Réinitialiser mot de passe
E-mail
Password
RNTI

MODULAD
Résistance au bruit et à la rareté de la détection d’anomalies par arbre de décision de systèmes physiques simulés
In EGC 2019, vol. RNTI-E-35, pp.273-278
Résumé
La détection d’anomalie est une tâche d’apprentissage dans laquelle
les anomalies sont beaucoup plus rares que les comportements normaux. Notre
objectif est de détecter une anomalie, en l’occurrence une fuite de fluide, le plus
tôt possible, avant l’arrêt préventif de la machine. Dans cet article, nous étu-
dions la résistance au bruit et à la rareté des anomalies d’une technique d’ap-
prentissage supervisée, les arbres de décision. Nous considérons des données
artificielles représentatives d’anomalies de systèmes physiques comme la cre-
vaison d’un pneumatique ou la fuite de fluide réfrigérant d’une pompe à chaleur.
Nos tests montrent qu’un arbre de décision est capable d’apprendre un seuil sur
la pression observée, en présence de bruit, qui s’adapte à des fréquences très
faibles d’anomalies, jusqu’à 1 pour 100 000.