Dans ce cadre, l’apprenti(e), sur la base de ces données collectées, plus précisément de l’A220, des systèmes du conditionnement d’air, commandes de vol et autres systèmes, devra : Identifier les paramètres les plus représentatifs du fonctionnement du système sur lequel se portera l’étude à partir des fichiers mis à sa disposition. Analyser et visualiser le comportement du système grâce à la donnée. A partir de là, déterminer les indicateurs mathématiques, kpi(s), montrant la dégradation du système étudié. Participer à la construction d’un modèle prédictif avec les data- scientists qui remontera vers les utilisateurs finaux, l’alarme soulignant la nécessité d’intervenir sur avion avant que la panne ne survienne. Concevoir ou proposer une IHM en ligne avec les besoins des utilisateurs finaux. Evaluer l’efficacité de vos kpi(s) et du modèle établi grâce aux rapports de réparation des pièces avion déposées, en mesurant la performance avec les indicateurs Recall & Precision. L’ Apprenti(e) sera accompagné(e) dans toutes ces étapes par son tuteur et membres de l’équipe maintenance prédictive Tout ce processus d’étude sera conduit en Agilité, la documentation établie sous Confluence.