Avec l'accord de nos clients, nous vous présentons certains cas d'usages sur lesquels les equipes de Data2i ont été amenées à travailler :
Analyse prédictive sur données de géo-localisation
Pour la CMA CGM, numéro 3 mondial du transport maritime par conteneur, nous avons produit un système pour prédire les trajectoires des navires en mer.
Suite à notre restitution en novembre 2015, nous avons remporté le challenge face à IBM et SAP.
Grâce à notre solution, CMA-CGM est en mesure de détecter au plus tôt les changements de destination d’un navire partenaire, pour adapter dans les meilleurs délais la logistique afin de récupérer les containeurs à leur nouvelle destination.
Notre client a donc nettement amélioré sa réactivité et préserve ses délais de livraison en cas de perturbation imprévue dans la chaîne logistique.
Environnement technique : postgresql, postgis, machine learning non supervisé, clustering, dataviz, javascript, C/C++, linux.
Enjeux métier et bénéfices obtenus :
- Réactivité, agilité de la logistique en cas de changement de route inopiné d’un partenaire
- Meilleure connaissance des services concurrents
Diagnostique automatique de maintenance des moteurs d’avion
L’AIA (Atelier Industriel de l’Aéronautique) s’occupe de la maintenance des moteurs à réactions. Toutes les 200h heures de vol, les moteurs sont démontés puis équipés de +600 capteurs avant d’être passés au banc d’essais pour des tests de plusieurs jours. Les données sont ensuite analysées pour détecter si le moteur nécessite ou non une maintenance. Le système de machine Learning que nous avons développé permet de prédire, lors des toutes premières phases de test, dans 80% des cas, si le test du moteur sera satisfaisant ou non. Nous avons également conçu un outil pour la visualisation massive des données de capteurs. Basé sur une interface WEB il est directement accessible par tous les utilisateurs.
Grâce à notre logiciel, qui tourne sur une infrastructure standard, l’AIA peut réaliser des gains importants en termes de réduction du temps d’indisponibilité des avions ainsi qu’en économie de carburant pour les tests.
Environnement technique : Python, hadoop, Hive, Hbase, Flask, machine learning supervisé, detection de pattern.
Enjeux métiers et bénéfices obtenus :
- Réduction des coûts des tests, économie très importante de carburant
- Immobilisation réduite pour 30% des moteurs
- Amélioration significative des opérations de réétalonnage des capteurs
Algorithme d’analyse de texte en langage naturel
Pour un client grand compte dans le domaine de la communication, nous travaillons sur un système de « text mining » pour classifier automatiquement des articles de la grande distribution sur la base de leur description textuelle. Nous catégorisons actuellement 500 000 articles en moins de 2 minutes avec la puissance d’un ordinateur portable. Nous obtenons un excellent taux de réussite de 97%. Nous recherchons actuellement des moyens fiables pour identifier les 3% en échecs (indice de confiance).
Notre client gagne un temps précieux grâce à notre solution qui permet d’automatiser la catégorisation d’articles qui était réalisée manuellement.
Environnement technique : machine learning supervisé, text mining, NLP (Natural Language processing), R, R-SHINY, Solr.
Enjeux métier et bénéfices obtenus : Retour sur investissement rapide grâce à l’automatisation de la catégorisation de plusieurs milliers d’articles par jour en entrée d’un site de e-commerce.
Maintenance prédictive des feux de croisement
Pour la ville de Paris, nous avons conçu un système de détection de signaux faibles dans des données internes et externes pour améliorer les opérations de maintenance et minimiser les risques de pannes sur les feux rouges.
Nos algorithmes prédictifs permettent à la ville de Paris de prévoir + 10% des pannes sur l’ensemble du parc des feux de croisement de la ville de Paris et par conséquent, minimiser le taux de panne et optimiser les opérations de maintenance préventives.
Figure 1 : exemple de restitution
Environnement technique : Python, Oracle, javascript, machine learning.
Enjeux métiers et bénéfices obtenus :
- Meilleure connaissance du mobilier urbain et identification des critères favorisant les pannes (météo, vibration)
- Réduction de 30% des interventions curatives
- Optimisation des opérations de maintenance préventive
- Réduction des coûts et des délais d’intervention grâce à une meilleure organisation des équipes en intervention
Maintenance prédictive des chaufferies de Paris
Grâce à notre système d’analyse des interventions curatives et préventives, le croisement avec open data et les données techniques, notre client a amélioré sa connaissance de son parc de chaufferie ce qu’il lui a permis des gains financiers grâce à l’optimisation des opérations de maintenance préventives, la prédiction des pannes et l’identification des installations atypiques.
Enjeux métiers et bénéfices obtenus :
- Meilleure connaissance des chaufferies et identification des critères favorisant les pannes
- Réduction des interventions curatives
- Optimisation des opérations de maintenance préventive
- Dimensionnement et organisation des équipes d’interventions
Prédiction de remplissage des bacs de recyclage pour la ville de Paris
Enjeux métiers : dimensionner en volume et positionner des bacs de recyclage à la suite d’une expérimentation et en fonction de la typologie socio-économique des quartiers de paris.