分析预测

Essor du大数据

关于entend souvent parler de l ' analyze prédictive dans le context du大数据。Les données d 'ingénierie, par example, proviennent de capteurs, d 'instruments et de systèmes connectés du monde entier。Dans une enterprisprise, les données système peuvent包括des données transactionnelles, des résultats commerciaux, des réclamations clients et des information marketing。Les enterprises s ' appuent de plus en plus sur ces information précieuses pour prenre des décisions。

增强并发性

Confrontées à une concur de plus en plus rude, les enterprisessont à la recherche de solutions pour commercialiser leurs产品和服务sur des marchés saturés。Les modèles prédictifs reposant sur des données peuvent aider Les enterprises à trouver de nouvelles méthodes pour résoudre ces problèmes de longue date。

Les fabricants d ' équipements, par example peuvent être confrontés à des difficultés pour innovver au niveau du matériel。Les développeurs de products peuvent ajouter des fonctionnalités prédictives aux solutions existantes afin d 'augmenter la valeur ajoutée proposée au客户。L 'utilisation de L L analysis prédictive dans le cadre de la maintenance des équipements, ou维护预测， peut permettre d ' antimettre les pannes des équipements, de prévoir les besoins en énergie以及de réduire les coûts d 'exploitation。例如，les capteurs qui mesurent les vibrations dans les composants automobiles peuvent signaler un besoin de maintenance avant que le véhicule ne tombe en pananne sur la route。

Les enterprises peuvent également utiliser l 'analyse prédictive pour établir des prévisions + précises, par示例lorsqu 'il s 'agit de prévoir la demande en électricité au niveau du réseau de distribution électrique。Ces prévisions资源平面化渗透优化(中央平面化，举例)。

大数据和机器学习技术

倾注大数据的价值，les企业适用的算法à de大集合de données à辅助的方法和方法Hadoop et Spark。Les sources de données peuvent être composées de bases de données transactionnelles, de fichiers de log d ' équipements, d ' images, de vidéos, d ' audio, de données de capteurs ou d ' autres types de données。C 'est bien souvent l 'association de données provant de plusieurs sources qui rend possible l 'innovation。

Avec toutes ces données, des outtils sont nécessaires pour tierrer des enseignements et des tendencies。机器学习技术Sont utilisées pour identifier des caractéristiques dans les données et concevoir des modèles qui prédisent les futures résultats。De nombreux algorithmes De Machine Learning sont disponibles, notamment la régression linéaire et non linéaire, les réseaux De neurones, les machines à vecteurs De support, les arbres De décision等。

举例分析prédictives

L 'analyse prédictive aide les équipes dans des securs d 'activité aussi divers que la finance, la santé， les products pharmaceutiques, L 'automobile, L 'aérospatiale et la production industrielle。

• 汽车- Faire preuve d 'innovation avec les véhicules自治
  Les enterprises qui développent des technologies d 'aide à la conduite et des nouveaux véhicules autonomes utilent l 'analyse prédictive pour analyser Les données de capteurs des véhicules connectés et créer des algorithmes d 'aide à la conduite。
• 法国宇航公司-监控器état des moteurs d ' avions
  为改良le temps de disponibilite des我们et reduire les cout de维护联合国制造者de分部克里族一个应用d与en临时工卷afin生病采用les表演des sous-systemes而在遵循:huile,增碳剂,decollage,状况mecanique等命令。
• 生产d 'energie- Prévoir les prix et la demand en électricité
  Les applications de prévision complex utilent des modèles qui permettent de monitiller la disponibilité des centrales, Les tendencies historiques, la saisonnalité et la météo。
• 服务金融家- Développer des modèles de risque de crédit
  Les institutions financières utilent des techniques de Machine Learning et des outtils quantitative pour la prévision du risque de crédit。
• 工业和机械自动化- Prévoir les pannes de machines
  Un producteur de films plastiques et de films minches économise 5万欧元par mois en utilant des des de contrôle d ' état et de maintenance prédictive qui permeent de réduire les temps d 'arrêt et le gaspillage。
• Appareils medicaux-利用算法侦察形态pour la détection de l 'asthme et de la支气管肺炎慢性阻塞性
  Un aperil de gestion de l ' asthma enregistre et分析la呼吸des patients et assure Un reour instantané par l 'intermédiaire d 'une application pour smartphone quaide les patients à gérer leur asthma et leur bronchopneumopathie chronic。

