière itérative :
- une étape secondaire de capture locale d'une valeur représentative de la grandeur physique et
- une étape de prédiction locale d'un état du dispositif en fonction de la valeur captée et du processus de prédiction enregistré localement par le dispositif.
Grâce à ces dispositions, les valeurs de grandeur physique sont captées localement, puis transmises à une intelligence déportée, cette intelligence déportée générant un processus de prédiction, ce processus de prédiction étant ensuite enregistré localement au niveau du dispositif.
Ainsi, la communication entre l'intelligence déportée et le dispositif est limitée à la phase d'initialisation locale du processus de prédiction et aux éventuelles phases de mises à jour de ce processus.
De plus, la mise en œuvre d'une séquence de valeurs, en lieu d'une valeur ponctuelle, afin de générer un processus de prédiction, permet une fiabilité accrue de la prédiction réalisée. Enfin, ces dispositions permettent de rendre indépendants les étages de modélisation de processus et la plateforme de collecte/de déploiement de telle sorte à rendre compatible l'étage de modélisation avec n'importe quelle plateforme de collecte et de déploiement.
Dans des modes de réalisation, le procédé objet de la présente invention comporte une étape 131 de transmission, via un réseau de données, de chaque valeur captée au cours de l'étape 130 secondaire de capture à une mémoire tampon locale, l'étape 135 de prédiction étant réalisée en fonction d'au moins une valeur captée stockée dans la mémoire tampon locale.
Dans des modes de réalisation, le serveur de modélisation génère un processus de prédiction en fonction d'au moins une détection passée de l'état associée à la capture passée d'au moins une séquence de valeur captée.
Dans des modes de réalisation, le serveur de modélisation génère un processus de prédiction en fonction d'au moins une détection passée de l'état associée à la capture passée d'au moins une séquence de valeur captée.
Dans des modes de réalisation, l'étape de génération d'un processus de prédiction met en œuvre au moins un élément parmi :
une dérivée de la courbe d'une séquence de valeurs en un point déterminé, un minimum d'au moins une séquence de valeurs captée,
un maximum d'au moins une séquence de valeurs captée,
- une différence entre les deux derniers points d'au moins une séquence de valeurs captée,
un nombre de changement de signe de la dérivée d'une courbe approximative de la séquence de valeurs pendant un intervalle déterminé,
un ratio entre une valeur initiale et une valeur finale dans un intervalle d'au moins une séquence de valeurs captée,
une information temporelle du dernier changement de valeur,
la durée depuis le dernier changement de signe de la dérivée de la courbe d'une séquence de valeurs pendant un intervalle déterminé,
une valeur médiane, de variance ou d'écart type de valeur captée dans au moins une séquence de valeurs captée ou
une valeur de distribution des quantiles dans au moins une séquence de valeurs captée.
Dans des modes de réalisation, les étapes de capture, d'enregistrement et de prédiction sont réalisées par un terminal local, la valeur captée et l'état prédit correspondant respectivement à au moins une grandeur physique relative au fonctionnement et à l'état du dispositif local. Dans des modes de réalisation, le procédé objet de la présente invention comporte en aval de l'étape de prédiction locale :
une étape locale de détermination d'erreur de prédiction en fonction de l'état prédit et de la valeur captée,
une étape de communication de la valeur captée vers le serveur de modélisation via un réseau de données,
- une étape de génération, par le serveur de modélisation, d'un processus de prédiction mis à jour en fonction de la valeur captée et d'au moins une valeur captée passée,
- une étape de transmission du processus de prédiction mis à jour par le serveur de modélisation et
- une étape de mémorisation locale du processus de prédiction mis à jour.
Dans des modes de réalisation, une erreur est déterminée lorsqu'aucun état n'est prédit par le processus.
Dans des modes de réalisation, le procédé objet de la présente invention comporte, en aval de l'étape de prédiction, une étape de détermination d'une valeur représentative d'une confiance dans la prédiction réalisée, une erreur étant déterminée lorsqu'un état prédit est associé à une valeur de confiance inférieure à une valeur limite déterminée.
Selon un deuxième aspect, la présente invention vise un système de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local, qui comporte :
un capteur d'une valeur représentative d'une grandeur physique relative au fonctionnement du dispositif local,
un transmetteur, via un réseau de données, de la valeur captée à une base de données distante du dispositif, ladite base de données appartenant à une plateforme dédiée comportant, de plus, un serveur de déploiement de processus de prédiction, un transmetteur, via un réseau de données, d'un lot de valeurs captées parmi les valeurs stockées dans la base de données, vers un serveur de modélisation d'un processus de prédiction,
