Comment utiliser l’apprentissage non supervisé pour détecter une anomalie robotique ?
Mise à jour28 août 2026
Lecture1 minute
Réponse rapide
L’apprentissage non supervisé détecte une anomalie robotique en apprenant le comportement habituel puis en signalant un écart suffisamment net et contextualisé.
Définir le normal
Cycles, charge, température et mode sont séparés afin de ne pas confondre une mission rare avec une panne.Repérer une friction
Un axe consomme plus pour la même course ; le modèle alerte, puis un technicien confirme la présence de poussière avant intervention.Une anomalie n’explique pas sa cause
Bruit capteur, changement de recette ou donnée manquante peuvent produire l’alerte. Seuil, relecture et repli sont nécessaires.
Sources et références
- [1] Outlier detection — scikit-learn