Comment pouvez-vous utiliser les séries-temporelles ?
Votre entreprise collecte sûrement une grande quantité de données. Une grande partie d’entre elles proviennent de capteurs, sous forme de séries-temporelles. Vous-êtes vous déjà demandé ce que vous pourriez faire avec toutes ces données ? Comment en tirer une valeur ajoutée ? Comment les exploiter correctement ? Quels ROI peuvent-elles apporter à votre entreprise ?
Si c’est le cas, vous êtes au bon endroit. Le but d’Ezako est d’aider les entreprises à exploiter les données de séries-temporelles. C’est parti.
Qu’est-ce qu’une série-temporelle ?
Une série-temporelle est une suite de données récoltées successivement, qui évolue dans le temps, souvent à intervalles réguliers.
Voici un exemple où nous avons 4 données temporelles, avec 2 valeurs relevées pour chaque temps :
00:00:01 12 0.2
00:00:02 13 0.1
00:00:03 16 0.3
00:00:04 14 0.4
Ces valeurs forment des séries temporelles.
Où peut-on trouver ces séries-temporelles ?
Les séries-temporelles sont plus courantes que ce que l’on peut penser. Voici quelques exemples :
- Le suivi de l’évolution de la température au cours de la journée est un exemple de série-temporelle. L’enregistrement de la température est réalisé à l’aide d’un capteur de température. Par exemple : un thermocouple, une thermistance et un thermostat.
- Le prix d’une action est une série-temporelle. Le prix d’une action évolue dans le temps et se fixe sur les marchés grâce à un rapport entre l’offre et la demande.
Les séries-temporelles sont également présentes dans le monde industriel. À l’échelle industrielle, une usine peut utiliser des milliers de capteurs de différents types, qui génèrent tous des séries-temporelles en continu. En effet, la plupart des séries-temporelles dans le monde sont collectées à partir de données de capteurs. En voici quelques exemples :
- Capteur de température
- Capteur de proximité
- Accéléromètre
- Capteur IR
- Capteur de pression
- Capteur de lumière
- Capteur à ultrasons
- Capteur de fumée, de gaz et d’alcool
- Capteur tactile
- Capteur d’humidité
- Capteur de débit et de niveau
En 2020, plus de 250 milliards de capteurs ont été estimés être utilisés, ce nombre passera à 1 trillion en 2025 !
La grande majorité de ces capteurs collectent des données de série-temporelle qui peuvent être utilisées pour créer de la valeur dans de nombreux cas différents : surveillance de la santé des équipements, test de prototypes, construction de modèles de prédiction…
Comment tirer parti du Machine Learning dans les séries-temporelles ?
La quantité élevée de données de série-temporelles les rend impossible à analyser sans recourir à une technologie innovante de machine learning. Mais une fois maîtrisées, ces applications peuvent être très puissantes :
- Détection d’anomalies. La détection d’anomalies est l’identification d’événements, d’observations ou d’éléments inattendus qui diffèrent significativement de la norme. Les algorithmes classiques utilisés pour la détection d’anomalies sont : isolation forest, one-class SVM, LSTM-Autoencoder, ARIMA etc …
- La prédiction. L’analyse prédictive consiste à utiliser des données historiques afin de prédire des événements futurs. Les algorithmes typiques que nous pouvons utiliser pour cela sont les bayes naïfs, les modèles linéaires généralisés, la régression logistique etc…
- D’autres types de ML, comme la classification et la reconnaissance des formes, le labeling.
Si vous souhaitez parler de vos propres données de séries temporelles et de la façon de les exploiter, envoyez-nous un mail à l’adresse suivante : contact@ezako.com.