Etude et réalisation de modèles prédictifs des pannes de moteurs de camions

Pour un groupe international automobile, planification de maintenance afin d’optimiser la disponibilité des véhicules ainsi que le portefeuille des clients.

Objectifs :

  • Construire des durées de vie précises pour chaque composant
  • Implémenter un algorithme de nettoyage sur une base de données afin de supprimer et/ou corriger les valeurs aberrantes et outliers
  • Etablir des prédictions de pannes pour chaque véhicule à partir de méthodes de statistiques

 

Environnement :

  • Technique : Windows, R-Studio, SPSS Modeler, Netezza (base de données IBM)

Challenges :

  • Se familiariser avec les bases de données.
  • Ressortir des tendances à partir de méthodes type machines learning afin de classifier les composants en diffèrent usage.
  • Optimiser les algorithmes permettant de l’appliquer à un gros volume de données.
  • Echanger avec les experts métiers adaptés aux problématiques permettant de cibler les paramètres intéressants dans nôtres études.
  • Faire le lien entre les statistiques et les phénomènes métiers

Prestations :

  • Mise en place de sujet type PoC
  • Amélioration des durées de vie des composants prédéfinies
  • Projet pour Renault-Trucks : Comparaison entre véhicules à partir de données loguées afin d’aider le monde commercial des véhicules d’occasion en « cernant » le véhicules
  • Implémentation du nettoyage de données en cours
  • Accompagnement au changement