Skip to main content
RÉSULTATS DE LA RECHERCHE
Désolé, mais rien ne correspond à vos critères de recherche. Désolé, mais rien ne correspond à vos critères de recherche.
Désolé, mais nous ne pouvons pas traiter votre demande. Veuillez réessayer plus tard ! Désolé, mais nous ne pouvons pas traiter votre demande. Veuillez réessayer plus tard !
Suggestions de recherche

CAS CLIENT

Mettre au point la maintenance prédictive des chargeurs et batteries dans les véhicules électriques (VE)

Chiffres Clés Maintenance Batteries Expleo

Défi : Exploiter les données des pièces automobiles pour en tirer une nouvelle utilité

Pour maintenir son excellente réputation de leader en innovations, notre client, un grand constructeur automobile et fournisseur de solutions d’e-mobilité, souhaitait lancer un nouveau service : la maintenance prédictive des chargeurs embarqués et des batteries haute tension de ses véhicules électriques (VE).

Le client collectait de nombreuses données (véhicule, systèmes, appels d’urgence, etc.) avec sa plateforme cloud : il a demandé à Expleo d’exploiter ces informations pour prédire les pannes. Cependant, les approches classiques de traitement de signaux étaient inutilisables en raison du faible taux d’échantillonnage. 

Solution : Sortir des sentiers battus

En mobilisant ses compétences en ingénierie automobile et en y associant la science des données (data science), Expleo a créé une nouvelle méthodologie pour utiliser ces informations afin de classer les pannes. Les experts en data d’Expleo ont conçu un pipeline de machine learning (apprentissage automatique) basé sur ces signaux faibles pour prédire si/quand la batterie va tomber en panne, avec une précision des prédictions de défaillance des chargeurs embarqués avoisinant les 100 %, et un résultat similaire pour les batteries.

Résultat : Mission accomplie

Expleo a trouvé un moyen alternatif et innovant pour définir quelles données peuvent être utilisées pour classifier les pannes. Pour accomplir cette tâche, Expleo a utilisé ses compétences en ingénierie automobile combinées à la science des données. En conjuguant approche physique et des données, nous sommes parvenus à exploiter les codes d’erreur pour identifier les symptômes annonçant une défaillance.

Cette méthodologie globale est efficace – elle permettra de gagner du temps et de réduire les coûts. C’est aussi une façon intelligible de donner vie à la maintenance prédictive : étant donné qu’elle est basée sur les codes d’erreur, nous pouvons expliquer pourquoi l’algorithme prédit ou non une défaillance et corriger le problème (interprétabilité).

A terme, les services de maintenance prédictive permettront aux clients d’être alertés et de faire réviser leur véhicule en amont, plutôt que de risquer une panne sur la route. Cette nouvelle fonctionnalité augmentera la satisfaction des utilisateurs et par là-même, contribuera à améliorer la réputation de la marque de notre client.  

Avantages pour le client

  • Nouvelle offre d’e-mobilité et de maintenance prédictive  
  • Code source prêt pour la production  
  • Méthodologie globale pour la maintenance prédictive
  • L’architecture du véhicule n’a pas besoin d’être modifiée
  • La satisfaction du client final se voit augmentée grâce à la mise à sa disposition de nouveaux services à forte valeur ajoutée. 

SERVICE CLIENT & MAINTENANCE

Maintenance prédictive

Sur la base d’une grande quantité de données récoltées, Expleo peut offrir un service de maintenance prédictive à ses clients, leur permettant de planifier leurs opérations de maintenance à l’avance et d’en réduire les coûts.

Parlons-en

Contactez-nous

Separated they live in Bookmarks right at the coast of the famous Semantics, large language ocean Separated they live in Bookmarks right