Industrie
Analyse de la fiabilité de plus de 70 000 bornes gérées, avec reconstruction d’une disponibilité cohérente par point de charge à partir de l’état opérationnel, de la connectivité, de l’historique des équipements et des exclusions pour le reporting opérationnel et client.
Construction d'un jeu de données de fiabilité cohérent à partir des états opérationnels et des informations de connectivité provenant d'un parc hétérogène de bornes de recharge.
Pour chaque point de charge, l'état opérationnel et la disponibilité de la connexion sont combinés sur une base temporelle commune afin d'évaluer la disponibilité de manière homogène entre les équipements et les sites.
La logique de reporting prend également en compte l'évolution du parc dans le temps : périodes de mise en service, équipements remplacés ou retirés, fenêtres de reporting propres aux sites et changements d'affectation.
Les calculs portent ainsi uniquement sur les équipements effectivement attendus en fonctionnement pendant chaque période considérée.
Développement de métriques de disponibilité par point de charge reposant à la fois sur le caractère opérationnel de l'équipement et sa connexion à la plateforme de recharge.
La méthodologie combine plusieurs informations opérationnelles plutôt que de dépendre d'un état unique, afin d'obtenir une représentation plus robuste de la disponibilité des bornes.
Plusieurs métriques complémentaires ont été mises en place afin de représenter différents contextes opérationnels et différentes interprétations de la disponibilité.
Cette approche permet d'analyser la fiabilité sans imposer une définition unique à l'ensemble des situations de fonctionnement.
Le modèle intègre les périodes de reporting applicables ainsi que les exclusions de disponibilité validées afin de produire des métriques cohérentes pour les usages opérationnels, clients et de reporting.
La méthodologie a été développée dans le contexte de l'évolution des exigences de fiabilité des infrastructures de recharge, notamment en Californie, tout en couvrant un parc de bornes beaucoup plus large.
Conception d'un modèle analytique centré sur chaque point de charge, avec construction d'intervalles de disponibilité pouvant ensuite être agrégés de manière cohérente au niveau de la borne, du site ou du portefeuille.
Les données sont ramenées sur une base temporelle commune avant agrégation, ce qui permet de calculer simplement une disponibilité pondérée par le temps sur des équipements hétérogènes.
Mise en place de validations automatisées portant notamment sur la couverture des équipements, les périodes de reporting, les exclusions de disponibilité et la cohérence des métriques.
Le pipeline fournit ainsi une définition reproductible de la disponibilité, indépendante de calculs spécifiques réalisés directement dans les tableaux de bord.
Les modèles sont exploités sous forme de workflows analytiques en production, avec transformations versionnées, tests automatisés et documentation des définitions utilisées.
Développement d'un reporting permettant d'analyser la disponibilité depuis une vue synthétique du portefeuille jusqu'aux sites et points de charge individuels.
Cette structure permet de passer d’un indicateur global aux équipements et périodes responsables des variations observées.
Les métriques de fiabilité sont également intégrées aux outils de reporting orientés clients, aux côtés des autres informations de performance des infrastructures de recharge.
Le même modèle de données alimente les analyses opérationnelles, le reporting interne et les vues destinées aux clients, assurant une définition cohérente de la fiabilité entre les différents usages.
Intégration du framework de disponibilité dans le reporting opérationnel et orienté clients.
Les vues de reporting permettent de comparer le portefeuille de recharge, les sites et les points de charge individuels.
La même définition de la fiabilité est utilisée dans ces différentes vues afin de conserver une interprétation cohérente.
Développement de bout en bout et modernisation d’une plateforme data couvrant l’ingestion en production, l’analytics engineering, les contrôles qualité et le reporting pour des usages opérationnels, métier et orientés clients.
SQL