Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.
#Tech4Exec
#Tech4Exec
Comment le machine learning a permis à Air France
d’anticiper les pannes de ses A380?
Isabel Gomez
Directrice d...
Les acteurs : le département de recherche opérationnelle AFKL
→  Membres: 55 internes, 59
externes & étudiants
→  11M€ de ...
Augmenter la compétitivité via l’optimisation (depuis 1958)
En 2016, la RO a contribué à 50M€ de bénéfices et a augmenté l...
Modèles prédictifs : machine learning et big data (depuis 2005)
Meilleur outil sur le marché combinant
Machine learning, B...
Team rewards and challenge
Winners of 2017 Hackathon PSA
March madness bracket NCAA
basket tournament
Forecast model for a...
Research & Education ecosystem with top universities
First Academic Chair on “Operations Research and Machine Learning”
OR...
OR & Big Data & Machine Learning expertise to accelerate adoption of AI
Employes
Drive differentiation
through 1-1
persona...
Le projet Prognos
Prognos prédictif : anticipation de panne
Processing		
des	données	
Monitoring		
et	alertes	
Recommmanda3on	
des	experts	m...
Prognos curatif : recherche de panne accélérée
Le	mécanicien	suit	le	manuel	de	recherche	de	panne	
o  Jusqu’à	3	semaines	e...
Prognos : la genèse
+
Prototypage d’un algorithme de prédiction sur 3 mois, soit ~50k€
Un succès immédiat
13
Processing	
des	données	
Monitoring	
des	alertes	
Recommanda3on	
des	experts	mé3ers	
Opéra3ons	de	
m...
Processing des données
Envoi des
donneés cryptées
Stockage et décryptage
des données
Calcul des predictions sur un
environ...
Représentation de l’ATA 28
Suivi de l’indicateur de panne
Prognos détecte le signal de panne avant qu’elle ne survienne
Fiabilité et efficacité accrues
1 événement tous
les 1000 vols
La pompe à carburant est l’un des composants les plus
criti...
Bilan des interventions
100%	des	immobilisa/ons	évitées		
Aucune	immobilisa3on	en	2	ans	liée	à	une	
défaillance	de	l’ATA	2...
Charte Tech4Exec
Subjects ?
Prochain SlideShare
Chargement dans…5
×

Tech4Exec - Comment la maintenance prédictive a permis à Air France d’anticiper des pannes ?

89 vues

Publié le

Dans un format intimiste, Tech4Exec démystifie, le temps d’une matinée, les sujets et technologies stratégiques du moment, pour en comprendre les implications, les déclinaisons opérationnelles concrètes et leur intérêt pour l’entreprise.

Le format est simple et efficace : 15 mn de vulgarisation, 25 mn de mise en oeuvre et 1h de retours d’expérience client.

La vidéo est disponible ici : https://youtu.be/MrXPTbl2aqM
https://tech4exec.fr/

Publié dans : Technologie
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Tech4Exec - Comment la maintenance prédictive a permis à Air France d’anticiper des pannes ?

