La nouvelle Chaire de recherche bpost en Data Science et Optimisation a démarré en septembre 2017. Elle a pour objectif de développer de nouveaux modèles prédictifs à partir des données collectées via des capteurs sur des « objets connectés ».
Avec les commandes sur internet, la livraison des paquets connaît une forte croissance et c’est tout le secteur de la distribution qui doit s’adapter. Autre phénomène qui est appelé à se généraliser : on « suit à la trace » les différentes étapes de la livraison du paquet, grâce aux données qui sont « capturées » par des senseurs placés sur des « objets connectés » tout au long de la chaîne de livraison.
Dans un tel contexte, les entreprises comme bpost sont fortement intéressées de comprendre quelles possibilités les senseurs pourraient offrir pour améliorer et optimiser les processus de distribution. De nombreuses étapes pourraient profiter de l’exploitation des données collectées par les senseurs. Parmi elles, une étape critique est celle du tri des paquets dont la moindre carence met en danger toute la chaîne logistique. Il faut donc éviter à tout prix les pannes des machines de tri et réduire les temps de maintenance.
De leur côté, un groupe de chercheurs de l’ICTeam (Institute of Information and Communication Technologies) à l’UCL s’intéresse depuis 5 ans à l’analyse de données temporelles, comme celles collectées généralement via « l’internet des objets », et l’exploitation de ces données pour optimiser des processus. Les chercheurs ont ainsi développé de nombreux modèles prédictifs combinant optimisation et data science.
C’est ainsi qu’une Chaire de recherche en Data Science a vu le jour à l’UCL en septembre en partenariat avec bpost. Le premier projet de recherche qui y sera mené portera sur la « maintenance prédictive des machines » et sera basé sur les données collectées par des capteurs sur les machines de tri de bpost.
Le partenariat avec bpost va permettre aux chercheurs d’affiner encore la précision et l’efficacité de ces modèles : « Il est important pour la recherche d’être en contact avec la réalité sur le terrain. Ce partenariat avec bpost va nous permettre d’évaluer la pertinence de nos modèles pour résoudre des problématiques complexes, qui concernent de plus en plus de consommateurs et d’entreprises aujourd’hui. Nous allons aussi pouvoir travailler sur des données réelles en grande quantité. », explique le professeur Schaus.
Le partenariat va également permettre à l’UCL de pouvoir engager deux nouveaux chercheurs, qui travailleront sous la direction conjointe des professeurs Pierre Schaus et Siegfried Nijssen au sein de l’ICTEAM. Le premier doctorant, Gael Aglin, est arrivé tout droit de l’Université Abomey Calavi (UAC) au Bénin fin septembre. L’autre post-doctorant devrait rejoindre l’équipe en septembre 2018.
Le groupe de recherche de l’UCL offre des compétences particulières qui ont motivé le choix de bpost : les chercheurs développent des méthodes qui combinent à la fois des techniques de data mining et d’optimisation. « En data mining, on explore les données pour comprendre quels sont les facteurs qui ont réellement un impact sur le problème et qui vont intervenir dans le modèle prédictif et dans l’optimisation. Et nous développons des modèles uniques, qui n’existent pas dans les logiciels disponibles aujourd’hui sur le marché », souligne le professeur Nijssen.
Pour bpost, les bénéfices de ce partenariat avec l’UCL sont clairs : « Cela nous permet d’être en première ligne d’une recherche en lien direct avec notre core business et notre stratégie d’innovation dans laquelle la science des données a une place importante. Nous sommes convaincus que ce domaine jouera un rôle transformatif majeur pour le monde de l’entreprise. bpost s’y veut donc à la pointe afin de préparer les choix et les directions stratégiques de l’entreprise et de mieux servir nos clients dans le futur. », explique Salvator Vella.
À terme, les modèles développés par l’UCL pourraient être appliqués à d’autres domaines et industries qui utilisent des méthodes d’analyse de senseurs, par exemple, dans la domotique.