为了分析预测Est le processus qui consisttion à utiliser l ' analyze des données pour effectuer des prévisions en function des données。Ce process utilization des données分析技术，统计技术等机器学习倒créer联合国modèle prédictif visant à prévoir les événements未来。

Le terme«分析prédictive»décrit l 'application d 'une technique statistic ou de Machine Learning visant à établir une prévision quantitative du futur。可是,des techniques de机器学习superviséSont utilisées pour prévoir une valeur future (吊坠组合de temps cette机器peut-elle功能先锋派qu 'une维修soit nécessaire ?) ou pour estimer une probabilité (Quelle est la probabilité de défaut de remboursement de ce客户端?）.

Au départ, l 'analyse prédictive est associée à un objectif commercial, qu 'il s 'agisse d 'utiliser des données pour réduire le gaspillage, gagner du temps ou réduire les coûts。Le processus转换的整体données hétérogènes和原始的产品modèles生产能力résultats克莱尔和可开发的产品à参与的目标，曲' s 'agisse de réduire Le gaspillage de matériau, de réduire l 'inventaire in stock ou de fabrique des products conformes aux spécifications。

Processus d ' analyze prédictive

Nous conaissons tous les modèles prédictifs utilisés pour les prévisions météorologiques。Une autre应用部门本质modèles prédictifs关于laPrévision de la charge énergétique倒期望la需求en énergie。Dans ce cas de figure, les producteurs d ' énergie, les opérateurs du réseau et les traders ont besoin de prévisions précises la charge énergétique afin de pouvoir prendre des décisions concernant la gestion des charges Dans le réseau électrique。Les volumes de données disponibles sont considérables, et grâce à l 'analyse prédictive, Les opérateurs du réseau peuvent Les transformer en information exploitables。

进程détaillé de la prévision des费用énergétiques

Le prcoessus d 'une application d 'analyse prédictive suit généralement ces étapes原则:

1. 进口商des données à partir de sources variées, par example des archives Web, des bases de données et des feuilles de calculation。
   Parmi les sources de données disponibles, citons les données de charge énergétique répertoriées dans un fichier CSV ainsi que les données météorologiques nationales indiquant la température et le point de rosée。
2. Nettoyer les données en suppent les valeurs aberrantes et en combined les sources de données。
   Identifiez les pics de données, les données manquantes ou les points anormaux à supplier des données。Ensuite, rassemblez les différentes源de données (dans le cas qui nous intéresse, en créant un tableau unique inclant la charge énergétique, la température et le point de rosée。
3. Développer un modèle prédictif précis resant sur les données agrégées实用统计学，机器学习调整方法。
   La prévision énergétique est un processus complexe avec de nombreuses变量，c 'est pourquoi il peut être效用d 'utiliser des réseaux de neurones pour créer et entraîner un modèle prédictif。Faites des expérimentations dans votre ensemble de données d 'entraînement pour tester différentes接近。Une fois l 'entraînement terminé， vous pouvez essayer le modèle avec de nouvelles données afin de savoir s 'il function correction。
4. Intégrer le modèle dans le système de prévision de charge d’un environment de production。
   Une fois que vous avez trouvé le modèle渗透de prévoir la charge de façon précise, vous pouvez le transférer dans votre système de production afin de rendre les analyses disponibles pour les程序logiciels ou les appareils (y包括les应用程序Web, les servers ou les appareils mobile)。

Élaboration de modèles prédictifs

Vos données agrégées racontent une historire complexe。Pour extraire les information qu 'elles continent, vous devez disposer d 'un modèle prédictif précis。

La modélisation prédictive利用des méthodes mathématiques et de compute pour prévoir UN événement ou UN résultat。永久程序prévoir un résultat à un stade donné ou se basant sur une durée en function des modification apportées aux entrées du modèle。À过程的辅助itératif，你développez le modèle使用的工作données d 'entraînement，你的测试和你的工作déterminer sa précision倾注的工作prévisions。Vous pouvez essayer différentes接近de机器学习pour identifier le modèle le plus efface。

