Analyse des données pour améliorer la qualité de l'eau
Le défi
Des systèmes patrimoniaux inefficaces qui nuisent à la transmission rapide d'informations sur la surveillance du niveau de l'eau
Notre client utilisait des systèmes patrimoniaux qui manquaient de la fonctionnalité nécessaire pour produire rapidement des données — des informations dont il avait besoin pour réagir immédiatement à des problèmes tels que des inondations ou des obstructions dans les voies navigables. Chacun de ces cas d’utilisation reposait sur des processus manuels coûteux qui exigeaient que le personnel passe en revue des heures d’images de caméras de vidéosurveillance ou effectue des rondes de surveillance de routine pour inspecter les sites en personne.
L'objectif
Analyse des données pour améliorer la qualité de l'eau
L'entreprise avait besoin d'un système axé sur trois domaines spécifiques : la surveillance des grilles à déchets, la surveillance du niveau d'eau et la détection de la faune.
La solution
Utilisation d’Azure Data Factory pour la récupération automatique de fichiers complexes
La nouvelle solution de HCLTech a été déployée sur la plateforme infonuagique Azure, exploitant Azure Analytics Services pour l’analyse vidéo et d’images. Son infrastructure utilise la plateforme de données Azure qui a exploité les services Azure Data Lake Gen2, Azure Data Factory, Cognitive Services, Azure et ML Open source, la BD Azure, les services d’applications et Azure VM B2s. Ce système téléverse le flux vidéo sur Azure, qui traite les données via des outils de prétraitement IA. Ensuite, le système utilise des algorithmes personnalisés pour surveiller chacun des trois cas d’utilisation comme suit :
- Surveillance de la grille à déchets : Le système analyse tous les flux vidéo pour identifier la nature et la gravité des obstructions selon des lignes directrices d’affaires prédéfinies, telles que le pourcentage bloqué. Ces blocages sont habituellement causés par du feuillage, des déchets ou de la faune. Une fois identifiés, le système crée automatiquement un ordre de travail et alerte les équipes d’entretien appropriées.
- Surveillance du niveau d’eau : Le système analyse les images vidéo pour comparer les mesures obtenues à partir d’outils placés directement dans l’eau. Lorsque ces mesures dépassent les seuils prédéfinis, le système peut prédire le risque de débordement ou d’inondation et générer des alertes aux équipes de maintenance. Une fois avisées, ces équipes peuvent prendre des mesures pour contrôler le débordement et gérer de façon proactive toute conséquence négative liée à une inondation.
- Détection d’anguillettes/ver : Les anguillettes sont une partie essentielle de la biodiversité australienne, et toute modification prévue de la construction ou des opérations ne doit pas affecter la stabilité écologique de la région. Cependant, les analystes manuels ont souvent du mal à distinguer entre les jeunes anguillettes et les vers, ce qui complique les données requises avant le lancement ou la poursuite d’un projet. Ce système utilise l’IA pour différencier les espèces et suivre les variations dans les populations animales au fil du temps. Ces données peuvent ensuite servir à surveiller l’impact environnemental des opérations en temps réel avant que les dommages ne soient irréversibles.
L'impact
Collecte de données simplifiée et efficacité opérationnelle accrue
- Délais de réponse réduits, généralement à environ une minute.
- Économies globales de 33 % la première année, avec un seuil de rentabilité prévu dans cinq mois. Ces économies continueront d’augmenter avec le temps après la mise en œuvre.
- Durabilité accrue grâce à des données plus détaillées et précises sur l’impact écologique des opérations.
- En tirant parti des outils de la plateforme Azure, le client peut recueillir des données efficacement, ce qui lui permet de tirer beaucoup plus de valeur de ses informations de demande de permis en relativement peu de temps. Cela lui a permis de réduire le temps nécessaire pour visionner des vidéos et se rendre sur les sites de travail, souvent dans des régions éloignées, afin de détecter les problèmes liés à l’eau.
- Grâce à Power BI et Synapse Serverless SQL, les utilisateurs ont désormais accès à diverses analyses, permettant aux équipes de tirer des enseignements des données de base avec rapidité et agilité. Par exemple, lors de la surveillance des niveaux d’eau, un flux vidéo détermine si les niveaux ont augmenté ou diminué, puis fournit des alertes par l’entremise de la plateforme d’analytique, incitant le personnel à réagir.
- La plateforme de données moderne a amélioré l’expérience du client et aidé à respecter aisément une gamme complexe d’exigences réglementaires en matière de rapports sans encourir de pénalités.
Études de cas connexes
Le catalogue de pièces moderne infonuagique a transformé le système patrimonial d’un fabricant, validant des millions de pièces, numérisant des dessins, améliorant la disponibilité et réduisant les coûts de commande.
En savoir plus
Mise en œuvre de HCLTech Aftermarket Cloud pour normaliser le service sur le terrain, réduire de 72 % les appels des ingénieurs, augmenter les revenus du service de 57 % et améliorer la satisfaction
En savoir plus
Un fabricant mondial a remplacé des catalogues de pièces PDF fragmentés par le nuage après-vente HCLTech, réduisant les appels de demande de 90 % et améliorant la précision des commandes
En savoir plus
HCLTech a réalisé un programme de transformation structuré pour une entreprise pharmaceutique mondiale
En savoir plus
HCLTech a contribué à permettre la transformation infonuagique pour le deuxième plus grand producteur d'électricité de la Belgique.
En savoir plus
HCLTech a aidé à moderniser les opérations infonuagiques pour un important opérateur de distribution de gaz au Royaume-Uni.
En savoir plus