  1. 1. #Tech4Exec
  2. 2. #Tech4Exec Comment le machine learning a permis à Air France d’anticiper les pannes de ses A380? Isabel Gomez Directrice du département de recherche opérationnelle et data science Air France-KLM Benoit Robillard Manager dans le département de recherche opérationnelle et data science Air France-KLM sur les sujets opérations
  3. 3. Les acteurs : le département de recherche opérationnelle AFKL →  Membres: 55 internes, 59 externes & étudiants →  11M€ de budget annuel →  Age moyen inférieur à 30 ans Optimisation Intelligence artificielle - Machine learning Big Data - Analytics Développement Expertise métier Curiosité Innovation Proches des métiers Orientés résultats Motivés par la creation de valeur Activité de consulting Prototypes & projets Transverse aux métiers de la compagnie Combinée AFKL Représentants à Paris et à Amsterdam Proches de partenaires académiques et industriels
  4. 4. Augmenter la compétitivité via l’optimisation (depuis 1958) En 2016, la RO a contribué à 50M€ de bénéfices et a augmenté les revenus du B2C de plus de 100M€ grâce à des outils d’optimisation Personnel Navigant & ressources aéroport Planification des personnels navigants, préférences et échanges, consulting sur les négociations Gestion des agents sol, des points de parking, des bagages Réseau & Hub Plannings avions, modèles de part de marché, definition du programme de vol Operations Cargo Maintenance Position des palettes et revenue management Filiales Plannings de maintenance, dimensionnement des hangars Optimisation et suivi du demi-tour avion KLC, support programme pour Transavia Ventes Proxy TripPlanner: horaires des vols et voyages, disponibilité et informations tarifaires
  5. 5. Modèles prédictifs : machine learning et big data (depuis 2005) Meilleur outil sur le marché combinant Machine learning, Big data et Optimisation Dynamic pricing: Modelisation de “la propension à payer" connecté aux données B2C pour analyser l’élasticité des prix et le comportement client à la recherché et à l’achat Prévision de recette AF/KL/Hop Prévision PAX (commissariat, Hub, Cargo, stations…) Absentéisme Modèle de rédemption Flying Blue Modèle prédictif de NPS RM passage et Cargo Modèles de prévision Plateforme big data OCP Recommandation de destination Options payantes : upgrades, repas spéciaux Predictive Maintenance Maintenance curative : accelérer le diagnostic des pannes Maintenance prédictive : éviter les pannes à partir des données Analyse de texte Classification automatique des rapports de vol Analyse des enquêtes de satisfaction Analyse de sentiment Performance des opérations Etendre l’usage du big data pour les operations via PerfOps and Flight 720 projects En 2016, le RM AFKL a contribué à réduire l’impact sur le revenu La maintenance predictive est en cours de déploiement massif
  6. 6. Team rewards and challenge Winners of 2017 Hackathon PSA March madness bracket NCAA basket tournament Forecast model for absenteeism in manufacturing line using web data (illness index, traffic, transpiration strikes …) Several groups of OR team members participating to the forecast contest of NCAA basket final results 2016 MRO Lab Innovation Prize Winners of 2016 Hackathon « Customer » Machine learning based solution to forecast customers requests in case of disruption and prepare man power accordingly. Includes a chatbot to process customer requests Special innovation price. Beyond the audacious idea, the teamwork between business, IMO and it was recognized as key for the speed of bringing the idea to reality Google Hash code 2018 294/ 4900 participants
  7. 7. Research & Education ecosystem with top universities First Academic Chair on “Operations Research and Machine Learning” OR week lecture (Athens week) OR projects & lectures - Long term partnership to develop full potential in combining optimization and machine learning - Build a first in kind education cursus combining these two OR team delivers one fully week of OR lecture to MD students Data analytics case studies Econometrics lectures & Case studies Business partner for new researches Research programs on trafic, decision support, automation OR team joined Fast Forward program to accelerate learning
  8. 8. OR & Big Data & Machine Learning expertise to accelerate adoption of AI Employes Drive differentiation through 1-1 personalization •  Powering OCP platform with recommendation engines & best next actions •  Personalized Pricing & Offers, buy-up •  NPS: Analysis, decision support based on forecast, link PerfOps to NPS •  Automatic interactions: Virtual assistants, chatbots •  Entertainment scale expertise, HR ambition, people development •  People Development: Overall employee platform •  Smart crowd sourcing: skills platform •  Augmented employee : text mining, virtual assistants •  People engagement: Risk management, flexibility in rules & regulations Integrate, visualize, and leverage data in Operations, E&M, Cargo & IT •  Recovery: forecast, massive data processing to anticipate disruption, •  MRO : Predictive maintenance & optimized logistics •  Logistics handling for Cargo •  Enhanced operations: AR/VR, IoT •  Risk based network schedule, fleet utilization •  IT: machine learning for automation at scale (test, monitoring, …) Combine the power of optimization, Big data & machine learning with new capabilities: IoT (Internet of Things), voice recognition, chatbots, VR/AR (Virtual Reality/ Augmented Reality), robotics, video analytics, drones, blockchain …) Supporting Joon, PerfOps, HPO, Digitizing …
  9. 9. Le projet Prognos
  10. 10. Prognos prédictif : anticipation de panne Processing des données Monitoring et alertes Recommmanda3on des experts mé3er Opéra3on de maintenance Processing Des données Monitoring et alertes Collecte de données à l’a;errissage (wifi and 4G) Feedback Période au sol programmée
  11. 11. Prognos curatif : recherche de panne accélérée Le mécanicien suit le manuel de recherche de panne o  Jusqu’à 3 semaines en cas de pannes sporadiques o  Remplacements non nécessaires Le mécanicien suit les indica3ons de Prognos o  Le système défaillant est immédiatement connu o  Seule l’opera3on de remplacement est réalisée +
  12. 12. Prognos : la genèse + Prototypage d’un algorithme de prédiction sur 3 mois, soit ~50k€
  13. 13. Un succès immédiat 13 Processing des données Monitoring des alertes Recommanda3on des experts mé3ers Opéra3ons de maintenance Alerte prognos : Pompe en posi3on NOGO détectée défaillante 3 semaines plus tard, panne de la pompe à Shanghai 2 jours d’immobilisa/on de l’avion à Shanghai évités (~500k€) 20 jours d’anticipation Echange de posi3ons : pompe suppose défaillante en posi3on non cri3que pour étude et pompe fiable en posi3on cri3que Echange réalisé Période au sol programmée
  14. 14. Processing des données Envoi des donneés cryptées Stockage et décryptage des données Calcul des predictions sur un environnement big data Stockage des prévisions Affichage des résultats Enregistreur SAR Enregistrement des données en continue 1 Go de donneés par vol Grande capacité de stockage sur Hadoop Calcul rapide avec Spark Algorithmes de machine learning Notification push Application web Politiques d’accès sécurisé
  15. 15. Représentation de l’ATA 28
  16. 16. Suivi de l’indicateur de panne Prognos détecte le signal de panne avant qu’elle ne survienne
  17. 17. Fiabilité et efficacité accrues 1 événement tous les 1000 vols La pompe à carburant est l’un des composants les plus critiques pour un Airbus A380 En 2016 et 2017, la fiabilité des pompes à carburant des A380 AF était deux fois meilleure que la moyenne mondiale Délais techniques également réduits (3 semaines à 3 jours) Flotte AF A380 – taux de panne des pompes à carburant
  18. 18. Bilan des interventions 100% des immobilisa/ons évitées Aucune immobilisa3on en 2 ans liée à une défaillance de l’ATA 28 100% de précision Tous les équipements détectés défaillants par Prognos ont été confirmés défaillants 10 à 20 jours d’an/cipa/on Durée observée en moyenne Economies 2+M€ d’économies depuis 2015 ATA 28 22 pompes carburant 4 valves Re3rées sur signal de Prognos Toutes confirmées défaillantes par l’équipemen3er ATA 32 5 train d’a;errissage avant 1 train d’a;errissage central Re3rés sur signal de Prognos Tous confirmés défaillants par l’équipementier ATA 21 2 permuta3ons de composants sur le système de refroidissement complémentaire ATA 36 Premiers retraits effectués, en attente du retour des équipementiers ATA 24 Développements à venir
  19. 19. Charte Tech4Exec
  20. 20. Subjects ?

×