CARL Source est le principal logiciel de CARL Software pour la gestion des processus de maintenance au sein de l'entreprise, ainsi que pour le suivi historique des différents matériels et équipements, des bâtiments et des interventions nécessaires.
Nous avons mené une étude impliquant des techniques de traitement du langage naturel pour la compréhension et la qualification de documents. Fondamentalement, nous visons à interpréter des demandes d'intervention réelles, afin de déterminer alors que certains éléments peuvent être automatisés : classement par discipline et qualification (ex : électricien), gestion du lexique pour simplifier leur rédaction, voire trouver d'autres sources d'automatisation (rédaction, importance de la demande d'intervention, par exemple, caractérisation des pannes et des urgences), etc.
Les techniques utilisées sur Python :
- Traitement du langage naturel avec Spacy
- PyEnchanter vérificateur d'orthographe
- Qualification des n-grams avec Scikit Learn
- Classification des demandes par LDA (Allocation latente de Dirichlet)
Ces techniques ont permis de construire un lexique assez large correspondant à de nombreux types d'intervention et de les classer partiellement. Malheureusement, le résultat final reste limité par un certain nombre de difficultés. Cette étude a toutefois permis de mettre en évidence deux types de demandes d'intervention :
- Les demandes d'interventions descriptives qui décrivent simplement le problème et éventuellement le demandeur.
- Des demandes d'intervention qui précisent à la fois le problème et indiquent le mode d'action opérationnel.
Elle a permis de comprendre que les thèmes de la classification sont limités : Interventions :
- Plomberie / Chauffage / Ventilation qui peuvent être regroupés
- Électricité
- Sur l'infrastructure : ascenseur, toit, espaces verts, porte, meubles
- Sur les machines à matériel/équipement spécifiques à l'entreprise
- Ordinateurs, matériel informatique et multimédia
- Systèmes de détection : alarmes, incendie
- Opérations diverses et administratives : Achats - Dossiers techniques - Nettoyage
Elle a permis de comprendre les structures possibles de rédaction des DI pour les rendre plus automatisées, et de mettre en évidence un vocabulaire fondamental de rédaction qui permettrait d'automatiser la rédaction et de gagner du temps. Par exemple, en écrivant les 3 premières lettres de fuite, il serait possible d'écrire le mot entier et de proposer automatiquement plusieurs possibilités : dans l'ordre : eau, ballon d'eau chaude, lavabo, siphon, air, huile. Et de définir automatiquement cet élément comme un symptôme.
Enfin, elle a permis de comprendre qu'il n'y a pas une seule classification possible à partir de cette structure, mais plusieurs : selon le type d'équipement, selon le type d'intervention (réparation ou remplacement, maintenance, diagnostic, ...), selon le degré d'urgence, selon le type de symptôme et même selon la localisation, et que ces éléments de vocabulaire peuvent influencer significativement la classification automatisée.
Les problèmes identifiés dans cette étude seront repris par un stagiaire en 2021 afin de trouver une solution pour rendre le projet viable.
