EphèseLe catalogue de la bibliothèque de l'ECAM

Titre :	Prédiction de consommation d’énergie et détection d’anomalies sur une chaîne de production par intelligence artificielle
Type de document :	Travail de fin d'études
Auteurs :	Hugues-Evremond Mottet, Auteur ; Quentin Ledent, ; Quentin de Grady,
Editeur :	ECAM
Année de publication :	2021
Note générale :	TECHNIFUTUR
Langues :	Français (fre)
Index. décimale :	TFE - Electromécanique
Résumé :	La numérisation du secteur de l'énergie a fourni une immense quantité de données. Il en résulte une opportunité encore inexploitée d'économies d'énergie qui se baseraient sur l'analyse de ces données. Ces dernières années, d'importantes recherches ont été menées sur l'optimisation énergétique par l'apprentissage automatique. Avec les progrès des réseaux neuronaux profonds, les chercheurs ont étudié le potentiel de l'utilisation d'algorithmes d'apprentissage automatique en série temporelle pour développer des systèmes sophistiqués de prédiction et d'alerte proactive pour la gestion de l'énergie. Dans ce travail, l'utilité de l'algorithme d'apprentissage automatique en série temporelle est étudiée pour la détection d'anomalies.

Prédiction de consommation d’énergie et détection d’anomalies sur une chaîne de production par intelligence artificielle [Travail de fin d'études] / Hugues-Evremond Mottet, Auteur ; Quentin Ledent, ; Quentin de Grady,  . - ECAM, 2021.
TECHNIFUTUR
Langues : Français (fre)

Index. décimale :

TFE - Electromécanique

Résumé :

La numérisation du secteur de l'énergie a fourni une immense quantité de données. Il en résulte une opportunité encore inexploitée d'économies d'énergie qui se baseraient sur l'analyse de ces données. Ces dernières années, d'importantes recherches ont été menées sur l'optimisation énergétique par l'apprentissage automatique. Avec les progrès des réseaux neuronaux profonds, les chercheurs ont étudié le potentiel de l'utilisation d'algorithmes d'apprentissage automatique en série temporelle pour développer des systèmes sophistiqués de prédiction et d'alerte proactive pour la gestion de l'énergie. Dans ce travail, l'utilité de l'algorithme d'apprentissage automatique en série temporelle est étudiée pour la détection d'anomalies.