Le principe général des méthodes dites orientées données est d'extraire à partir de données capteurs (observations) ou de journaux d'événements des informations pour la supervision et le diagnostic. Il peut s'agir en particulier d'apprendre à partir de ces données et à l'aide de techniques d'apprentissage machine des modèles de comportement, fonctionnement (pour le diagnostic) ou de dégradation, vieillissement (pour le pronostic). DISCO a récemment contribué sur les thématiques suivantes.

• Extraction de connaissances métiers, à partir de journaux, permettant de construire des décisions pour l'optimisation du procédé et de la production, process mining [hal-03326882], index de qualité.
• Inférence de classes de fonctionnements et leur évolution à partir de données par apprentissage non supervisé (dynamic clustering) [hal-02135580], extension à des données hétérogènes (numériques et catégorielles) [hal-02383492],[hal-04268806].

• Apprentissage de modèles de vieillissement pour l'estimation de la durée de vie résiduelle (RUL, maintenance prévisionnelle). Exploitation d'une nouvelle architecture de réseau de neurones (MNAM: réseau de neurones additifs multiclasses) [hal-04562531]

• Identification de systèmes hybrides par des techniques de régression symboliques [hal-04794459]
• Applications à l'industrie du futur 4.0 (diagnostic, suivi de santé, pronostic sur des chaînes d'assemblages, des machines outils,...)

DISCO et la santé

DISCO produit également des résultats dans le contexte spécifique de la santé.

• En exploitant des réseaux de neurones convolutionnels sur des images de résonnance magnétique, une méthode de visualisation de zone cérébrable a permis de déterminer s'il y a suspicion de maladie neuro-dégénérative [hal-04037117].

• Une technique statistique s'appuyant sur un algorithme de logique flou développé dans DISCO a également été exploité pour la discrimination entre cellules cancéreuses et nonmalignes [hal-04674006].