VERVOERSINDUSTRIE

  • Voorspellend onderhoud
  • Optimalisatie en planning van routes
  • Optimalisatie en controle van brandstofverbruik

Lineas-logo

Lineas, het grootste treinvrachtvervoerbedrijf in Europa, heeft een verplichte mid-life onderhoudscyclus voor al haar locomotieven. Ze hebben in totaal 200 locomotieven. Ze bedienen niet allemaal dezelfde routes of hebben dezelfde functies; sommige worden gebruikt om te rangeren, terwijl andere korte of lange routes afleggen.

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

Bij het middelen van de resultaten is het ons gelukt om de levenscyclus per locomotief met 15% te verlengen. Hierdoor zijn de behaalde besparingen aanzienlijk. 

LAGARDERE-REIS-RETAIL

Lagardere Travel, onderdeel van Lagardere Group, eigenaar van meer dan 270 belastingvrije winkels in heel Europa, benaderde ons om het aantal winkelverkopen te maximaliseren.

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

  1. Optimaliseer het assortiment over de terminals
  2. Verhoog de penetratie in belangrijke klantensegmenten
  3. Verbeter de conversieratio van winkels
  4. Klantenservice verbeteren (optimalisatie van personeel)
  5. Empowered Store Managers met voorspellende en realtime analyses tot op het niveau van de items (SKU).

Al deze maatregelen samen leverden een verkoopstijging op van 6.5% in slechts 90 dagen / 

KLEINHANDEL

  • Voorspellend voorraadbeheer
  • Optimalisatie van schappenassortiment
  • Verbeter de klantervaring
  • Real Time Analytics bedoeld om winkelmanagers te versterken

TELECOMMUNICATIE & INFRASTRUCTUUR

  • Nauwkeurige identificatie van infrastructuurproblemen
  • Infrastructuur Preventief onderhoud
  • Problemen identificeren voordat ze zich voordoen

Proximus-logo

Proximus, de grootste telecommunicatie-operator in België, stond voor uitdagingen om de problemen op hun netwerk te identificeren. In de meeste gevallen moeten ze, om een ​​bepaald probleem aan te pakken, een technicus ter plaatse sturen die de standaardprocedure voor probleemoplossing uitvoert. Als deze technicus het probleem niet kon identificeren / oplossen, moesten ze een team sturen dat een geheel op de weg moest graven en een fysieke probleemoplossingsprocedure moest uitvoeren.

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