Aide à la décision
❯
Diagnostiquer
❯Représentation des connaissances - Réseau bayésien
Représentation des connaissances - Réseau bayésien
Pour:
Ingénieurs procédés.
But:
Application des réseaux bayésiens à l'analyse des causes profondes des processus industriels.
Objectif:
Améliorer l'efficacité des opérations
Grandes entreprises
Opérations - Surveillance intelligente des infrastructures
Pour:
Opérateurs d'usine
But:
Optimisation de l'efficacité thermique d'une centrale électrique à l'aide de Machine Learning.
Objectif:
Améliorer l'efficacité des opérations, améliorer l'efficacité des employés, réduire les coûts
Grand public
Soins de santé - Améliorer le travail d'enquête
Pour:
Radiologues
But:
Utilisation de l'apprentissage automatique pour prédire le cancer du poumon à partir de tomodensitogrammes.
Objectif:
Anticiper les risques
Prédiction de la tuberculose multirésistante à partir d'images pulmonaires CT basées sur des techniques d'apprentissage en profondeur
Pour:
Les cliniciens et les professionnels de la santé prédisent les patients multirésistants (MDR) des patients sensibles aux médicaments (DS) sur la base d'images pulmonaires CT.
Objectif:
Amélioration de l'efficacité des employés
Représentation des connaissances - Réseau bayésien
Pour:
Ingénieurs procédés.Objectif:
Améliorer l'efficacité des opérationsProblème adressé
L'analyse des causes profondes (RCA) et l'aide à la décision sont essentielles pour la maintenance des installations industrielles. Les ingénieurs de procédés sont confrontés à la tâche difficile d'évaluer les problèmes liés à des processus industriels de plus en plus complexes sous une charge de travail et un stress élevés. Des outils de diagnostic sont nécessaires pour fournir aux ingénieurs de procédés une aide à la décision pour déterminer l'origine d'une perturbation ou d'un défaut de procédé. De tels outils doivent être transparents dans leur raisonnement et fournir un diagnostic facilement interprétable afin d'être d'une utilité optimale.
But du cas d'usage
Application des réseaux bayésiens à l'analyse des causes profondes des processus industriels.