Nous sommes ravis d’annoncer une mise à jour majeure de la fonctionnalité de classification des défauts par l’IA sur la plateforme Railnova. Cette amélioration apporte un nouveau niveau d'intelligence et de simplicité d'utilisation à la manière dont les défauts sont catégorisés dans le cycle de vie de la maintenance grâce à de grands modèles de langage (LLM) et à des systèmes d'intelligence artificielle multi-agents. Envie d’en savoir plus sur nos performances en matière d'IA? Rendez-vous en bas de page à la section “Comment l’IA Railnova permet une classification plus intelligente”.
Une IA plus intelligente, un travail plus fluide
Les arborescences fonctionnelles sont essentielles à une planification de maintenance de qualité, mais leur complexité peut freiner les utilisateurs. Grâce à cette version, les gestionnaires de flotte et le personnel de maintenance peuvent désormais catégoriser les défauts plus rapidement et avec plus de précision, sans avoir à parcourir d'interminables listes déroulantes.
Quoi de neuf?
Suggestions en temps réel alimentées par l’IA basée sur des LLMs
Recevez les 5 meilleures catégories suggérées dès que les détails du signalement sont saisis. Les suggestions sont mises à jour dynamiquement au fur et à mesure de l'ajout d'informations, agissant à la fois comme un guide et comme un contrôle de la qualité des données saisies.
Interaction contextuelle aux moments clés
La catégorisation apparaît désormais sous la forme d'un panneau dédié lors de la création d'un signalement (si autorisé) et à nouveau lors de la clôture, avec des suggestions mises à jour basées sur les retours d'expérience (REX).
Support des rôles utilisateurs et des workflows
Tous les utilisateurs n’ont pas besoin de catégoriser les défauts ni les compétences techniques pour le faire. La plateforme Railnova permet désormais de passer cette étape pour les utilisateurs sans expertise technique, préservant ainsi la qualité des données tout en réduisant les frictions.
Analyse toujours aussi puissante
L'historique complet de la maintenance et les données de classification restent disponibles pour l'exportation et l'intégration, accompagnés de graphiques de Pareto sur les immobilisations et l’impact trafic.
Améliorations UI
Un nouveau panneau de catégorisation apparaît lors de la création ou de la clôture d’un signalement, proposant en un seul clic des suggestions claires et adaptées à vos données. Il est conçu pour être clair et rapide.
Disponibilité
Cette fonctionnalité est désormais disponible pour tous les clients abonnés au module AI Defect Classification. Si vous n'utilisez pas encore ce module et que vous souhaitez découvrir comment l'IA peut rationaliser votre travail sur les défauts, contactez-nous à l'adresse sales@railnova.eu.
Pourquoi c’est important
Cette mise à jour soutient directement la fonction ECM2 (développement de la maintenance) en améliorant la qualité et la cohérence de la classification des défauts. Elle facilite l'identification des tendances de pannes, la diminution des immobilisations et la planification plus efficace des interventions.
Ne manquez pas les prochaines mises à jour: nous continuons d'investir dans des fonctionnalités basées sur l'IA qui améliorent l'ensemble du cycle de vie de la maintenance ferroviaire.
Comment l’IA Railnova permet une classification plus intelligente
La classification des défauts par l’IA de Railnova utilise un Large Language Model (LLM) spécialisé dans le domaine ferroviaire pour analyser les descriptions de défauts et proposer les 5 catégories les plus pertinentes. Initialement, l’IA atteint un taux de précision de 50% pour les nouvelles catégories, qui progresse jusqu’à 90% grâce aux retours des utilisateurs.
Support multilingue
L’IA comprend les défauts rédigés en anglais, allemand, français, néerlandais et italien, ce qui la rend utilisable à l’échelle européenne. Elle fournit des suggestions précises, quel que soit la langue du technicien.
Expertise ferroviaire
Contrairement aux modèles d’IA classiques, celui-ci est entraîné avec de véritables signalements de défauts ferroviaires, des manuels techniques et des historiques de maintenance. Il comprend les termes spécifiques du secteur, comme la distinction entre un « bruit de bogie » et une « panne du compresseur ».
Apprentissage par l’utilisateur
Chaque fois qu’un utilisateur confirme ou modifie une suggestion de catégorie, l’IA apprend et s’améliore. Ce mécanisme de feedback permet à l’IA d’affiner ses propositions, en particulier pour les défauts rares ou inhabituels.
Catégories standard et personnalisées
Railnova propose des catégories prêtes à l’emploi et optimisées. Il est également possible de collaborer avec l’équipe Railnova pour créer des catégories personnalisées adaptées à vos besoins spécifiques, tout en s'assurant que l'IA reste performante.
Performances et amélioration continue
Les performances sont évaluées à travers des indicateurs tels que la fréquence de classification correcte parmi les 5 premières suggestions, les taux d’acceptation par les utilisateurs et la couverture des catégories. Les résultats préliminaires indiquent un taux de précision de 90% pour la première suggestion dans les catégories fréquentes, avec des améliorations constantes grâce à l’apprentissage continu basé sur les interactions avec les utilisateurs.