le serveur de modélisation comportant :
- un générateur d'un processus de prédiction associant au moins une valeur captée à un état du dispositif en fonction d'au moins une détection passée de l'état associée à la capture passée d'au moins une valeur de la grandeur physique et
- un transmetteur, via un réseau de données, du processus généré au serveur de déploiement, le serveur de déploiement comportant un transmetteur, via un réseau de données, du processus généré à un moyen de prédiction d'un état d'un dispositif local,
un moyen d'enregistrement, par le moyen de prédiction local, du processus transmis et
- le moyen de prédiction local d'un état du dispositif étant configuré pour réaliser une prédiction d'état en fonction d'une valeur captée et du processus de prédiction enregistré localement par le moyen de prédiction.
Dans des modes de réalisation, le système objet de la présente invention comporte un terminal comportant :
- le capteur,
le transmetteur de la valeur captée,
le moyen d'enregistrement et
le moyen de prédiction local.
Dans des modes de réalisation, le système objet de la présente invention comporte une pluralité de terminaux associés chacun à un dispositif local différent.
Les buts, avantages et caractéristiques particulières du système objet de la présente invention étant similaires à ceux du procédé objet de la présente invention, ils ne sont pas rappelés ici. BRÈVE DESCRIPTION DES FIGURES
D'autres avantages, buts et caractéristiques particulières de l'invention ressortiront de la description non limitative qui suit d'au moins un mode de réalisation particulier du système et du procédé objets de la présente invention, en regard des dessins annexés, dans lesquels - la figure 1 représente, schématiquement et sous forme d'un logigramme, une succession d'étapes particulière du procédé objet de la présente invention, la figure 2 représente, schématiquement, un premier mode de réalisation particulier du système objet de la présente invention,
la figure 3 représente, schématiquement, un mode de réalisation particulier de l'évolution d'une valeur de fonctionnement mesurée au cours de la réalisation du procédé objet de la présente invention et
la figure 4 représente, schématiquement, un deuxième mode de réalisation particulier du système objet de la présente invention. DESCRIPTION D'EXEMPLES DE RÉALISATION DE L'INVENTION La présente description est donnée à titre non limitatif, chaque caractéristique d'un mode de réalisation pouvant être combinée à toute autre caractéristique de tout autre mode de réalisation de manière avantageuse.
On note dès à présent que les figures ne sont pas à l'échelle.
On observe, sur la figure 1 , qui n'est pas à l'échelle, une vue schématique d'un mode de réalisation du procédé 100 objet de la présente invention. Ce procédé 100 de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local comporte :
une étape 105 primaire de capture d'une valeur représentative d'au moins une grandeur physique relative au fonctionnement du dispositif local,
- une étape 1 10 de transmission, via un réseau de données, de chaque valeur captée à une base de données distante du dispositif, cette base de données appartenant à une plateforme dédiée,
une étape 1 14 de transmission, via un réseau de données, d'un lot de valeurs captées parmi les valeurs stockées dans la base de données, vers un serveur de modélisation d'un processus de prédiction,
- une étape 1 15 de génération, par le serveur de modélisation, d'un processus de prédiction associant au moins une séquence de chaque valeur transmise à un état du dispositif en fonction d'au moins une détection passée de l'état associée à la capture passée d'au moins une valeur de la grandeur physique,
une étape 120 de transmission par le serveur de modélisation, via un réseau de données, du processus généré à un serveur de déploiement de la plateforme, une étape 121 de transmission par le serveur de déploiement, via un réseau de données, du processus généré à un moyen de prédiction d'un état d'un dispositif local,
une étape 125 d'enregistrement, par le moyen de prédiction, du processus transmis et
de manière itérative :
- une étape 130 secondaire de capture locale d'une valeur représentative de la grandeur physique et
- une étape 135 de prédiction locale d'un état du dispositif en fonction de la valeur captée et du processus de prédiction enregistré localement par le dispositif.
L'étape primaire de capture 105 est réalisée, par exemple, par un capteur physique, configuré pour capter directement la valeur d'une grandeur physique. Ce capteur est, par exemple : - un accéléromètre,
- un baromètre,
- un ampèremètre ou
- un capteur anémométrique.
Cette liste n'est pas limitative et l'Homme du Métier peut réaliser la capture 105 avec tout type de capteur existant sur le marché et habituellement utilisé pour mesurer une grandeur physique donnée.
L'étape primaire de capture 105 peut être réalisée par un capteur d'un signal électrique représentant une valeur de la grandeur physique captée par un capteur interne au dispositif local. Dans ces variantes, le capteur de signal électrique est branché à une interface de sortie de signaux de capture du dispositif local.
Dans des variantes, une étape initiale de détermination des informations émises par l'interface de sortie de signaux du dispositif local est réalisée, puis une étape de sélection d'au moins un type d'information émise est réalisée puis, enfin, l'étape de capture 105 se limite à chaque type d'information sélectionné.
L'étape de détermination est préférentiellement automatique, chaque information émise étant catégorisée en fonction, par exemple, de métadonnées associées aux informations émises. La sélection d'informations à collecter peut être automatique ou manuelle, via une interface utilisateur.
L'étape primaire de capture 105 peut être réalisée périodiquement ou ponctuellement, à la réception d'une commande émise par un terminal de commande communiquant une commande par le biais d'une liaison filaire ou sans-fil de communication.
La fréquence de capture est prédéterminée ou variable en fonction de la réception d'une commande de variation d'une fréquence de capture émise par un terminal de commande. La fréquence de capture peut également varier en fonction d'au moins une valeur d'au moins une grandeur physique captée. Ainsi, par exemple, si une valeur captée est inférieure à une valeur limite prédéterminée, la fréquence de capture est modifiée à la hausse ou à la baisse. La valeur limite prédéterminée correspond, par exemple, à une valeur critique qui nécessite un suivi plus régulier de l'évolution de la valeur.
Préférentiellement, une pluralité de captures a lieu lors de cette phase d'initialisation.
Le nombre de captures dépend de :
- la complexité du modèle physique mis en œuvre par le processus de prédiction visé et
l'horizon temporel de la prédiction, c'est-à-dire la distance temporelle séparant la capture de valeurs et l'état à déterminer. Par exemple, si un état du dispositif est déterminé toutes les 14 secondes, seules 3 ou 4 minutes de capture suffisent.
Dans des modes de réalisation particulier, chaque valeur captée est stockée dans une mémoire tampon locale pour former une séquence de valeurs, le serveur générant un processus de prédiction en fonction d'au moins une détection passée de l'état associée à la capture passée d'au moins une séquence de valeur captée.
L'étape de transmission 1 10 est réalisée, par exemple, par un circuit électronique de commande d'une liaison filaire, ou préférentiellement sans-fil, reliant le dispositif réalisant l'étape de capture 105 à la base de données distante du dispositif.
La base de données correspond, par exemple, à un serveur de stockage d'au moins une valeur transmise.
L'étape de transmission 1 14 est réalisée, par exemple, par un circuit électronique de commande d'une liaison filaire, ou préférentiellement sans-fil, reliant la base de données à un serveur de modélisation distant du dispositif.
Une liaison filaire est réalisée par la mise en œuvre d'un câble de transmission de données numériques reliant un port physique d'un dispositif à un port physique d'un autre dispositif. Cette liaison peut être directe ou mettre en œuvre un réseau de données tout ou partiellement filaire.
Une liaison sans-fil est réalisée, par exemple, par la mise en œuvre d'une antenne configurée pour mettre en œuvre une technologie de radiocommunication.
Parmi ces technologies, la liaison met en œuvre, par exemple :
- la technologie SigFox (Marque déposée) ou
la technologie LoRaWAN (Marque déposée).
L'étape de génération 1 15 est réalisée, par exemple, un circuit électronique de calcul déterminant, en fonction de chaque séquence de valeur captée et d'au moins une détection passée de l'état associée à au moins une séquence de valeur d'une grandeur physique, déterminer un processus de prédiction.
Dans des modes de réalisation préférentiels, l'étape de génération 1 15 d'un processus de prédiction met en œuvre au moins un élément parmi :
- une dérivée de la courbe d'une séquence de valeurs en un point déterminé,
un minimum d'au moins une séquence de valeurs captée,
un maximum d'au moins une séquence de valeurs captée,
une différence entre les deux derniers points d'au moins une séquence de valeurs captée,
- un nombre de changement de signe de la dérivée d'une courbe approximative de la séquence de valeurs pendant un intervalle déterminé, un ratio entre une valeur initiale et une valeur finale dans un intervalle d'au moins une séquence de valeurs captée,
une information temporelle du dernier changement de valeur,
la durée depuis le dernier changement de signe de la dérivée de la courbe d'une séquence de valeurs pendant un intervalle déterminé,
une valeur médiane, de variance ou d'écart type de valeur captée dans au moins une séquence de valeurs captée ou
une valeur de distribution des quantiles dans au moins une séquence de valeurs captée.
La description ci-dessous fait référence à un exemple illustratif de mise en œuvre du procédé 100 objet de la présente invention dans le domaine automobile. Dans cet exemple, chaque automobile d'une flotte est identifiée par une plaque d'immatriculation, et chaque automobile comporte un capteur logique, captant un état de fonctionnement de l'automobile ou d'un élément de cette automobile, ou numérique, captant par exemple une valeur de tension ou une vitesse de rotation d'un élément mécanique de l'automobile.
Le serveur de modélisation associe à chaque identifiant au moins un type d'état prédictif, comme par exemple la réalisation d'une panne de batterie ou d'une crevaison lente. Chaque état prédictif est associé à un horizon temporel de prédiction, par exemple de sept heures ou de vingt-quatre heures, de sorte que le couple état/horizon forme une cible prédictive déterminée.
Le serveur de modélisation associe à une cible un modèle de prédiction décrivant l'ensemble des opérations à effectuer sur un ou plusieurs historiques de valeurs captées par un ou plusieurs capteurs de sorte à calculer une probabilité de réalisation de la cible en fonction des valeurs captées.
Le serveur de modélisation peut générer plusieurs modèles prédictifs pour une même cible en fonction de l'identifiant d'automobile.
On observe, schématiquement, en figure 3, un exemple d'évolution de valeur représentative du fonctionnement d'un dispositif pendant une durée 435 déterminée. Cette évolution connaît une valeur moyenne 430, une valeur minimum 420, maximum 415, une dérivée 405 en un point de la courbe d'évolution et des changements 410 de signe de la dérivée de la courbe d'évolution.
L'étape de transmission 120 par le serveur de modélisation, est réalisée de manière analogue à l'étape de transmission 1 14.
L'étape de transmission 121 par le serveur de déploiement, est réalisée de manière analogue à l'étape de transmission 1 10. Le serveur de déploiement est configuré pour déployer un processus prédictif généré vers un dispositif en fonction du type de dispositif et/ou en fonction de capacités de stockage ou de capture de grandeurs physiques du dispositif. Ceci permet, notamment, que le processus généré corresponde aux valeurs de grandeurs captées et que le processus généré mette en œuvre un nombre de valeurs correspondant à un nombre de valeurs stockées par le dispositif ou par une mémoire tampon associée au dispositif.
L'étape d'enregistrement 125 est réalisée, par exemple, par un circuit électronique de commande d'une mémoire d'un terminal associé au dispositif de capture réalisant l'étape de capture 105 primaire.
Chaque étape secondaire de capture 130 est réalisée de manière analogue à l'étape primaire de capture 105, par le dispositif ayant servi à l'étape primaire de capture 105.
L'étape de prédiction 135 locale est réalisée, par exemple, par la mise en œuvre d'un circuit électronique de calcul mettant en œuvre le processus enregistré au cours de l'étape 125 de sorte qu'à au moins une séquence de valeur captée corresponde un état prédit.
La prédiction 135 locale peut être présentée sous la forme d'un arbre de décisions avec des variables de poids forts exprimées en langage métier usuel pour le domaine industriel du dispositif.
L'état prédit peut-être transmis, via une liaison filaire ou sans-fil, à un terminal distant. L'état prédit peut également provoquer l'émission d'un signal sonore et/ou visuel de manière à attirer l'attention d'opérateurs humains à proximité du dispositif local.
Dans des modes de réalisation préférentiels, tel que celui représenté sur la figure 2, les étapes de capture, 105 et 130, d'enregistrement 125 et de prédiction 135 sont réalisées par un terminal local, la valeur captée et l'état prédit correspondant respectivement à au moins une grandeur physique relative au fonctionnement et à l'état du dispositif local.
Dans des modes de réalisation préférentiels, tel que celui représenté sur la figure 1 , le procédé 100 comporte en aval de l'étape de prédiction locale :
une étape 140 locale de détermination d'erreur de prédiction en fonction de l'état prédit et de la valeur captée,
une étape 145 de communication de la valeur captée vers le serveur de modélisation via un réseau de données,
- une étape 150 de génération, par le serveur de modélisation, d'un processus de prédiction mis à jour en fonction de la valeur captée et d'au moins une valeur captée passée,
- une étape 155 de transmission du processus de prédiction mis à jour par le serveur de modélisation et
- une étape 160 de mémorisation locale du processus de prédiction mis à jour. L'étape locale de détermination 140 est réalisée, par exemple, par un circuit électronique de calcul configuré pour déterminer une erreur lorsque :
- aucun état n'est prédit par le processus mis en œuvre au cours de l'étape de prédiction 135 ou