Il peut s 'agir par example de modèles deRégression de séries temporellesVisant à prévoir le流量aérien欧Le renment énergétique联合国的功能Modèle de régression linéaireDe la vitesse du moteur par融洽à la charge。

比较de l ' analyze prédictive和de l ' analyze prescriptive

Les enterprise ayant réussi la enchuvre de l ' analyse prédictive considèrent le passage à l ' analyse prescriptive comme l ' étape suivante。L ' analyze prédictive crée une estimation de ce qui se produire;为了分析说明性的冒昧评论réagir de la meilleure façon en function de la prévision。

为了分析说明性的Est une branch de l 'analyse de données qui utilise des modèles prédictifs pour suggérer des measures à prendre afin d 'optimiser les résultats。分析规定的技术应用basées sur L’optimisation et les règles pour la prise de décision。La prévision de La chargeSur le réseau électrique au cours des 24 heures suivantes est UN示例d分析预测， tandis que le fait de décider中央开发模式En s 'appuyant sur cette prévision est une applicationd分析说明性的。

Pour tirer parti de la valeur des données commerciales et d 'ingénierie afin de prenre des décisions éclairées, les équipes qui développent des applications d analyse prédictive font de plus en plus appel à MATLAB。

Les outtils et函数MATLAB渗透效应器des分析prédictives à l 'aide de données d 'ingénierie，科学等地形，mais également de données商业等交易。MATLAB vous permet de déployer les应用程序分析prédictive vers des systèmes de生产à grande échelle et des systèmes embarqués。

Pourquoi utiliser MATLAB pour l ' analyze prédictive ?

1. Les分析MATLAB实用à la fois des données commerciales等技术。
   MATLAB支持本地les格式de données issue de capteurs, les图像，les vidéos, la télémétrie, les données binaires et aures格式temps réel。explore ces données au moyen des tableaux tall MATLAB pour Hadoop et Spark, ainsi qu 'en connectant les interfaces aux bases de données ODBC/JDBC。
2. MATLAB laisse les ingénieurs faire eux-mêmes de la science des données。
   Donnez à vos spécialistes du domain l 'opportunité de faire de la science des données, avec des outils puissants pour les aider à utiliser le Machine Learning, le Deep Learning, les statistical, de l 'optimisation, l 'analyse des signaux et le trement des images。
3. Les分析MATLAB sont exécutées dans des systèmes embarqués。
   Développez des分析à exécuter sur des plate - forms embarquées, en créant du代码C等c++便携式à partir de代码MATLAB。
4. Les分析MATLAB peuvent être déployées vers Les systèmes informatiques d 'entreprise。
   MATLAB 'intègre dans les systèmes d’entreprise, les clusters et les Clouds， à l’aide d’un runtime déployable sans redevance。

Vos données + MATLAB =折衷方案réussie de l ' analyze prédictive

Dans cet aperçu simplifié， les données techniques proviennent de capteurs, instruments et systèmes connectés du monde entier。Les données sont collectées et stockées dans un système de fichiers, que ce soit en interne ou dans le Cloud。

Ces données sont associées à d’autres données provenant de systèmes métiers traditionnels, par exemplle données sur les coûts, les résultats commerciaux, les réclamations clients et les信息营销。

Les analyses sont ensuite développées par un ingénieur ou un spécialiste du domaine à l 'aide de MATLAB。Un prétraitement est presque toujours nécessaire pour gérer les données manquantes, les valeurs aberrantes ou auaures problèmes imprévus de qualité des données。Ensuite, des méthodes d 'analyse comme les statisques et le Machine Learning sont utilisées pour produire une«analyse»(un modèle prédictif de votre système)。

倒可能有用的,ce模型predictif est套房时所以在environnement) informatique de生产alimentant联合国systeme informatique ou transactionnel en临时工卷(比如联合国网站商务electronique),所以更小联合国appareil embarque (capteur, controleur ou systeme智能利用在《世界报》卷,比如vehicule autonome)。

L 'application德MATLAB等动态仿真模块^®dans le cadre de cette architecture constitue l 'approche idéale, car ces outils simplified le déploiement vers les systèmes embarqués grâce au Model-Based Design, ou vers les systèmes informatiques grâce aux producits de déploiement d 'applications。