Contexte Métier
Dans une usine connectée, des milliers de capteurs envoient des relevés de température en continu. L'équipe de maintenance prédictive veut visualiser la distribution des températures par ID de machine pour détecter des plages de surchauffe, en regroupant les valeurs continues en classes (bins) lisibles.
Préparation des Données
Simulation volumétrique de 50 000 relevés de capteurs
Copié !
| 1 | |
| 2 | DATA casuser.iot_sensors; |
| 3 | call streaminit(123); |
| 4 | DO i=1 to 50000; |
| 5 | MachineID = cat('M_', rand('integer', 1, 5)); |
| 6 | Temperature = 40 + rand('normal', 10, 15); |
| 7 | OUTPUT; |
| 8 | END; |
| 9 | |
| 10 | RUN; |
| 11 |
Étapes de réalisation
1
CrossTab sur données volumétriques avec discrétisation automatique (Nice Binning)
Copié !
| 1 | |
| 2 | PROC CAS; |
| 3 | SIMPLE.crossTab / TABLE={name='iot_sensors'} row='Temperature' col='MachineID' rowNBins=10 niceBinning=true; |
| 4 | |
| 5 | RUN; |
| 6 |
Résultat Attendu
Traitement rapide des 50 000 lignes. La table 'CrossTab' doit présenter la variable 'Temperature' découpée en 10 intervalles optimisés (ex: 20-30, 30-40...), croisée avec les 5 machines, permettant d'identifier visuellement les outliers thermiques.