Quand un modèle prédictif de maintenance doit-il être réentraîné ?

Réponse rapide

Un modèle prédictif de maintenance est réévalué lorsque ses performances se dégradent, que le robot ou son cycle change, que de nouvelles pannes apparaissent ou que des capteurs sont remplacés. Le réentraînement vient après contrôle des données et des étiquettes.

Repérer une raison réelle

Taux de faux positifs, défauts manqués, changement de charge et nouvelle version matérielle sont suivis séparément. Une baisse apparente peut provenir d’un étiquetage tardif ou d’une dérive d’usage.

Nettoyer avant d’apprendre

Les événements, mesures, réparations et périodes de disponibilité sont alignés. Doublons, fuites temporelles et cycles non comparables sont écartés ou documentés avant l’entraînement.

Promouvoir sous contrôle

La nouvelle version est testée sur des périodes et machines tenues à part, puis comparée à l’ancienne. Déploiement progressif, surveillance et retour arrière restent prévus.

Sources et références

  1. [1] Artificial Intelligence Risk Management Framework (AI RMF 1.0) — NIST

Cette réponse vous a-t-elle été utile ?