top of page

Transport

Maintenance prédictive

L’IOT (Internet des Objets) et la multiplication des capteurs sur les équipements industriels développent de nouveaux usages.

​

Quantmetry met en œuvre un socle algorithmique qui permet de répondre aux besoins de hiérarchisation de l'information pour des décisions plus efficaces et automatisables.
La surveillance de systèmes, l’optimisation de plan de maintenance, l’anticipation de panne ou encore l’analyse d’impact de décisions d’investissement sont quelques sujets déjà traités par l’utilisation d’algorithmes performants dans la détection de signaux faibles ou de la survenance d’évènements rares.

 

Le retour sur investissement de l’exploitation de ces données est observable en moins de 6 mois.

SUCCESS STORY

Contexte

 

Chaque retard pénalise des milliers de voyageurs et détériore l’image de marque de l’entreprise. La maintenance préventive (planifiée et cyclique) et la maintenance curative ont un coût très élevé. Prévenir les défaillances en exploitation, c’est améliorer la qualité de service, réduire les retards et les effets cumulatifs, et améliorer la performance financière. Le développement des objets connectés rend possible la maintenance prédictive : anticiper les défaillances pour réparer avant la panne avec la détection de signaux faibles.

​

Grâce à l’utilisation des données produites par les équipements industriels (Objets connectés), des données issues du SI de l’entreprise et  enrichies par des informations de contexte extérieures, Quantmetry a construit des modèles de prédiction de pannes en s’appuyant sur des analyses statistiques avancées et des techniques de machine learning. Ce travail a été mené en collaboration avec les équipes métier qui ont apporté leur connaissance du terrain et validé l’approche et les résultats.

Démarche suivie​

​

Quantmetry accompagne son client dans :

  • L’intégration de diverses sources de données dans un environnement adapté pour des projets POC Big Data

  • La qualification des sources en terme de qualité et de pertinence

  • L’identification des signaux précurseurs des défaillances

  • La réalisation de modèles prédictifs avancés industrialisables

  • La gestion de projets de Data Science

  • Le choix de son architecture cible de test et d’amélioration des modèles dans un environnement de production

Nous passons d’une maintenance corrective classique à une maintenance connectée avec laquelle on connait les pannes qui se sont produites sur les rames. Nous pouvons ainsi avoir une démarche proactive de maintenance en choisissant le bon technocentre où vont s’effectuer les réparations et en mobilisant les techniciens et moyens les mieux adaptés à cet effet.

Chef de projet télédiagnostic à la direction du matériel à la SNCF

ACTUALITÉ

Article sur notre blog
On parle de nous
​
Quantmetry & SNCF dans Les Echos !

Pour anticiper et prévenir les risques de panne, SNCF se lance dans l’analyse prédictive à partir du traitement automatique d’importants flux de données, en partenariat avec les « Data Scientists » de la startup Quantmetry.

bottom of page