Merci pour ce talk super intéressant. Pour moi l'étude de la criticite des données est impossible car toutes les données le sont dans la distance et sont interdépendantes. Par contre, l'IA va aider à identifier les situations critiques sous condition de maîtriser une ontologie au niveau de l'entreprise. Donc glossaire, taxonomy, modélisation sémantique...
vaste débat. considérer toutes les données en critique va poser le risque de maîtriser et analyses des masses de données très (trop importante). Les process de fabrication doivent être robustes (et ne pas avoir trop de paramètres critiques) sinon il y a un problème de conception et validation des procédés.
Merci pour ce talk super intéressant. Pour moi l'étude de la criticite des données est impossible car toutes les données le sont dans la distance et sont interdépendantes. Par contre, l'IA va aider à identifier les situations critiques sous condition de maîtriser une ontologie au niveau de l'entreprise. Donc glossaire, taxonomy, modélisation sémantique...
vaste débat. considérer toutes les données en critique va poser le risque de maîtriser et analyses des masses de données très (trop importante). Les process de fabrication doivent être robustes (et ne pas avoir trop de paramètres critiques) sinon il y a un problème de conception et validation des procédés.
Un filet de protection n'est pas censé recevoir tous les cailloux, un contrôle en amont est nécessaire a plusieurs étapes
Bientôt la suite. Retrouvez en fin de vidéo le lien pour celle sue data integrity