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.该项目对Maestria的发展至关重要，因为它在Au点上通过了一项创新的解决方案技术，以确保铝合金的安全性和可租赁性。

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.