C’est en mai 2021 que la Région Ile-de-France, en la personne de sa Présidente Valérie Pécresse, et Dassault Aviation, représenté par son P-DG Eric Trappier, ont annoncé le vainqueur du Challenge « AI for Industry » 2021 : le tandem composé de Aquila Data Enabler et ISAE-Supméca (Laboratoire Quartz).
Ce Challenge « AI for Industry », co-organisé par Dassault Aviation et la Région Ile-de-France, a pour objectif de développer des capteurs virtuels, capables de prévoir les sollicitations subies par la structure des avions Falcon, à partir des seuls instruments de bord disponibles. Il a donné lieu à une exigeante compétition de 2 mois, réunissant 10 finalistes au total.
Mais revenons un peu en arrière pour comprendre comment et pourquoi ce projet de collaboration entre Aquila Data Enabler et ISAE-Supméca a été mis en œuvre, jusqu’à aboutir à cette belle reconnaissance.
Depuis plusieurs années, Aquila Data Enabler travaille sur la prévision de séries temporelles et développe son expertise sur la maintenance prédictive et le contrôle non destructif pour différents acteurs industriels. Le Lab Aquila a ainsi créé une solution propriétaire d’AutoML sur les séries temporelles, dénommé « Time Forecast ».
Le Lab Aquila est centré sur la recherche opérationnelle en Data Science : ses consultants, tous chercheurs, ont pu développer, au travers de leurs PhD, des expertises Métiers, en plus de leurs compétences en Machine Learning et en Deep Learning. La proximité et la connaissance de ses consultants avec le milieu de la recherche explique la volonté d’Aquila de développer des partenariats avec des laboratoires académiques. Le Challenge « AI for Industry » Dassault a donc été une formidable occasion d’initier ce type de partenariat et d’accélérer les développements d’Aquila en maintenance prédictive via la prévision de capteurs virtuels structurels. Le partenariat avec ISAE-Supméca (Laboratoire Quartz) lui a apporté une connaissance métier en mécanique vibratoire notamment, et une expertise en aéronautique, deux savoir-faire extrêmement complémentaires à la valeur ajoutée des équipes de DataScientists d’Aquila.
Pour ce Challenge, l’accès direct aux données des vols pour l’entrainement et la validation n’était pas possible : l’équipe disposait seulement des données de 3 vols, fournies dans le « starting kit » du projet. Conformément à l’ADN d’Aquila, le consortium formé avec ISAE-SupMeca s’est donc basé sur la compréhension des données et leur interprétabilité, et a ainsi travaillé sur un modèle hybride, explicable et frugal.
Comme pour tout projet de Data Science, l’équipe a commencé par l’exploration et la préparation des données disponibles. Cela a permis de mettre en évidence les capteurs et les jauges qui sont désactivés sur certains vols, d’identifier les corrélations entre les features, et de détecter certaines anomalies et défauts significatifs.
Un modèle basé sur l’analyse et la compréhension physique des données a ensuite été mis en œuvre. Une première étape de clustering a permis d’identifier les différentes phases de vols et de classifier les capteurs. Ce qui a permis de réduire la complexité de l’apprentissage et de proposer un premier modèle explicable.
Ensuite, la prédiction des jauges a été rendue possible grâce à un stacking de 2 modèles régressifs. Une Light Gradient Boosting Machine (LGBM) a été utilisée en premier lieu car elle est reconnue pour son efficacité et sa frugalité. De plus, étant construite sur des arbres de décision, il est facile d’en interpréter les résultats. Le second modèle est une régression de type Ridge, qui prend en entrée les sorties de la LGBM.
Le choix d’un algorithme léger LGBM a permis de :
- travailler plus facilement sur l’explicabilité du modèle,
- bénéficier d’un modèle frugal en capacité de calcul lors de la phase d’entrainement, permettant une technologie embarquée en phase opérationnelle.
Ce Challenge, construit sur une période de 18 mois, est un accélérateur pour les développements d’Aquila Data Enabler sur les séries temporelles, les capteurs virtuels et la maintenance prédictive. Les suites du Challenge verront l’intégration des modules qui en sont issus dans « Time Forecast », ainsi que de nouvelles collaborations pour tendre vers un outil de « jumeaux numériques ».
De riches projets à suivre donc, qui vous seront dévoilés ici au fur et à mesure de leurs avancées !
En attendant, découvrez ci-après quelques images de la Soirée de Remise des Prix, au Bourget, au pied d’un impressionnant Falcon, en présence de la Présidente de la Région Ile-de-France, Valérie Pécresse, du P-DG de Dassault Aviation, Eric Trappier, et du CEO et Fondateur d’Aquila Data Enabler, Stéphane George. Et retrouvez en vidéo l’équipe, qui vous raconte le projet !
Vous voulez en savoir plus, aller plus loin ? Cliquez ici pour accéder à l’article scientifique publié à l’occasion du challenge.
Crédit photo : Dassault Aviation – S. Randé
Sylvain Lassonde 
