Communication Dans Un Congrès Année : 2025

Aggregated model for anomaly detection: a statistical learning approach

Résumé

The core of this research is a novel mathematical model for anomaly detection in discrete manufacturing processes. Designed to identify significant deviations in production lead time within a production line, the model is constructed using statistical learning techniques and aggregates multiple individual classification models. It relies on the principles of information theory, particularly Shannon’s Entropy, to quantify uncertainty and enhance the precision of anomaly identification. Consequently, the model demonstrates high performance in distinguishing outliers from anomalies, making it applicable to real-world production data. The model is extensible and can be integrated into production line control systems for real-time anomaly detection, aligning with Industry 4.0 principles, including smart manufacturing and data-driven decision-making.

Le cœur de cette recherche est un modèle mathématique novateur pour la détection des anomalies dans les processus de fabrication discrète. Conçu pour identifier des écarts significatifs dans les délais de production au sein d'une ligne de production, le modèle est construit en utilisant des techniques d'apprentissage statistique et agrège plusieurs modèles individuels de classification. Il s'appuie sur les principes de la théorie de l'information, notamment l'Entropie de Shannon, pour quantifier l'incertitude et améliorer la précision de l'identification des anomalies. En conséquence, le modèle démontre des performances élevées dans la distinction entre les valeurs aberrantes et les anomalies, ce qui le rend applicable aux données de production réelles. Le modèle est extensible et peut être intégré dans des systèmes de pilotage des lignes de production pour une détection des anomalies en temps réel, s'inscrivant dans les principes de l'Industrie 4.0, notamment la fabrication intelligente et la prise de décision pilotée par les données

JdS (1).pdf (1.32 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

hal-05117306 , version 1 (18-06-2025)

Identifiants

  • HAL Id : hal-05117306 , version 1

Citer

Rida Kheirallah, Anis Hoayek, Mireille Batton-Hubert, Patrick Burlat. Aggregated model for anomaly detection: a statistical learning approach. 56eme journees de Statistique de la SFdS, Jun 2025, Marseille, France. ⟨hal-05117306⟩
136 Consultations
60 Téléchargements

Partager

  • More