Apprentissage machine appliquée aux indicateurs de compromis dans l'industrie de l'aluminium

Maestria Solutions是一家魁北克企业，主要从事铝工业相关产品的开发和销售。在改善这一工业面临的电力中断或供电中断的情况下，主要原因是生产和租赁基地的铸造和安装设备严重损坏，Maestria souhaite mettre en place un suivi intelligent et préventif des indicateurs de compromis（IoC）à partir des controleurs de procédé des alumineries。In d'autres termes，à travers des modèles récursifs chronologiques de type time-to-event et time-series，l'entreprise veut determiner par une recherche par estatistician multivariable les relations whi existing entre les variables de résultats étrolytiques et des variables mesurées dont les dynamiques reposent sur le temporel.此外，利用统计学中获得的关系，一种用于检测铝电解液的IoC lors的统计学算法，用于检测连接Au的阳极电流分布测量装置，用于控制铝加工过程。此外，该研究的范例隐含了物联网与人工智能分布式应用的融合，该范例可能会对杜兰特的铝电解液的分布式电流Au过程中的损害进行检测，这是为了使安全部门能够在远离工人的设备和过程中采取预防和有效的干预措施。为此，l'entreprise sollicite l'expertise du C2T3 en télécommunications sans-fil afin de réaliser un effort de recherche additionnel pour le déception de l'IA en firmware sur le microprocesseur de l'IoT，impliquant une conciliation du budget CPU pour embarquer les fonctions d'IA en Edge computing. Ce projet est d 'une grande importance pour la croissance de Maestria puisqu' il permettra de mettre Au point une solution technologique innovante pour le suivi préventif，la sécurité et la rentabilité des fonderies d 'aluminium.# (cr)#（lf）Maestria Solutions是一家魁北克公司，开发和销售针对铝行业需求而设计的产品。为了提高该行业在停电或中断时的恢复能力，这主要会对冶炼锅造成严重损害，从而降低产量和盈利能力，Maestria希望对铝冶炼厂的过程控制器的妥协指标（IoC）进行智能和预防性监控。换句话说，通过时间到事件和时间序列递归模型，该公司希望通过多元统计学习搜索来确定电解结果变量与动态基于时间的测量变量之间存在的关系。因此，利用从统计学习获得的关系，将开发用于在铝电解期间检测IoC的机器学习算法，并将其集成到连接到铝冶炼厂的过程控制器的阳极电流分布测量工具中。因此，这项研究的范式涉及物联网和分布式人工智能应用的融合，旨在检测铝电解过程中阳极电流分布过程中的妥协指标，并在设备和工艺必须远离工人的情况下进行预防性和有效的干预。为此，该公司正在寻求C2T3在无线电信方面的专业知识，以便在物联网微处理器上的固件中进行AI开发的额外研究工作，包括协调CPU预算，以在边缘计算中嵌入AI功能。这个项目是伟大的i

Maestria Solutions est une entreprise québécoise oeuvrant dans le développement et la vente de produits conçus pour les besoins de l'industrie de l'aluminium. Afin d'améliorer la résilience de cette industrie face à des situations de coupure ou d'interruption d'électricité, causant principalement de grave endommagement des cuves de fonderie et ainsi des baisses de production et de rentabilité, Maestria souhaite mettre en place un suivi intelligent et préventif des indicateurs de compromis (IoC) à partir des contrôleurs de procédé des alumineries. En d'autres termes, à travers des modèles récursifs chronologiques de type time-to-event et time-series, l'entreprise veut déterminer par une recherche par apprentissage statistique multivariable les relations qui existent entre les variables de résultats électrolytiques et des variables mesurées dont les dynamiques reposent sur le temporel. Ainsi, avec les relations obtenues de l'apprentissage statistique, un algorithme d'apprentissage machine pour la détection d'IoC lors de l'électrolyse de l'aluminium sera développé et intégré aux outils de mesure de distribution du courant anodique connectés au contrôleur de procédé des alumineries. Ainsi, le paradigme de cette recherche implique la convergence de l'IoT et des applicatifs d'intelligence artificielle distribuée, visant à rendre possible une détection d'indicateurs de compromis au procédé de distribution du courant anodique durant l'électrolyse de l'aluminium, ainsi qu'à rendre possible une intervention préventive et efficace dans un contexte où les équipements et les processus doivent être distancés des travailleurs par soucis de sécurité. Pour ce faire, l'entreprise sollicite l'expertise du C2T3 en télécommunications sans-fil afin de réaliser un effort de recherche additionnel pour le développement de l'IA en firmware sur le microprocesseur de l'IoT, impliquant une conciliation du budget CPU pour embarquer les fonctions d'IA en Edge computing. Ce projet est d'une grande importance pour la croissance de Maestria puisqu'il permettra de mettre au point une solution technologique innovante pour le suivi préventif, la sécurité et la rentabilité des fonderies d'aluminium.#(cr)#(lf)Maestria Solutions is a Quebec company that develops and sells products designed for the needs of the aluminium industry. In order to improve the resilience of this industry in the face of power outages or interruptions, which mainly cause serious damage to smelter pots and thus reduce production and profitability, Maestria wishes to implement intelligent and preventive monitoring of indicators of compromise (IoC) from the process controllers of aluminium smelters. In other words, through time-to-event and time-series recursive models, the company wants to determine, through a multivariate statistical learning search, the relationships that exist between electrolytic result variables and measured variables whose dynamics are based on time. Thus, with the relationships obtained from the statistical learning, a machine learning algorithm for the detection of IoC during aluminium electrolysis will be developed and integrated into the anode current distribution measurement tools connected to the process controller of the aluminium smelters. Thus, the paradigm of this research involves the convergence of IoT and distributed artificial intelligence applications, aiming to make it possible to detect indicators of compromise in the anode current distribution process during aluminium electrolysis, as well as to make it possible to intervene preventively and effectively in a context where equipment and processes must be distanced from workers for safety reasons. To this end, the company is seeking C2T3's expertise in wireless telecommunications in order to carry out an additional research effort for the development of AI in firmware on the IoT microprocessor, involving a reconciliation of the CPU budget to embed AI functions in Edge computing. This project is of great i