INDUSTRIE FERROVIAIRE
Optimize asset maintenance through predictive costing
Notre client souhaite mieux planifier le coût des travaux d'entretien et de renouvellement du rail. L'objectif est de donner une estimation précise des coûts futurs en se basant sur des milliers de chantiers antérieurs, en utilisant des dizaines de critères. Ce modèle devrait également aider le chef de projet à optimiser les conditions sous lesquelles les travaux seront réalisés, comme la nuit, la période de l'année, la circulation alternée des trains, etc.
Le périmètre : 6 ans de données historiques - 8 milliards d'euros de travaux analysés - plus de 250 millions de lignes de données avec une douzaine d'attributs.
Notre Rôle
- Développer des modèles de régression par machine learning pour prédire les coûts.
- Développer des visualisations interactives. Celles-ci ont été essentielles pour comprendre les principaux facteurs de coût et pour engager l'équipe du client dans une approche davantage axée sur les données.
- Quantifier l'impact complexe de chaque facteur de coût sur la base de 6 années de données historiques.
Résultats
- Mise en œuvre d'un modèle avancé de prévision des coûts basé sur des données historiques et sur l'expertise industrielle.
- Delivered visual apps to explore historical data and cost correlations