Module de maintenance préventive par Machine Learning

Machine LearningRandom ForestPythonDockerOracleAngularGitLab

01 Client et contexte

Notre client est l'autorité publique chargée de la gestion du spectre hertzien et du contrôle des stations radioélectriques en France. Son application FCS (et FCS Mobile) pilote les contrôles terrain des milliers de stations sur le territoire national.

02 Objectifs

Intégrer un module IA de ciblage préventif dans l'application FCS pour prioriser automatiquement les contrôles selon la probabilité de non-conformité de chaque station réduisant ainsi les déplacements inutiles et concentrant les ressources sur les stations à risque.

03 Réalisations

Préparation des données :

•Scripts de nettoyage et filtrage des données historiques de contrôle
•Structuration des datasets pour l'entraînement du modèle

Modèle Random Forest :

•Entraînement du modèle sur l'historique des non-conformités
•Intégration dans l'application FCS et FCS Mobile
•Déploiement sur la VM de calcul dédiée

Interface et monitoring :

•Affichage des scores IA par station (de 1 % à 100 % de probabilité d'anomalie)
•Classement dynamique des stations par niveau de risque
•Graphiques et indicateurs de suivi de la performance des prédictions

04 Technologies

Python, Random Forest, Docker, Oracle, Angular, GitLab.

05 Accompagnement & compétences

•Collaboration étroite avec les équipes techniques
•Adaptation aux contraintes techniques spécifiques (VM de calcul, Oracle)
•Force de proposition sur les évolutions possibles du module
•Livraison d'un outil opérationnel en moins de 3 mois

Prêt à démarrer ?

Vous souhaitez prioriser vos actions terrain grâce à des scores de risque calculés par ML ?

Nous contacter Découvrir notre expertise IA Nos autres références