- dans des variantes, le procédé 100 comporte, en aval de l'étape 135 de prédiction, une étape 165 de détermination d'une valeur représentative d'une confiance dans la prédiction réalisée, une erreur étant déterminée lorsqu'un état prédit est associé à une valeur de confiance inférieure à une valeur limite déterminée.
L'étape de communication 145 est réalisée de manière analogue à l'étape de transmission 1 10.
L'étape de génération 150 est réalisée de manière analogue à l'étape de génération
1 15.
L'étape de transmission 155 est réalisée de manière analogue à l'étape de communication 145.
Préférentiellement, l'étape de transmission 155 transmet le processus généré au serveur de déploiement, le procédé 100 comportant une étape de transmission 156 du processus généré depuis le serveur de déploiement vers un moyen de détection d'un état analogue à l'étape de transmission 121 .
L'étape de mémorisation 160 est réalisée de manière analogue à l'étape d'enregistrement 125.
Comme on le comprend, chaque étape de transmission, 1 10, 1 14, 120, 121 , 155 et 156, et de communication 145 peut mettre en œuvre une technologie identique de communication ou une technologie différente pour chaque étape considérée.
On observe, sur la figure 2, schématiquement, un mode de réalisation particulier du système 200 objet de la présente invention. Ce système 200 de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif 300 local comporte :
un capteur 205 d'une valeur représentative d'une grandeur physique relative au fonctionnement du dispositif local,
- un transmetteur 210, via un réseau de données, de la valeur captée à une base de données 21 1 distante du dispositif, ladite base de données appartenant à une plateforme 212 dédiée comportant, de plus, un serveur 213 de déploiement de processus de prédiction,
un transmetteur 214, via un réseau de données, d'un lot de valeurs captées parmi les valeurs stockées dans la base de données, vers un serveur 215 de modélisation d'un processus de prédiction, le serveur 215 de modélisation comportant :
- un générateur 220 d'un processus de prédiction associant au moins une valeur captée à un état du dispositif en fonction d'au moins une détection passée de l'état associée à la capture passée d'au moins une valeur de la grandeur physique et
- un transmetteur 225, via un réseau de données, du processus généré au serveur de déploiement,
le serveur 213 de déploiement comportant un transmetteur 216, via un réseau de données, du processus généré à un moyen 230 de prédiction d'un état d'un dispositif local,
un moyen 235 d'enregistrement, par le moyen de prédiction local, du processus transmis et
le moyen de prédiction local d'un état du dispositif étant configuré pour réaliser une prédiction d'état en fonction d'une valeur captée et du processus de prédiction enregistré localement par le moyen de prédiction.
Le dispositif 300 représenté en figure 2 est une éolienne. Toutefois, le dispositif 300 peut être de tout type, équipé par exemple d'au moins capteur 205 et d'un système de traitement des signaux captés, de type microprocesseur par exemple. Le dispositif 300 peut être, par exemple, un véhicule ou une machine industrielle.
Lorsque le capteur capte un signal électrique, le capteur 205 comporte un branchement à une interface de sortie de signaux électriques du dispositif 300.
Le transmetteur 210 est, par exemple, un circuit électronique de commande d'une liaison filaire ou sans-fil de communication avec la base de données 21 1 distante.
La base de données 21 1 distante est, par exemple, un serveur de stockage de de valeurs transmises par chaque dispositif 300 associé au système 200.
Le transmetteur 214 est, par exemple, un circuit électronique de commande d'une liaison filaire ou sans-fil de communication avec le serveur 215 de modélisation.
Le serveur 215 de modélisation est, par exemple, une unité de calcul, déportée du dispositif 300, associée à un moyen de communication avec le transmetteur 214 et un récepteur de processus généré du serveur de déploiement 213.
Le générateur 220 est, par exemple, formé d'un programme informatique exécuté par l'unité de calcul du serveur 215. Le fonctionnement de ce générateur 220 est décrit en regard de la figure 1 .
Le transmetteur 225 est, par exemple, un circuit électronique de commande d'une liaison filaire ou sans-fil de communication avec le serveur de déploiement 213. Le transmetteur 216 est, par exemple, un circuit électronique de commande d'une liaison filaire ou sans-fil de communication avec le moyen d'enregistrement 230.
Le moyen d'enregistrement 230 est, par exemple, un circuit électronique de commande d'une mémoire locale.
Le moyen de prédiction 230 local est, par exemple, un programme informatique exécuté par une unité de calcul située à proximité du dispositif 300.
Dans des modes de réalisation préférentiels, tel que celui illustré en figure 2, le système 200 comporte un terminal 240 comportant :
- le capteur 205,
- le transmetteur 210 de la valeur captée,
