U vraagt, wij leveren!

Lijnen, de grootste treinvrachtmaatschappij van Europa, heeft een verplichte midlife-onderhoudscyclus voor al haar locomotieven. Ze hebben in totaal 200 locomotieven. Ze bedienen niet allemaal dezelfde routes of vervullen dezelfde functies; sommige worden gebruikt om te rangeren, terwijl andere korte of lange routes afleggen.

Op basis van de gegevens die zijn verzameld van meer dan 200 sensoren op elke locomotief, die miljarden records hebben gegenereerd, zijn we erin geslaagd een model samen te stellen dat de tijd suggereert waarna elke locomotief zijn "mid-life" onderhoudscyclus moest ondergaan.

Bij het middelen van de resultaten zijn we erin geslaagd om de levensduur per locomotief met 15% te verlengen. Hierdoor zijn de gerealiseerde besparingen aanzienlijk.

Lagardere Travel, onderdeel van Lagardere Group, eigenaar van meer dan 270 belastingvrije winkels in heel Europa, benaderde ons om de verkoopcijfers van dezelfde winkels te maximaliseren.

Nadat we verbinding hadden gemaakt met hun POS-systeem en ERP, waardoor we live gegevens konden verzamelen, konden we kansen voor hen ontdekken:

1. Optimaliseer het assortiment over de terminals heen
2. Vergroot de penetratie in belangrijke klantsegmenten
3. Verbeter de conversieratio van winkels
4. Klantenservice verbeteren (personeelsoptimalisatie)
5. Gemachtigde winkelmanagers met voorspellende en realtime analyses tot op artikelniveau (SKU).

Al deze maatregelen samen zorgden voor een stijging van 6.5% in hun verkoopaantallen in een periode van slechts 90 dagen/

Proximus, de grootste telecommunicatieoperator in België, had uitdagingen om de problemen op hun netwerk te identificeren. In de meeste gevallen moeten ze, om een ​​bepaald probleem op te lossen, een technicus ter plaatse sturen die de standaard probleemoplossingsprocedure uitvoert. Als deze technicus het probleem niet kon identificeren/oplossen, moesten ze een team sturen dat een gat in de weg zou moeten graven en een fysieke probleemoplossingsprocedure zou moeten uitvoeren.

We hebben een model ontwikkeld dat duizenden datapunten per seconde verzamelt en verwerkt. Hierdoor konden we correct voorspellen welke technicus nodig is om de storing op te lossen, we voorkomen tienduizenden nutteloze interventies per jaar. Uit veldfeedback blijkt dat het algoritme gelijk is een betere voorspeller dan de diagnostiek van technici.