AVIS
D’EXPERT
DeliveringTransformation.Together.
L’aéronautiqueestdeplusenplus
exigeanteenmatièrededonnées
relativesauxessaisavant
certificationdesavions.Laméthode
consisteàplacerdescapteursde
testssurl’appareil(vitesse,pression,
accélération,température,
position…Ilyenaquelque6000sur
unA350parexemple!),età
comparerlesmesuresavecles
valeursattendues(fourniesparle
bureaud’étudesou
l’équipementier).Toutécart
enregistrétrahituneanomaliequi
doitêtrecorrigéeafindegarantirla
sécuritédel’appareil.Or,latâche
estarduecarlevolumededonnées
produitesparlesvolsd’essaidouble
àchaquegénérationd’avion,à
causedelasophisticationcroissante
dessystèmes.
Augmenterla
productivitédestests
Toutleproblèmeestdepouvoir
analyserlesdonnéesrecueillies,et
surtoutdelescroiserentrelesvols
d’essaisuccessifs,sachantqueles
volumessontdonccolossaux
(2téraoctetsdedonnéesparvol)et
répartissurdescentainesde
testeurs,chacunenresponsabili
d’unepartiedel’avion.Des
opérateurs,situésdansdesbureaux
d’étude,doiventpouvoirexploiter
simultanémentcesdonnées
répartiesentreplusieursvols
successifs.Alorscomment
augmenterlaproductivitédeces
tests,toutenlesfiabilisant?
Comment,ditplusdirectement,
améliorerleROIdesessais?
Sanscompterlesdélais…Lesvols
d’essais’enchainent,souventàun
rythmequotidien.Pourdéclencher
levoldulendemain,ilestpréférable
d’analyserlesrésultatsdujour,de
vérifierlacohérenceentrecapteurs
etinstrumentationembarquéeetde
corrigerlesanomalies etmieux
encored’anticiperlespannes(faire
delaprédiction).
Lasolutionvientd’internet,viades
domainescommelemarketinget
l’analysecomportementale:c’estle
big dataqui,rappelonsle,consisteà
traiterdegrossesmassesde
donnéesnonstructuréesàl’aidede
nouvellestechnologiescommela
businessintelligence,alorsqueles
outilsclassiquesdegestionde
l’informationoudebasededonnées
montrentleurslimites.
Lesessaisenvoldenouveauxappareilsnécessitentdemesurer,decollecter,puisde
traiterdeplusenplusdedonnéesdansdesdélaisdeplusenpluscourts.Les
méthodesévoluentégalement:onchercheàpasserdel’analysevolparvoletsystème
parsystèmeaumultivolmultisystèmeafindecroiserlesinformations…
Commentinterpréteralorsdestéraoctetsdedonnées?Solution:lebig data,qui
devraitpermettred’accélérerlestestsetmêmeàtermederéduirelenombred’essais
envoletdonclecoût.C’esttoutl’enjeudecetteméthodenovatricedansl’industrie.
Aéronautique:accélérerles
essaisenvolgrâceaubig data
Jusqu’ici,pourlesessaisenvol,il
n’yavaitpasdebasededonnées:
l’accèssefaisaitdefaçon
séquentielleetlestockageétait
limitéàtroismois,alorsqu’une
campagned’essaisdureseptàdix
huitmois.Deplus,l’analysedes
donnéesavaitlieuvolparvolet
systèmeparsystème.
Lebig datachangeradicalement
leschoses.
www.soprasteria.com
AproposdeSopraSteria
Sopra Steria, leader européen de la transformation numérique, propose l’un des portefeuilles d’offres les plus complets du marché :
conseil, intégration de systèmes, édition de solutions métier, infrastructure management et business process services. Il apporte ainsi
une réponse globale aux enjeux de développement et de compétitivité des grandes entreprises et organisations. Combinant valeur
ajoutée, innovation et performance des services délivrés, Sopra Steria accompagne ses clients dans leur transformation et les aide à
faire le meilleur usage du numérique. Fort de 37 000 collaborateurs dans plus de 20 pays, le groupe Sopra Steria affiche un chiffre
d’affaires pro forma 2014 de 3,4 milliards d’euros
SopraSteria DirectionCommunication&Marketing
Lebig datapourréduire
lenombred’essaisenvol
Lebig datachangeradicalementles
choses.Ilestdéjàutilisédansde
nombreusesapplicationscomme
l’analysededonnéesclimatiques,
desposts surlesréseauxsociaux,
desvidéospubliéessurinternet,des
transactionsenligne,etc.
L’employerdansl’industrie,eten
particulierdansl’aéronautique,est
plusnovateur.Carjusqu’ici,pourles
essaisenvol,iln’existaitpasdebase
dedonnées:l’accèssefaisaitde
façonséquentielleetlestockage
étaitlimitéàtroismois,alorsqu’une
campagned’essaisdureseptàdix
huitmois.Deplus,àcourtterme,au
lieud’analyserlesdonnéesvolpar
voletsystèmeparsystème,ilsera
nécessairedepasseràl’analyse
multivoletmultisystèmeafin
d’améliorerladétectiondes
incidents,detrouverauplusvitela
causedesproblèmesetderéduire
lenombredevolsd’essai.
L'objectifn’estcependantpasde
toutbouleverser.Lesanalysesetles
correctifsd’anomaliesdoivent
resterl’apanagedesopérateurs
humains.Ici,ils’agitdefaciliterle
travailenaméliorantl’accès
concurrentauxdonnées,etnonpas
dechangerlesoutilsd’analyseetde
visualisationdéjàdéveloppésen
interneparl’avionneur,niremettre
encauselesméthodesdetravaildes
utilisateurs,lesopérateursdetests
quipeuventainsiseconsacrerà
leurvraimétierd’ingénieur.
Unedoublecompétence
nécessaire
Denombreusesprécautionsdoivent
êtreprises.D’abord,pouraméliorer
l’accèsconcurrentauxdonnées,il
estessentieldevérifierla
compatibilitédestechnologiesde
big dataaveclesstandards
aéronautiquesdel’avionneur.Pour
cela,ilfautréaliserun
démonstrateurdefaisabilité.Le
choixdelasolutionestimportant,
pourproduireunemaquette
adaptéeàl’usageindustrieletêtre
soumisautestd’acquisitionde
données.Onva,parexemple,
mesurerlaréponsedesmaquettesà
l’injectiondedonnées,d’abordpour
quelquesutilisateurs,ensuite
jusqu’àtroiscentsutilisateurs
simultanés.Lesperformances
obtenuesserontcomparéesàcelles
delaplateformeclassique
existante.
Etpourconfigureraumieuxle
système,ilfauts'adapteraucas
d'usage.Pourgarantirune
utilisationoptimaleetcollerau
besoindel'application,pasmoinsde
centparamètressontajustables.
Agirsurunseuld'entreeuxpeut
influersurtouslesautres!Ilfaut
allierexpertisedubig dataet
connaissancedel’applicationpour
aboutirauxbonsréglages.
Aufinal,lacompétencetechnique
estdoubléeàunebonne
connaissancemétier.
UnROItangible
L’avenirdecetypedesolution,déjà
opérationnellechezungrand
avionneur,résidedanslapuissance
qu'ilseraàmêmedeproposeraux
testeursdansdescasd’usage,pour
corrélerlesdonnéesdeplusieurs
essaisentreeux,voirelescorréler
avecd’autresdonnéeshorstests,
commelamétéo,desinformations
surl’équipageouplusgénéralement
desmétadata.Plustard,ilsera
mêmeenvisageabled’améliorer
ainsilamaintenanceprédictivedes
avionsdescompagniesaériennes.
D’oresetdéjà,desrésultatspositifs
ressortentaprèsplusieursvols.Sile
gainestfaiblepouruntesteurpris
isolément,ilestimportantpour
plusieurstravaillantsimultanément.
Ainsi,onapuconstater,pourune
pannedite«complexe»,qu’un
tempsdediagnosticpeupasserde
50 heuresentestclassiqueà
2heuresaveclebig data…Par
exemple,1000paramètressont
analysésàchaqueseconde.
Notammentdanslaphasefuturedu
projet,quivise,entreautres,à
mettreenplacedesalgorithmesde
prédiction,permettantd’anticiper
lespannesdeséquipementsd’essai,
d’éviterderefaireunvolpourun
problèmedepanne‐ pourrappel
uneheuredevolcoûte10000$‐ et
d’éviterletestdebonfonctionnent
deséquipementsd’essaiavantle
vol,quipeuventprendreégalement
plusieursheures.
Dansl’aéronautique,lebig
dataserévèleunoutil
pertinentetefficacepour
réduirelestempsdetest,
augmenterleurROIetmême,
àterme,diminuerlenombre
desessaisenvoletledélaide
qualificationd’unavion.
Expertises
Applicationsindustrielles:mobile,
web,scientifique
Segmentsolouembarqué
Valorisationdeladonnée
Auteur
SylvieTeysseyre
Responsablepôle
LogicielCritiquechez
SopraSteria
1 / 2 100%
La catégorie de ce document est-elle correcte?
Merci pour votre participation!

Faire une suggestion

Avez-vous trouvé des erreurs dans linterface ou les textes ? Ou savez-vous comment améliorer linterface utilisateur de StudyLib ? Nhésitez pas à envoyer vos suggestions. Cest très important pour nous !