Safran Aircraft Engines — Direction Industrielle · 2025
Prédire la consommation énergétique d'une machine industrielle
Modélisation prédictive de la consommation d'un équipement de production pour identifier les leviers d'économie d'énergie.
d'économie annuelle potentielle identifiée
modèle prédictif explicable
équipement critique modélisé
Le défi
La consommation énergétique d'une machine industrielle était suivie a posteriori, sans capacité à relier la consommation aux conditions d'utilisation ni à anticiper les dérives.
L'approche
- 1Collecte et nettoyage des historiques de fonctionnement et de consommation.
- 2Analyse exploratoire pour identifier les variables explicatives.
- 3Entraînement et comparaison de modèles de régression avec scikit-learn.
- 4Traduction des résultats en leviers d'action concrets pour les équipes.
Architecture de la solution
Données
Historiques de fonctionnement et de consommation
Préparation
Nettoyage et feature engineering (pandas, NumPy)
Modélisation
Modèles de régression scikit-learn, validation croisée
Restitution
Scénarios d'économie et recommandations
Les résultats
- Identification d'un potentiel d'économie d'environ 12 % sur la consommation annuelle.
- Une compréhension fine des facteurs qui pilotent la consommation.
- Une base réutilisable pour étendre l'approche à d'autres équipements.
Ce que ce projet démontre
« Le machine learning crée de la valeur lorsqu'il débouche sur une décision : ici, des leviers d'économie concrets et chiffrés. »
Ces projets ont été menés par le fondateur de Datasium dans le cadre de missions et de stages en entreprise, avant la création du cabinet. Les données chiffrées sont celles constatées en fin de mission.