le moyen 230 d'enregistrement et
le moyen 235 de prédiction locale.
Dans des modes de réalisation préférentiels, tel que celui illustré en figure 2, le système 200 comporte une pluralité de terminaux 240 associés chacun à un dispositif 300 local différent.
On observe, en figure 4, une vue schématique d'un deuxième mode de réalisation du système 500 objet de la présente invention. On observe notamment trois dispositifs 520 de types différents, ces dispositifs captant des valeurs représentatives d'au moins une grandeur physique identiques ou différentes. Dans des variantes, la capture de ces données représentatives est réalisée par un terminal externe tiers.
Les valeurs captées sont remontées de l'étage local 505 à l'étage plateforme 510, dite « plateforme loT » (pour « Internet of Things », traduit par internet des objets).
Cette plateforme 510 comporte une base de données 525 de collecte de valeurs transmises par chaque dispositif 520 et un serveur 540 de déploiement des processus prédictifs générés.
Périodiquement, sur commande ou en fonction d'une quantité de valeurs collectées pour un type de dispositif, la base de données 525 émet en direction d'un serveur 530 de modélisation un lot de valeurs afin que le serveur 530 de modélisation génère un processus de prédiction.
Le serveur 530 de modélisation appartient à un troisième étage, indépendant de la plateforme considérée, et est compatible avec tout type de plateforme et, par conséquence, avec tout type de dispositif.
Le serveur 530 de modélisation génère un processus prédictif d'une manière telle que décrite en regard de la figure 1 , puis transmet ce processus au serveur 540 de déploiement de la plateforme 510. Le serveur 540 de déploiement est configuré, par exemple, pour stocker un ensemble de processus correspondant chacun à au moins un type de dispositif. Ce serveur 540 transmet au moins un processus à au moins un dispositif 520 d'un type déterminé correspondant à un processus stocké ou à un terminal associé à un tel dit dispositif.
Chaque terminal ou dispositif 520 peut alors remonter des erreurs vers le serveur 530 de modélisation de manière à ajuster le processus généré.
On observe également, sur la figure 4, une mémoire tampon 535 stockant des valeurs captées par un capteur associé au dispositif 520 de manière à en capter une valeur de grandeur physique déterminée.
Cette mémoire tampon 535 peut être interne au dispositif 520, interne à un terminal positionné à proximité du dispositif 520 ou distante et située au niveau de la plateforme 510.
En fonction de la capacité de stockage de la mémoire tampon 535, limitée par les capacités/ressources du matériel utilisé, la mémoire tampon 535 stocke plus ou moins d'historiques de valeurs captées par chaque capteur. La fiabilité d'un processus de prédiction généré par le serveur de modélisation est possiblement liée au nombre de valeurs stockées et au nombre de capteurs fournissant des valeurs à stocker.
Le serveur de modélisation génère préférentiellement des processus sous la contrainte de la capacité de stockage de la mémoire tampon 535. Par exemple un processus qui dispose de l'historique de valeurs, sur plusieurs mois, de la tension de batterie, de la température extérieure ainsi que de l'état des différents composants, tels la climatisation, l'état de fonctionnement de phares par exemple, permet de prédire une panne de batterie plus précisément qu'un modèle ne disposant que de l'historique de valeurs de la tension de la batterie pendant les dernières vingt-quatre heures uniquement.
La mémoire tampon 535 intervient également lorsqu'un processus prédictif doit être mis à jour.
Par exemple, dans le cas des pannes de batterie identifié ci-dessus, le processus généré initialement peut avoir généré avec un historique de valeurs limité, par exemple de cinq mois ou à partir de capteurs positionnés sur des véhicules circulant uniquement dans le sud de l'Europe ; le processus ne comprenant alors que la tension des batterie et l'état des équipements.
Lorsque le processus est déployé à l'année et de façon étendue à toute l'Europe, le froid observé dans certains pays perturbe les prédictions et rend le processus initialement généré moins fiable.
La mémoire tampon 535 transmet alors au serveur de modélisation l'intégralité des valeurs stockées dans cette mémoire, ces valeurs stockées pouvant provenir de capteurs dont les valeurs captées n'ont pas été initialement sollicitées en raison de leur faible pertinence dans la probabilité de réalisation d'états déterminés. Ces valeurs sont, par exemple, relatives à la vitesse de rotation du moteur ou la température extérieure, afin que ces valeurs capées puissent intervenir comme variables discriminantes dans un nouveau processus généré par le serveur de modélisation. Deux situations qui paraissaient comme semblable sans ces données deviennent différentes, et un nouveau modèle impliquant un historique de valeurs captées par le capteur de la température est généré, par exemple.

