Automobile
Navigation rapide :
Développez l'automobile de demain !
Depuis plusieurs années, Probayes accompagne les acteurs du marché de l’automobile dans la transformation numérique.
L’Intelligence Artificielle permet de répondre aux besoins constants d’innovation attendus par les consommateurs.
Des outils algorithmiques adaptés
Probayes emploie, depuis plus de 15 ans, un large panel d’outils algorithmiques, testés et mis en pratique dans les nombreux cas d’usage liés à l’automobile. Les principales approches sont :
VÉHICULE AUTONOME :
Machine Learning / Deep Learning- Détection d’objets dans les images
- Génération d’images (GAN)
- Segmentation d’image
- Suivi d’objets / tracking (Kalman Filter)
- Prévision de comportements de l’environnement et du véhicule
- Permet l’acquisition de nouvelles données
- Adaptation de domaine pour le véhicule autonome (apprendre sur des données et adapter les modèles pour fonctionner sur d’autres bases de données)
AUTRES UTILISATIONS :
- Optimisation des moteurs sur véhicules hybrides
- Apprentissage du comportement routier du conducteur
- Maintenance et maintenance prédictive
Une collaboration étroite
avec les équipes métiers du client
Pour embarquer la forte complexité du marché de l’automobile et la multitude de sources de données, les équipes Probayes mettent en place une collaboration étroite avec les équipes métiers du client. La transparence est le maître-mot de cette collaboration, permettant ainsi aux équipes de progresser ensemble lors des développements du projet. L’équipe métier client va pouvoir mieux comprendre la méthodologie de mise en place de l’I.A. dans le contexte automobile, tandis que l’équipe Probayes va affiner sa compréhension des enjeux et contraintes spécifiques au domaine du client. Cette collaboration permet de nouer des partenariats sur le long terme.
Projet Eramet
Exemple de réalisation
Le groupe ERAMET est l’un des principaux producteurs mondiaux de métaux d’alliage. ERAMET produit dans son usine de Knivesdal, en Norvège, des alliages de ferromanganèses.
Problématique
Lors de la production, lorsque le procédé est optimal, il est possible de remplacer une matière première par une autre moins coûteuse. L’objectif du projet est de détecter en temps réel les périodes optimales du procédé, permettant cette substitution, et de fournir des recommandations pour y revenir en cas de déviation.
Mise en oeuvre / Expertises mobilisées
En employant une cinquantaine de variables procédé, nous avons appliqué une approche de classification non-supervisée, permettant de discriminer les différents points de fonctionnement du procédé. Une fois ces comportements annotés par les experts métier, nous avons entraîné un classifieur à reconnaître ces comportements, puis adjoint un module d’explicabilité, permettant de fournir en temps réel les paramètres caractérisant les comportements non-optimaux.
Résultats
L’analyse a permis d’identifier une famille de 5 comportements, annotés par plusieurs experts procédé d’ERAMET. Le procédé optimal a été clairement identifié, de même que les caractéristiques des comportements non-optimaux. Une première version de la fonction a été déployée à l’usine de Knivesdal, en Norvège.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Fusce eu lacus diam. Cras congue, neque ac mattis efficitur, nibh ipsum fringilla nunc, sed iaculis neque odio non orci. Vestibulum ante ipsum primis in faucibus orci luctus et ultrices posuere cubilia Curae; Praesent lacinia, urna quis rhoncus lobortis, urna neque tempus tellus, quis auctor justo lectus vitae libero. Nulla non porta odio. Donec diam est, varius id ullamcorper a, efficitur nec libero
Prénom Nom
Fonction – Entreprise
Quelques exemples de réalisation :
L’industrie automobile fait face à une mutation technologique et numérique de très grande ampleur. Les constructeurs sont confrontés à d’importants enjeux d’investissements en R&D. Ils doivent innover à travers le développement des voitures connectées et autonomes, mais également à travers les solutions de motorisation.
Véhicule autonome
Projet visant à aider la conduite automatique des véhicules
Maintenance prédictive des poids lours
Projet visant à prédire les risques de pannes en fonctions des classes d’usage
Optimisation de la consommation d'un moteur hybride
Projet visant à optimiser la consommation énergétique d’un moteur hybride
Découvrez nos démos :
Véhicule autonome et détection de l'environnement - Démo Probayes
Comment détecter l’environnement proche et en temps réel sur un véhicule autonome ? Probayes travaille depuis 2005 sur le sujet.
Véhicule autonome et détection de l'environnement - Démo Probayes
Comment détecter l’environnement proche et en temps réel sur un véhicule autonome ? Probayes travaille depuis 2005 sur le sujet.
Découvrez nos webinaires :
Comment et dans quel objectif, l'Intelligence Artificielle exploite t-elle les données capteurs ?
Si nous prêtons plus attention à notre environnement, nous pouvons constater que les capteurs sont déjà couramment utilisés dans notre quotidien pour capter des images, vidéos, sons, température, etc.
Le monde du transport est un secteur clé de l’évolution numérique. Lorsque nous parlons de véhicule autonome aujourd’hui, nous faisons référence à l’assistance développée autour de ce véhicule, ce n’est pas à proprement parlé un véhicule qui se passe de conducteur. Mais selon Gartner, les véhicules autonomes représenteront près de 25% du parc des voitures particulières d’ici 2030.
Ils nous font confiance*
* Pour des raisons de confidentialité, les noms de certains de nos clients ne sont pas cités
Copyright 2019 – Probayes – 53 avenue Jean Kuntzmann – 38330 Montbonnot – France – Tel: +33 (0)4 76 42 64 13
Mentions légales et conditions générales d’utilisations – Politique de protection des données du site internet de Probayes – Politique Cookies