Prédiction de l’activité fermentaire
Afficher l’étude de cas

Projet - data science
Pour le gestionnaire d’un réseau de distribution d’eau, il est difficile d’estimer avec précision la consommation d’eau pour les jours ou même les heures à venir. Cela peut parfois causer des problèmes liés aux limitations de l’approvisionnement si le volume d’eau nécessaire n’est pas disponible à un moment donné. En outre, les fuites ne sont pas facilement détectables sur les réseaux à grande échelle avec une consommation permanente.
En utilisant les données historiques de consommation d’eau, nous avons pu appliquer du Machine Learning pour modéliser la consommation d’eau de chaque sous-réseau du système de distribution global. Le modèle résultant a permis de prévoir la consommation d’eau pour les 24 heures suivantes, avec plus de 85% des erreurs en dessous du seuil de 2,5 m³/h (sur des réseaux dont la consommation moyenne est d’environ 50 m³/h).
L’utilisation d’un tel outil de prédiction donne lieu à de multiples applications :
Activité du client
Marque de la solution
Nature des travaux
Services
Afficher l’étude de cas
Afficher l’étude de cas
Afficher l’étude de cas
Afficher l’étude de cas
Afficher l’étude de cas
Afficher l’étude de cas
Afficher l’étude de cas
Afficher l’étude de cas