Claims

REVENDICATIONS
1 . Procédé (100) de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local, caractérisé en ce qu'il comporte :
une étape (105) primaire de capture d'une valeur représentative d'au moins une grandeur physique relative au fonctionnement du dispositif local,
- une étape (1 10) de transmission, via un réseau de données, de chaque valeur captée à une base de données distante du dispositif, cette base de données appartenant à une plateforme dédiée,
une étape (1 14) de transmission, via un réseau de données, d'un lot de valeurs captées parmi les valeurs stockées dans la base de données, vers un serveur de modélisation d'un processus de prédiction,
- une étape (1 15) de génération, par le serveur de modélisation, d'un processus de prédiction associant au moins une séquence de chaque valeur transmise à un état du dispositif en fonction d'au moins une détection passée de l'état associée à la capture passée d'au moins une valeur de la grandeur physique,
une étape (120) de transmission par le serveur de modélisation, via un réseau de données, du processus généré à un serveur de déploiement de la plateforme, une étape (121 ) de transmission par le serveur de déploiement, via un réseau de données, du processus généré à un moyen de prédiction d'un état d'un dispositif local,
- une étape (125) d'enregistrement, par le moyen de prédiction, du processus transmis et
- de manière itérative :
- une étape (130) secondaire de capture locale d'une valeur représentative de la grandeur physique et
- une étape (135) de prédiction locale d'un état du dispositif en fonction de la valeur captée et du processus de prédiction enregistré localement par le dispositif.
2. Procédé (100) selon la revendication 1 , qui comporte une étape (131 ) de transmission, via un réseau de données, de chaque valeur captée au cours de l'étape (130) secondaire de capture à une mémoire tampon locale, l'étape (135) de prédiction étant réalisée en fonction d'au moins une valeur captée stockée dans la mémoire tampon locale.
3. Procédé (100) selon la revendication 2, dans lequel le serveur de modélisation génère un processus de prédiction en fonction d'au moins une détection passée de l'état associée à la capture passée d'au moins une séquence de valeur captée.
4. Procédé (100) selon la revendication 3, dans lequel l'étape (1 15) de génération d'un processus de prédiction met en œuvre au moins un élément parmi :
une dérivée de la courbe d'une séquence de valeurs en un point déterminé, un minimum d'au moins une séquence de valeurs captée,
un maximum d'au moins une séquence de valeurs captée,
- une différence entre les deux derniers points d'au moins une séquence de valeurs captée,
un nombre de changement de signe de la dérivée d'une courbe approximative de la séquence de valeurs pendant un intervalle déterminé,
un ratio entre une valeur initiale et une valeur finale dans un intervalle d'au moins une séquence de valeurs captée,
une information temporelle du dernier changement de valeur,
la durée depuis le dernier changement de signe de la dérivée de la courbe d'une séquence de valeurs pendant un intervalle déterminé,
une valeur médiane, de variance ou d'écart type de valeur captée dans au moins une séquence de valeurs captée ou
une valeur de distribution des quantiles dans au moins une séquence de valeurs captée.
5. Procédé (100) selon l'une des revendications 1 à 4, dans lequel les étapes de capture (105, 130), d'enregistrement (125) et de prédiction (135) sont réalisées par un terminal local, la valeur captée et l'état prédit correspondant respectivement à au moins une grandeur physique relative au fonctionnement et à l'état du dispositif local.
6. Procédé (100) selon l'une des revendications 1 à 5, qui comporte en aval de l'étape (135) de prédiction locale :
une étape (140) locale de détermination d'erreur de prédiction en fonction de l'état prédit et de la valeur captée,
une étape (145) de communication de la valeur captée vers le serveur de modélisation via un réseau de données, - une étape (150) de génération, par le serveur de modélisation, d'un processus de prédiction mis à jour en fonction de la valeur captée et d'au moins une valeur captée passée,
- une étape (155) de transmission du processus de prédiction mis à jour par le serveur de modélisation et
- une étape (160) de mémorisation locale du processus de prédiction mis à jour.
7. Procédé (100) selon la revendication 6, dans lequel une erreur est déterminée lorsqu'aucun état n'est prédit par le processus.
8. Procédé (100) selon l'une des revendications 6 ou 7, qui comporte, en aval de l'étape (135) de prédiction, une étape (165) de détermination d'une valeur représentative d'une confiance dans la prédiction réalisée, une erreur étant déterminée lorsqu'un état prédit est associé à une valeur de confiance inférieure à une valeur limite déterminée.
9. Système (200) de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local, caractérisé en ce qu'il comporte :
- un capteur (205) d'une valeur représentative d'une grandeur physique relative au fonctionnement du dispositif local,
- un transmetteur (210), via un réseau de données, de la valeur captée à une base de données (21 1 ) distante du dispositif, ladite base de données appartenant à une plateforme (212) dédiée comportant, de plus, un serveur (213) de déploiement de processus de prédiction,
un transmetteur (214), via un réseau de données, d'un lot de valeurs captées parmi les valeurs stockées dans la base de données, vers un serveur (215) de modélisation d'un processus de prédiction,
le serveur (215) de modélisation comportant :
- un générateur (220) d'un processus de prédiction associant au moins une valeur captée à un état du dispositif en fonction d'au moins une détection passée de l'état associée à la capture passée d'au moins une valeur de la grandeur physique et
- un transmetteur (225), via un réseau de données, du processus généré au serveur de déploiement,
le serveur (213) de déploiement comportant un transmetteur (216), via un réseau de données, du processus généré à un moyen (230) de prédiction d'un état d'un dispositif local, - un moyen (235) d'enregistrement, par le moyen de prédiction local, du processus transmis et
le moyen de prédiction local d'un état du dispositif étant configuré pour réaliser une prédiction d'état en fonction d'une valeur captée et du processus de prédiction enregistré localement par le moyen de prédiction.
10. Système (200) selon la revendication 9, qui comporte un terminal (240) comportant :
- le capteur,
le transmetteur de la valeur captée,
le moyen d'enregistrement et
le moyen de prédiction local.
1 1 . Système (200) selon la revendication 10, qui comporte une pluralité de terminaux (240) associés chacun à un dispositif local différent.
PCT/FR2017/051181 2016-11-24 2017-05-16 Procédé et système de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local WO2018096227A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/EP2018/062614 WO2018210876A1 (fr) 2017-05-16 2018-05-15 Procédé et système de génération et de transmission à distance d'un procédé de prédiction d'état de dispositif local

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FRPCT/FR2016/053086 2016-11-24
PCT/FR2016/053086 WO2018096223A1 (fr) 2016-11-24 2016-11-24 Procédé et système de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local

Publications (1)

Publication Number Publication Date
WO2018096227A1 true WO2018096227A1 (fr) 2018-05-31

Family

ID=57614390

Family Applications (2)

Application Number Title Priority Date Filing Date
PCT/FR2016/053086 WO2018096223A1 (fr) 2016-11-24 2016-11-24 Procédé et système de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local
PCT/FR2017/051181 WO2018096227A1 (fr) 2016-11-24 2017-05-16 Procédé et système de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local

Family Applications Before (1)

Application Number Title Priority Date Filing Date
PCT/FR2016/053086 WO2018096223A1 (fr) 2016-11-24 2016-11-24 Procédé et système de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local

Country Status (1)

