TECHNOLOGIE · LRM

Un modèle de raisonnement qui respecte les lois sur lesquelles il a été entraîné.

Vermilion repose sur des réseaux de neurones ancrés dans la physique : des architectures dont les fonctions de perte encodent les lois de conservation et les relations constitutives qui gouvernent les vraies machines. Le résultat : des prédictions précises, explicables et physiquement possibles.

5
Étapes de raisonnement vérifiables, à chaque prédiction
0.012
Erreur de calibration attendue sur les déploiements terrain
312ms
Latence d'inférence médiane · en bordure ou en nuage
LRM · 5 ÉTAPES200 Hz
ÉTAPE 03 · AJUSTEMENT PHYSIQUE
ANCRÉ DANS LA PHYSIQUE · LRMp = 0,93 · ECE 0,012 · 312 ms
COMMENT ÇA MARCHE

Du signal brut à une recommandation ancrée, en cinq étapes.

Chaque étape est vérifiable. Chaque étape publie son incertitude. Chaque étape refuse de produire des conclusions qui violent la physique de l'actif observé.

  1. 01
    Ingestion
    Collecte les données de capteurs, les registres de maintenance et les spécifications d'équipement, peu importe la source.
  2. 02
    Conditionnement
    Débruitage tenant compte de la phase, inférence de l'état d'opération, classification de régime.
  3. 03
    Ajustement physique
    Paramètres constitutifs ajustés par actif — roulements, boîtes de vitesses, pompes — sous des a priori physiques connus.
  4. 04
    Raisonnement
    L'inférence ancrée dans le PINN produit une hypothèse de mode de défaillance avec une confiance calibrée.
  5. 05
    Action
    Recommandation bornée dans le temps poussée au système de bons de travail avec la trace de raisonnement complète.
COMPOSANTES CLÉS

Trois composantes novatrices dans une seule plateforme.

Notre plateforme combine plusieurs technologies novatrices pour livrer une capacité prédictive inégalée, tenue ensemble par une seule boucle de raisonnement.

01 / 03

Réseaux de neurones ancrés dans la physique

Des réseaux qui incorporent les lois et les contraintes physiques, ce qui permet au modèle de respecter des principes fondamentaux comme la conservation de l'énergie et de la quantité de mouvement.

02 / 03

Modèles d'équipement

Des jumeaux numériques basés sur les premiers principes — dynamique des roulements, harmoniques d'engrènement, stabilité de film fluide — contre lesquels le LRM raisonne en temps réel.

03 / 03

Analyse des modes de défaillance

Un catalogue qui grandit en continu : écaillage, fatigue, cavitation, résonance, emballement thermique. Anonymisé et partagé à travers la flotte, par opt-in.

DANS LE PRODUIT

L'interface, pas juste l'argument.

Trois vues de la console d'opérations Vermilion. Chacune est un véritable écran que nos clients voient — pas une illustration marketing. Les sorties du modèle de raisonnement sont mises en avant là où on agit dessus.

captures en direct de app.vermilion.ai
app.vermilion.ai · durée de vie utile restante
FLEET · ALPHA SQUADRON · RUL FORECAST
3 urgent
Remaining useful life across 5 assets
Drone-A2376d left
Motor 3 bearing
CRITICAL
p=0.94
Drone-B11812d left
Battery pack cell
MONITOR
p=0.88
Drone-A10521d left
Propeller balance
MONITOR
p=0.81
Drone-C02228d left
Cell-pack imbalance
WATCH
p=0.83
Drone-B23130d left
Control surface
HEALTHY
p=0.96
FORECAST HORIZON · 30 DAYSVERMILION-R · 9DEB2BA
ARCHITECTURE DE LA PLATEFORME

En nuage, en bordure, ou en réseau isolé — le même raisonnement.

Une architecture évolutive et flexible au déploiement, conçue pour la fiabilité et la performance.

SOURCES DE DONNÉES

Capteurs, historians, journaux de maintenance, fiches d'équipement. Via OPC-UA, MQTT, REST, gRPC ou CSV par lots.

OPC-UA / MQTT
Historians (PI, Ignition, Wonderware)
REST / gRPC
CSV / Parquet par lots
Passerelles edge (adaptateurs de protocole sur mesure)
OPC-UAMQTTREST/gRPCHistorianCSV/ParquetCOLLECTOR00000 rec/s
STAGE 01 · SOURCES DE DONNÉES
PROFONDEUR TECHNIQUE

Les questions que les ingénieurs de nos clients posent.

Nos réseaux incluent des couches physiques différentiables. La perte d'entraînement pénalise les sorties qui violent les lois de conservation et les relations constitutives de la classe d'actifs, le réseau est donc incité, tout au long de l'entraînement, à converger vers des solutions physiquement cohérentes.
Nous utilisons des ensembles profonds plus une tête softmax à échelle de température, validée chaque trimestre contre des résultats terrain mis de côté. Les diagrammes de fiabilité sont publiés dans le portail client.
Un ajustement par actif des paramètres constitutifs est requis (quelques heures, automatisé). Le cœur de raisonnement, lui, n'a pas besoin d'un réentraînement pour de nouvelles classes d'actifs à l'intérieur d'une famille couverte.
Oui. Nous supportons les déploiements entièrement sur site avec une synchronisation périodique, optionnelle, par opt-in, des motifs de mode de défaillance anonymisés.
QUAND VOUS ÊTES PRÊT

Du principe
à la pratique.

Passez trente minutes avec l'équipe qui bâtit le cœur de raisonnement. Nous vous présenterons comment la science s'arrime à vos actifs, et où elle ne s'arrime pas.