Depuis 2015 CYM fournit ses algorithmes et identifie les signes avant-coureurs de pannes sur les systèmes industriels.

Basé sur des années de R&D, CYM a créé Early Anomaly Detection System (EADS), Early Failure Prediction System (EFPS) et CLARIS (Classification and Regression for Industrial Systems).

Early Anomaly Detection System (EADS) est une méthode non supervisée d’identification des dérives sur les systèmes industriels, rendant accessible l’Intelligence Artificielle pour les industriels et leurs intégrateurs. Une fois déployé, cet algorithme permet de détecter un fonctionnement dégradé nécessitant une maintenance, et détecter un comportement anormal avant qu’une panne ou une rupture ne se produise.  Au-delà d’identifier les débuts d’anomalie, EADS permet de connaître les causes les plus probables associées à une perte de performance détectée. Ce modèle apporte l’assurance d’identification des dérives et de leurs causes et l’intervention ciblée des équipes opérationnelles.

Early Failure Prediction System (EFPS) est un algorithme original supervisé permettant d’assurer une attention toute particulière sur les données déjà identifiées d’un système industriel, utilisant un historique de signaux critiques avérés afin de calculer les probabilités de réalisation de divers types de pannes.

Classification and Regression for Industrial Systems (CLARIS) est un algorithme permettant de modéliser la quantité ou la qualité de fabrication d’un produit en temps réel afin de connaître, en permanence, les causes associées aux défauts de fabrication et réduire le taux de rebut d’une ligne de production.