TERADATA

France Teradata

+33(0)1 81 89 14 08

www.teradata.com

Analytique

API

Applications

Dataviz

Infrastructure

Institutionnels

Consultants/SSII

Intégrateurs

Teradata aide les entreprises à générer plus de valeur à partir des données quel que soit leur format
et provenance. Nos solutions analytiques multi-genre, les architectures Big Data flexibles que nous proposons  et nos experts  aideront  votre société à obtenir un avantage compétitif durable grâce
à l’analyse des données.

Vous utilisez ainsi toute la valeur et la pertinence tirées de l’analyse des données pour être plus performant, plus agile, plus innovant et encore mieux servir vos clients et votre stratégie.

 

           

 

 

Siemens : Rendre les services ferroviaires fiables en combinant Analytique et Big Data

 

L’importance du Big Data

La division Siemens Mobility Data Services tire parti du Big Data et des solutions analytiques pour s’assurer que les services de transport qu’elle livre dans le monde entier soient rapides, fiables et plus économes en énergie. Siemens produit une gamme de trains et de composants d’infrastructure, tels que des systèmes électriques, d’automatisation, de signalisation et de contrôle ferroviaire. La division MDS propose des solutions pour la mobilité urbaine/interurbaine et la logistique (le trafic ferroviaire longue distance est un autre secteur important de l’entreprise).

 

Big Data : une architecture évolutive

Grâce à la présence de dizaines de milliers de capteurs, Siemens peut désormais utiliser les données qu’ils génèrent en association avec celles provenant de l’ensemble de l’entreprise et de sources des données externes, comme la météo, pour relever leurs défis métiers de manière novatrice. Mais avec l’important volume de données non structurées, de données de capteur et de données télématiques, Siemens avait besoin d’une architecture évolutive performante. Les données provenant des trains et des rails, des processus de réparation, les données météorologiques et de la chaîne d’approvisionnement se retrouvent toutes dans Hadoop, Teradata Aster et Teradata Data Warehouse qui sont les composants de Teradata Unified Data Architecture. « Nous ne pourrions pas faire ce que nous faisons avec une architecture différente car les volumes de données que nous traitons sont très importants », a souligné Gerhard Kress, Directeur, Siemens Mobility Services.

Quel volume cela représente-t-il ? « Lorsque nous rassemblons toutes les données des capteurs
d’une seule flotte de trains en Europe, cela génère 100 milliards de lignes d’une table », cite Gerhard Kress.
« Si vous voulez exécuter un algorithme de Machine Learning sur un tel volume, cela ne fonctionne que si il est exécuté de manière massivement parallèle, d’où l’importance de cette architecture».

 

Des solutions analytiques Big Data de pointe

Chez Siemens, les data scientists et les ingénieurs examinent les données provenant de l’ensemble
de l’entreprise, et les analysent à l’aide des dernières techniques et outils d’analyse, comme le Machine Learning, pour anticiper de manière précise les défaillances réelles de pièces, tout en identifiant aussi
les faux positifs (la prévision d’une défaillance qui ne se produit pas).

« Nous disposons de données et de modèles d’analyse nous permettant de réellement prévoir certaines défaillances. Par exemple, les boîtes de vitesses des trains à grande vitesse sont parmi les éléments les plus délicats à surveiller », a déclaré Gerhard Kress. « A plusieurs occasions, nous avons pu prévoir que ces systèmes seraient défaillants au cours des semaines suivantes. Nous avons alors eu le temps pour fournir les pièces de rechange, les réparer, retirer le train de la circulation sans nuire à la planification et travailler avec le client, sans le moindre problème ».

 

Voici un autre exemple qui démontre le niveau de sophistication des analyses faites par Siemens.
En analysant des données météorologiques, ils peuvent différencier ce qui semble plus susceptible
de tomber en panne sur un train à grande vitesse circulant entre Moscou et Saint-Pétersbourg pendant
un hiver glacial par rapport à un train à grande vitesse circulant en Espagne pendant un été torride.

 

L’avantage du Big Data

Grâce à la combinaison d’une architecture Big Data appropriée et d’une analytique sophistiquée, Siemens peut désormais :

  • Prédire avec exactitude quand des moteurs sont susceptibles de tomber en panne
  • Assurer une chaîne d’approvisionnement de pièces efficace afin de réduire ou d’éliminer
    les temps d’arrêt
  • Évaluer la façon dont des conditions météorologiques sont susceptibles d’affecter le même modèle de train dans différentes régions

Grâce au Big Data, Siemens peut maintenant garantir des horaires de trains extrêmement fiables.

Pour un trajet Barcelone-Madrid, 80% des voyageurs avaient l’habitude de prendre l’avion, contre seulement 30 % aujourd’hui.  Pas plus d’un voyage sur 2 000 en train à grande vitesse connaît un retard
de cinq minutes maximum. Siemens assure aussi les services du métro de Bangkok où seulement 1 %
des trajets connaissent un retard.

 

 

Vous voulez en savoir plus à propos de l’architecture Big Data et des outils d’analyse utilisés proposés par Teradata ? Les experts Teradata seront ravis de répondre à vos questions sur notre stand 421.

 

Retrouvez tous nos retours d’expérience clients sur notre site : cliquez ici.