Contexte métier:

Le modèle d’affaires des fabricants industriels tendait vers la vente des moteurs à prix faibles pour tirer des bénéfices sur la maintenance. Le département prévision des pièces de rechange disposait d’un outil Excel assez ancien pour ces études. Les capacités de calculs de l’outil au vu de la volumétrie étant limitées, le client a investi sur l’outil SAS pour effectuer ses analyses descriptives, diagnostiques et prédictives.

Enjeux:

• La direction souhaitais s’enrichir de nouvelles données internes et externes, les intégrer dans un outil puissant pour pouvoir simuler et effectuer des prévisions quant à la maintenance des moteurs

​​

Bénéfices attendus:

• Optimiser le modèle de maintenance et les modes d’approvisionnement et de fabrication des pièces de rechange

• Amélioration des modèles au vu de nouvelles données

• Performance des prévisions et des calculs

Activités:

Partie 1 : Intégration de la base de données projet

• Data engineering Conception, spécifications, développement, recette

Partie 2 : Modules fonctionnels projet

• Industrialisation et intégration de nouvelles fonctionnalités sur des méthodes métiers pour la prévision de chiffre d’affaires de Shop-Visit (passage en atelier) des moteurs de la flotte

• Définition de la segmentation opérateurs

• Définition des moteurs moyens au vu des caractéristiques techniques et de vol

• Simulation via des méthodes de Monte Carlo du cycle de vie des moteurs au vu de la durée de vie des pièces

• Projection du nombre de passage en atelier, des pièces à changer et du CA généré

• Etudes spécifiques sur des pièces clés pour décision du mode d’approvisionnement et de fabrication par des lois de survie

Acteurs:

• Sponsors: Département pièces de rechange

• Acteurs data clés: Equipe de data engineer, data analyst, data scientist, DBA,  édteur SAS…

• Métiers et SI: Département pièces de rechange, DSI

• Outils métiers: 

• Outils data: 

• Plateformes: