Construisez des modèles prédictifs à partir de vos Small Data et prenez de meilleures décisions.
Hélicoptère – Industrie aéronautique – Matériaux
Six jours
Un fabriquant d’hélicoptères a testé différentes combinaisons de matériaux pour les cabines au cours des 40 dernières années. L’objectif est de protéger les pilotes d’un feu se propageant rapidement et de leur laisser assez de temps (en l’occurrence 15 minutes) pour s’éjecter. Les données de 40 années de tests de laboratoire sur différents matériaux ont été agrégées. La base de données produite contient approximativement 500 enregistrements. L’équipe de conception du fabriquant veut savoir quels composants sont critiques pour obtenir la résistance au feu visée. Elle souhaite également déterminer la proportion de chacun des matériaux à utiliser pour le produit final afin d’atteindre cet objectif.
L’équipe souhaite également connaître la précision de ces prévisions. Il y a plusieurs finalités à cette étude de conception de matériau : faire le meilleur usage des données de laboratoire accumulées, réduire le temps requis et obtenir un avantage compétitif en conception de matériau résistants au feu. Et cela pour protéger des vies.
Notre client souhaite répondre à la question suivante :
Peut-on prévoir avec précision quels composants utiliser et dans quelles proportions afin d’obtenir un nouveau matériau résistant au feu, en quelques jours ?
Nous avons démarré avec une base de données de 500 enregistrements. Les enregistrements contiennent des résultats de tests de résistance au feu de différents matériaux dans des circonstances variées. Pour chaque enregistrement, la base de données contient à la fois des informations sur le matériau et le cadre du test réalisé. Sur le matériau : la base indique le type de résine utilisée, sa densité, sa classe de polymère, sa structure, son style de tissage, le solvant, la peinture. Pour ce qui concerne le test réalisé, l’agent combustible est indiqué, ainsi que le laboratoire en charge du test.
TADA a identifié plusieurs combinaisons de composants qui permettent de réaliser des matériaux avec une excellente résistance au feu en très peu de temps. Il faut habituellement plusieurs mois pour développer un matériau résistant au feu, entre le formulation par l’équipe de création de matériaux et les tests de laboratoire. Il a fallu, dans ce cas six jours à l’équipe de création de matériaux pour obtenir le même résultat. TADA a permis d’explorer 40 années de données de tests de laboratoire et d’en extraire l’information essentielle. Des mois de travail ont été économisés. Les facteurs les plus importants étaient la résine utilisée « prepreg » (c’est à dire pré-imprégnée), l’épaisseur du matériau (de loin le paramètre le plus important) et la densité de la résine.
TADA a réalisé ces prédictions avec une fiabilité de 86%.
On peut visualiser, à l’aide de « Live Predict » l’impact de la variation de l’épaisseur d’un matériau.
En six jours, l’équipe de conception de matériaux d’un fabriquant d’hélicoptères a obtenu un avantage concurrentiel en :
Ce faisant, l’équipe a amélioré la sécurité des pilotes d’hélicoptères à un coût très compétitif.
Vous voulez donner du sens à vos données pour réussir ? Parlons-en.
© MyDataModels – All rights reserved | Credits | Terms of use | Privacy and cookies policy
© MyDataModels – All rights reserved | Credits | Terms of use | Privacy and cookies policy
Les cookies nécessaires sont absolument indispensables au bon fonctionnement du site web. Ces cookies assurent les fonctionnalités de base et les caractéristiques de sécurité du site web, de manière anonyme.
Les cookies fonctionnels aident à exécuter certaines fonctionnalités comme le partage du contenu du site web sur les plateformes de médias sociaux, la collecte de commentaires et d'autres fonctionnalités tierces.
Les cookies de performance sont utilisés pour comprendre et analyser les indices de performance clés du site web, ce qui permet d'offrir une meilleure expérience utilisateur aux visiteurs.
Les cookies analytiques sont utilisés pour comprendre comment les visiteurs interagissent avec le site web. Ces cookies aident à fournir des informations sur les mesures du nombre de visiteurs, le taux de rebond, la source de trafic, etc.