Aller au contenu

Alexandre Vielfaure, maîtrise en génie chimique, UdeS: Identification de dynamiques et patrons à partir de données spatio-temporelles bruitées avec la résolution multivariée de courbe (MCR)

Date :
Cet événement est passé.
Type :
Conférences et séminaires
Lieu :
Connexion ZOOM (Lien Zoom)

Alexandre Vielfaure
Description : Une quantité importante de procédés industriels sont aujourd’hui monitorés afin d’avoir de l’information sur l’état des opérations et faciliter la réponse à d’éventuelles déviations. Des données spatio-temporelles historiques d’un programme de contrôle environnemental en milieu pharmaceutique ont été recueillies dans le but de mieux comprendre les dynamiques et patrons de contamination microbienne de l’usine. Un défi majeur pour l’analyse de ce genre de données est la présence importante de bruit en raison de la rareté des résultats non-nuls et de l’incertitude reliée à la détection de micro-organismes. La problématique initiale d’analyse de données spatio-temporelles bruitées provient des données pharmaceutiques environnementales mais s’applique aussi à d’autres domaines.

L’approche par réduction de dimension avec l’algorithme MCR-LLM (Multivariate Curve
Resolution Log Likelihood Maximization) a été choisie. Cette méthode permet d’analyser des
données multivariées complexes en faisant ressortir des composants plus facilement interprétables. L’aspect novateur du travail a été de développer une nouvelle approche avec la variante LLM pour l’étude de données spatio-temporelles bruitées difficilement analysables avec l’algorithme ALS (Alternating Least Square) standard.

L’algorithme a d’abord été utilisé sur des données météorologiques connues afin d’évaluer sa
performance. La méthode a ensuite été répliquée pour l’analyse des données du partenaire industriel. L’efficacité de l’algorithme a pu être démontrée avec l’obtention de composants facilement interprétables pour des problèmes de données spatio-temporelles bruitées.

Piece jointe :

Description détaillée (152.79 ko)