Avant de livrer ses avions, Airbus vérifie la conformité de leurs performances en vol à celles prévues durant la phase de conception. Lors des tests, l’aéronef est muni de capteurs : 6 000 sur le premier vol, puis quelque 200 sur les suivants. Après chaque vol d’essai, les données des capteurs de test et des capteurs embarqués sont croisées. Toute différence détectée est synonyme d’un problème à corriger. "Ces tâches d’analyse des données et de détection d’incidents, qui nécessitent un correctif, sont réalisées par le cerveau humain", rappelle Jean-Marc Wattecant, le responsable big data d’Airbus. Problème : le volume de données généré par jour d’essai en vol double à chaque génération d’avion. Il se monte à 2 téraoctets pour l’A 350, le dernier-né d’Airbus. Sans compter que 400 à 600 utilisateurs doivent pouvoir les consulter simultanément. Le passage au big data était inévitable.
"Au départ, l’objectif était de livrer un accès concurrent aux données en utilisant une technologie comme celle développée chez Google, explique Jean-Marc Wattecant. Mais nous allons aussi mettre en place un moteur d’analyse statistique qui automatise la corrélation des données. Ainsi, nous pourrons détecter les problèmes et les corriger plus vite." La première étape est en place depuis le début de l’année. La seconde suivra au deuxième trimestre. La solution s’appuie sur un moteur big data d’Oracle, complété par un développement en interne et chez Sopra. La campagne d’essai de l’A 350 dure quatorze mois et produit des dizaines de téraoctets au total. "Au lieu d’analyser les données vol par vol, nous pourrons demain passer à l’analyse multivol avec pour résultats d’améliorer la détection des incidents, de trouver plus vite la cause des problèmes et de réduire le nombre de vols d’essai", prévoit le responsable.
Réagir