Matthieu Quadrini, Product Owner - Thomas Serre, Responsable Technique & Denis Martin, Architecte Système – Michelin

1. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 1
MICHELIN @NEO4J GRAPH DAY
Calcul scientifique,
data science,
analyse de dépendance
et base de données graphes

2. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 2
Vidéo d’introduction

3. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 3
DENIS MARTIN
Architecte Système, département Advanced Research
Ingénieur en informatique - INSA de Lyon
Architecte principal d'une solution basée sur l'IoT pour la maintenance prédictive des pneumatiques.
THOMAS SERRE
Tech Lead, département Advanced Research
Docteur en physique subatomique - Université d'Aix-Marseille
Responsable technique des calculs scientifiques, de l’ingestion de données, et de la production d’Insights. Notamment pour
l’analyse de pression et de l’usure pneumatique en temps réel ainsi que la maintenance prédictive.
MATTHIEU QUADRINI
Product Owner, ligne business Services & Solutions
Ingénieur en électronique - INSA de Lyon
Product Owner de TIM (Tyre Information Management), une plate-forme mondiale pour les offres de services et l'analyse de
l'usage des pneus.

4. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 4
Nos utilisateurs ont besoins :
Up-to-date : Avoir des résultats de calcul le plus à jour possible
Résultats disponibles : Latences faibles lors de l’accès aux insights
Nous souhaitons une plateforme :
Performante : Pouvoir traiter des volumes importants
Ouverte à tous : Permettre le développement facile d’algorithmes
Economique : Ne recalculer que le juste nécessaire
Notre expérience nous recommande d’être :
Human proof : Permettre la correction d’erreurs de saisie ou de déclaration
IoT proof : Intégrer les informations qui arrivent en retard

5. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 5
Stream
analytics
Solutions du marché
Event-driven
Non monotone
Scalable
Résultats en cache
Notre besoin

6. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 6
Sujet
Algorithme
Résultat
Un modèle de Graphe Acyclique Orienté (DAG) nous
permet de modéliser nos principaux Use-Cases
𝐶𝑖𝑒1. 𝐶𝑜𝑛𝑠𝑜𝑇𝑜𝑡𝑎𝑙𝑒 = 𝐶𝑖𝑒1. 𝐶𝑜𝑛𝑠𝑜𝑀𝑜𝑦𝑒𝑛𝑛𝑒 × (𝑉𝑒ℎ1. 𝑂𝑑𝑜𝑚𝑒𝑡𝑟𝑒 + 𝑉𝑒ℎ2. 𝑂𝑑𝑜𝑚𝑒𝑡𝑟𝑒)
Mileage
[km]
Veh 1
117k
Mileage
[km]
Veh 2
12k
MPG
[l/100km]
Cie 1
22,5
Add.
[km]
Cie 1
129k
Mul.
[litres]
Cie 1
29k
is input of

7. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 7
Mileage
[km]
Veh 1
117k
Mileage
[km]
Veh 2
12k
MPG
[l/100km]
Cie 1
24
Add.
[km]
Cie 1
129k
Mul.
[litres]
Cie 1
30,96k
is input of
Nous devons mener une analyse d’impact à chaque fois
qu’une donnée d’entrée est modifiée, ou qu’un
évènement se produit.
La représentation sous forme de DAG rend cette analyse
très facile

8. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 8
Montes du pneu
Pneu Véhicule From To position
Primacy #2 DP-85-DX 01/01/17 01/06/18 (1,2)
Mesures usure
sur pneu
t
mm
Observations
Insights
Prédiction
fin de vie
t
mm
Mesures usure sur véhicule
DP-85-DX
@01/02/18
DP-85-DX
@15/03/18
3,4 3,3
3,3 mm 2,2mm
Données raffinées Données brutesDonnées intermédiaires

9. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 9
Modélisons une étape : « Mesures usure sur pneu »
ScientificResultUn nom et un format de données Liste de mesures
SubjectUn type d’asset Pneu
ScientificMethodUne méthode de calcul Jointure montes + mesures véhicule
Jointure
[mm]
Primacy #2
@T1: 3,3mm
@T2: 2,2mm
Le modèle
Une instance

10. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 10
Montes du pneu
Mesures usure
sur pneu
Observations
Insights
Prédiction
fin de vie
Mesures usure sur véhicule
Données raffinées Données brutesDonnées intermédiaires

11. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 11
Instanciation/activation du service pour le client1
Calcul par le moteur scientifique2
Stockage dans le cache de résultat3
Disponible à la demande4

12. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 12
DP-85-DX
3,3
1,2
Evénement : nouvelle mesure pour le véhicule DP-85-DX1
@30/03/18
Analyse d’impact : CALL apoc.path.subgraphAll(…)2
Recalcul des nœuds invalides3
Disponible à la demande4

13. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 13
Pneu Véhicule From To position
Primacy #2 AC-13-PY 01/01/17 01/01/18 (1,2)
Evénement : Correction d’une déclaration de monte1
Mis à jour lien dynamique2
Recalcul des nœuds invalides3

14. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 14
Neo4j
Base Graphe native
ACID
Ecosystème

15. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 15
Show me your graph!

16. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 16
Assets
Devices
Noeuds
11M de pneus & véhicules
215M d’observations ingérées
22M de nœuds de calcul
20M
900M
30M
Trend @2019Facts @2018

17. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 17
Traçabilité des
pneus
Maintenance
prédictive
Suivi du
kilométrage
Insights
Tyre Information Management
Datalake Services & Usages
Capture & gestion des données
Référentiels
Real-Time & Offline
Analyse/Science
TyreEOL
forecast
Tyre
mileage
Pressure
anomaly
Fleet
auto-setup

18. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 18
Référentiels
. . .
Pluralité des sources de données,
et tendance à l’accroissement rapide dans les
prochaines années.
Tyre Information Management
Datalake Services & Usages

19. File ref./subject : Michelin @Neo4j Graph Day Authors: Matthieu Quadrini, Thomas Serre, Denis Martin Date created: 13/11//2018 Page 19
Collaborative
Planning
Forecasting
Replenishement
Traçabilité des pneus
Maintenance prédictive
Suivi du kilométrage
Insights