Country Link
WO (2) WO2018096223A1 (fr)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060212156A1 (en) * 2001-09-06 2006-09-21 Junichi Tanaka Method of monitoring and/or controlling a semiconductor manufacturing apparatus and system therefor
WO2008113305A1 (fr) * 2007-03-20 2008-09-25 Siemens Aktiengesellschaft Dispositif permettant d'élaborer des programmes d'usinage pour une machine d'usinage
US20150279193A1 (en) * 2012-10-15 2015-10-01 Vigilent Corporation Method and apparatus for providing environmental management using smart alarms
US20160239755A1 (en) * 2013-10-10 2016-08-18 Ge Intelligent Platforms, Inc. Correlation and annotation of time series data sequences to extracted or existing discrete data
JP2016173782A (ja) * 2015-03-18 2016-09-29 エヌ・ティ・ティ・コミュニケーションズ株式会社 故障予測システム、故障予測方法、故障予測装置、学習装置、故障予測プログラム及び学習プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060212156A1 (en) * 2001-09-06 2006-09-21 Junichi Tanaka Method of monitoring and/or controlling a semiconductor manufacturing apparatus and system therefor
WO2008113305A1 (fr) * 2007-03-20 2008-09-25 Siemens Aktiengesellschaft Dispositif permettant d'élaborer des programmes d'usinage pour une machine d'usinage
US20150279193A1 (en) * 2012-10-15 2015-10-01 Vigilent Corporation Method and apparatus for providing environmental management using smart alarms
US20160239755A1 (en) * 2013-10-10 2016-08-18 Ge Intelligent Platforms, Inc. Correlation and annotation of time series data sequences to extracted or existing discrete data
JP2016173782A (ja) * 2015-03-18 2016-09-29 エヌ・ティ・ティ・コミュニケーションズ株式会社 故障予測システム、故障予測方法、故障予測装置、学習装置、故障予測プログラム及び学習プログラム

Also Published As

Publication number Publication date
WO2018096223A1 (fr) 2018-05-31

Similar Documents

Publication Publication Date Title
US11170589B2 (en) Emergency event based vehicle data logging
US11994400B2 (en) Systems and methods for assessment of a rideshare trip
US20140277831A1 (en) Method and apparatus for reducing data transfer rates from a vehicle data logger when a quality of the cellular or satellite link is poor
US11562297B2 (en) Automated input-data monitoring to dynamically adapt machine-learning techniques
EP3039497A1 (fr) Surveillance d'un moteur d'aéronef pour anticiper les opérations de maintenance
EP3183621A1 (fr) Calculateur pour véhicule, tel qu'un calculateur de direction assistée, pourvu d'un enregistreur d'évènements intégré
EP3234802B1 (fr) Procédé de transmission de données issues d'un capteur
EP3626632B1 (fr) Système de collecte et d'analyse de données relatives à un aéronef
CN109741483B (zh) 一种基于车联网平台的汽车碰撞检测方法
FR3035232A1 (fr) Systeme de surveillance de l'etat de sante d'un moteur et procede de configuration associe
FR3027417A1 (fr) Procede et systeme de generation de rapports d'alertes dans un aeronef
FR3062500A1 (fr) Procede de suivi de l'utilisation d'un systeme d'essuyage d'un vehicule automobile
WO2021069824A1 (fr) Dispositif, procédé et programme d'ordinateur de suivi de moteur d'aéronef
WO2018096227A1 (fr) Procédé et système de génération et de transmission distante d'un processus de prédiction d'un état d'un dispositif local
FR3047332A1 (fr) Systeme et procede d'identification automatique d'un modele de vehicule
WO2019201975A1 (fr) Dispositif, procede et produit programme d'ordinateur de validation de donnees fournies par une sonde pluviometrique
FR3071607A1 (fr) Procede de determination de la frequence et de la phase instantanees d'un signal periodique
FR3057517A1 (fr) Dispositif de prevention des situations dangereuses pour un conducteur d'un vehicule de transport et procede associe
WO2020048770A1 (fr) Prédiction d'un paramètre de recalage cartographique par apprentissage profond
WO2020144241A1 (fr) Identification d'un vehicule a l'arret et de son emplacement
WO2016066921A1 (fr) Prédiction d'événement dans un système d'entités connectées
WO2021186755A1 (fr) Dispositif de traitement d'informations, procédé de traitement d'informations, et programme
EP3933722A1 (fr) Procédé et système de diagnostic automatique de l'état d'une flotte de véhicules
EP3380947B1 (fr) Procédé et dispositif de prévision de nébulosité par traitement statistique de données sélectionnées par analyse spatiale
EP4303775A1 (fr) Procédé et dispositif de détection d'anomalie et de détermination d'explication associée dans des séries temporelles de données

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17730847

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: CONSTATATION DE LA PERTE D'UN DROIT CONFORMEMENT A LA REGLE 112(1) CBE (OEB FORM 1205A EN DATE DU 12.09.2019)

122 Ep: pct application non-entry in european phase

Ref document number: 17730847

Country of ref document: EP

Kind code of ref document: A1