TIMi a constitué le socle central de toute la démarche de machine learning mise en œuvre dans ce projet. L’objectif était de prédire les états de panne de machines industrielles SAFRAN, équipées d’un grand nombre de capteurs hétérogènes mesurant leur état à la milliseconde, sur plusieurs années. Cette forte granularité temporelle, combinée à la diversité des mesures, a naturellement conduit à la constitution de bases de données de très grande taille.
Grâce à la suite TIMi, et plus particulièrement à Anatella, il a été possible de concevoir de manière simple un pipeline complet de transformation des données, puis de l’exécuter rapidement et à faible coût, d’abord sur un ordinateur portable, puis sur un serveur. L’un des atouts majeurs de TIMi réside dans la mise en œuvre de véritables solutions de multiprocessing, permettant de paralléliser les calculs sans saturer la mémoire et en exploitant pleinement les capacités du processeur. Cela s’est traduit, dans notre cas, par des gains de performance considérables.
Une première tentative basée sur Python s’est révélée peu adaptée : l’analyse d’un seul fichier parmi des millions nécessitait près de deux semaines de calcul. À l’inverse, avec TIMi et un serveur correctement dimensionné, l’intégralité du pipeline a pu être appliquée à l’ensemble de la base de données en une semaine seulement. Par ailleurs, l’utilisation du format de fichiers `.gel_anatella` a permis de réduire significativement l’espace de stockage, tout en rendant les fichiers plus pratiques à manipuler.
Enfin, la mise en œuvre de Modeller a constitué une étape déterminante. Bien plus qu’un simple logiciel, Modeller s’inscrit dans une approche innovante de la gestion de la donnée, en proposant des outils à fort potentiel de rupture technologique pour concevoir, en conditions réelles, des modèles de machine learning aussi performants que possible. Avis collecté par et hébergé sur G2.com.
Le logiciel a pleinement répondu à mes attentes, dans tous les domaines et pour tous les cas d’utilisation que j’ai pu rencontrer. Avis collecté par et hébergé sur G2.com.






