Entraîner un modèle de prédiction des pannes de véhicules de transport

• Entraîner un modèle de prédiction des pannes de véhicules
• Préparer et évaluer les données de maintenance de la flotte
• Interpréter les alertes produites pour décider des interventions

Data analysts, responsables maintenance, ingénieurs de flotte

Notions de statistiques et de données de maintenance de flotte

• Définir l’objectif de prédiction des pannes d’une flotte de véhicules
• Identifier les données utiles : historique, télématique, codes défaut
• Nettoyer les données et traiter les valeurs manquantes ou aberrantes
• Construire les variables explicatives : usage, usure, conditions de roulage
• Séparer les données d’entraînement et les données de test du modèle
• Choisir un algorithme de prédiction adapté au problème de maintenance
• Entraîner le modèle et régler ses principaux paramètres
• Évaluer la qualité des prédictions : alertes justes, fausses alertes, oublis
• Interpréter les facteurs qui expliquent le risque de panne d’un véhicule
• Décider du seuil d’alerte et du suivi du modèle après sa mise en service

• Nettoyer un jeu de données de pannes de véhicules de transport
• Mesurer les fausses alertes et les oublis d’un modèle
• Fixer un seuil d’alerte adapté à l’activité de l’atelier

• Modèle de fiche de préparation des données de maintenance
• Check list d’évaluation d’un modèle de prédiction des pannes
• Guide d’interprétation des alertes de panne d’un modèle