AI-basierte Anwendung ermöglicht Glasfaserinstallateuren die einfache Überprüfung der Einhaltung von Interventionen
Orange, ein führendes Telekommunikationsunternehmen in Frankreich und Europa, hat im Jahr 2020 einen Wandel auf der Grundlage von Artificial Intelligence eingeleitet. Diese neue Vision für data und AI zielt darauf ab, die Tausenden von Technikern, Ingenieuren und anderen Berufen, die von der Gruppe beschäftigt werden, bei Aufgaben zu unterstützen, die zu komplex sind, um von Menschen allein bewältigt zu werden. Gleichzeitig wurde auch eine Überarbeitung der data Produktvorschriften in Angriff genommen.
Bei der Umsetzung der neuen Strategie wurde Orange von der Dienstleistungsberatungsfirma data Artefact begleitet. Gemeinsam haben die beiden Unternehmen zahlreiche Anwendungsfälle entwickelt, um die Geschäftsbereiche des Konzerns zu unterstützen, die technische Entscheidungsfindung zu erleichtern und das Unternehmen durch die Nutzung des Potenzials von data und AI umzugestalten.
Zu diesen gemeinsam entwickelten Anwendungsfällen gehört eine AI Lösung, die die Techniker von Orange beim Anschluss von Kunden an das Glasfasernetz unterstützen soll. Diese Lösung, die in die Anwendung des Technikers integriert ist, stellt sicher, dass keiner ihrer Eingriffe an der Netzausrüstung "Defekte" oder "Nichtkonformitäten" erzeugt, die oft die Ursache für die zunehmende Verschlechterung des Glasfasernetzes in Frankreich sind.
"Im Jahr 2022 haben wir die Zahl der Anschlüsse im Vergleich zu 2021 um 23 % erhöht. Dieses anhaltende Wachstum hat zu einem Anstieg der gemeldeten Störungen geführt. Aus diesem Grund hat ARCEP im Sommer 2021 vorgeschrieben, vor und nach jedem Eingriff Fotos zu machen.Diese Bilder dienen einem dreifachen Ziel: der Überwachung, dem schnellstmöglichen Eingreifen im Falle eines Problems und der Bestrafung der Betreiber, die sich schuldig gemacht haben.Für Orange erfordert diese Verordnung die Analyse von 20.000 Fotos täglich. Eine Aufgabe, die ohne die Hilfe von AI nicht schnell und fehlerfrei erledigt werden kann."Médéric Chomel, VP Data, AI & Automation bei Orange Frankreich
Eine auf Bilderkennung basierende Lösung AI
Techniker zu bitten, zahlreiche Kontrollpunkte auf der Baustelle zu überprüfen, oder genügend Personal für die Analyse der täglich anfallenden 20.000 Bilder bereitzustellen, ist keine praktikable Lösung. Dies wäre zu zeitaufwändig, zu kostspielig und nicht fehlerfrei. Darüber hinaus sind Stichproben keine Option, da jeder einzelne Eingriff überprüft werden muss.
Um diese Zehntausende von Fotos täglich zu überprüfen (10.000 Eingriffe x 2 - 10 Fotos), haben Orange und Artefact ein algorithmisches Modell entwickelt, das auf Bilderkennung (Computer Vision) beruht. Die Techniker senden ihre Fotos über ihre mobile App an eine artificial intelligence Maschine, die nahezu in Echtzeit überprüft, ob ihre Arbeit konform ist. Wenn der Techniker mit den Empfehlungen der Maschine nicht einverstanden ist, kann er sie ignorieren. Die AI ist perfekt in den Arbeitsablauf des Technikers integriert.
Erfolgsfaktoren: Qualität data, multidisziplinäre Teams, Transfer-Lernmodell
Das Projekt wurde von einem multidisziplinären Team geleitet, das sich aus verschiedenen Profilen von Orange und Artefact zusammensetzte. Es wurde ein Funktionsteam gebildet, das sich aus dem Product Owner, data Wissenschaftlern, Ingenieuren, Nutzern und Experten aus anderen Bereichen zusammensetzte, um die Lösung zu entwickeln.
Das erste Problem, mit dem das Projektteam konfrontiert wurde, war die Zeit. Orange hatte nur neun Monate Zeit, um die erste Version ihrer Lösung einzuführen. Deshalb entschied man sich, einen Teil des Projekts auf "Transfer Learning" zu stützen, eine Methode, bei der bereits vorhandene Modelle verwendet werden, die entweder bereits im Unternehmen im Einsatz sind oder als Open Source zur Verfügung stehen. Die Teams von Artefact haben dann diese Modelle durch Neutraining, Kennzeichnung und Vorverarbeitung überarbeitet, um die Lieferzeit zu verkürzen, und auch einige andere von Grund auf neu entwickelt.
Anschließend untersuchte das Team die Reaktionszeiten verschiedener Computer-Vision-Lösungen. Einige auf dem Markt befindliche Lösungen verarbeiteten Bilder in sieben oder sogar acht Minuten, während die Zielzeit drei Sekunden betrug. Die Anwendung sollte gestartet werden, wenn der Techniker im Begriff ist, die Baustelle zu verlassen. Es ist unpraktisch, von ihm zu verlangen, dass er 10 Minuten wartet, um die Konformität seiner Installation zu überprüfen. Um die Latenzzeit so weit wie möglich zu verringern, werden die Berechnungen parallelisiert. So werden mehrere Modelle gleichzeitig ausgeführt, um Ergebnisse quasi in Echtzeit zu erhalten.
Die dritte Herausforderung, aber sicher nicht die letzte, war die Genauigkeit der Analyse. Um eine maximale Genauigkeit zu gewährleisten, musste der Algorithmus mit einer riesigen Menge an konformen und nicht konformen Fotos versorgt werden. Die Kennzeichnung dieser Bilder wurde von einem Partnerunternehmen namens Isahit vorgenommen, das in der Lage war, 80.000 Fotos in drei Monaten Entwicklungszeit zu verarbeiten und dabei die Vertraulichkeit von data zu wahren.
"Dieses Projekt ist Teil der langfristigen Transformationsstrategie von Orange AI . Wir haben den Code so verpackt, dass er in zukünftigen Anwendungsfällen, in denen Bilderkennung benötigt wird, wiederverwendet werden kann. Das Produkt AI wurde bereits zur Unterstützung von Glasfasertechnikern in einem anderen Bereich eingesetzt."Vincent Luciani, Mitbegründer und CEO der Gruppe Artefact .
Änderungsmanagement: Förderung der Akzeptanz der Anwendung durch die Endnutzer
Um ihre Arbeitsweise zu verstehen, wurden die Techniker von Anfang an in das Projekt einbezogen. Dies ermöglichte es dem Entwicklungsteam, mehrere Punkte zu ermitteln, von denen einer von entscheidender Bedeutung ist: Die Anwendung sollte nicht als ein Mittel zur Kontrolle der Arbeit der Techniker, sondern als ein Werkzeug zur Erleichterung ihrer täglichen Arbeit angesehen werden.
Um sicherzustellen, dass die Endnutzer mit der Anwendung gut zurechtkommen und dass sie nach ethischen Gesichtspunkten entwickelt wurde, hat das Team an zwei Aspekten gearbeitet.
Erstens müssen die Techniker in der Lage sein, die Kontrolle über die Maschine zu behalten und gegen ihre Empfehlungen zu handeln. Aus diesem Grund war die Erklärbarkeit der vom Modell gelieferten Ergebnisse ein zentraler Wert. Wenn das Modell eine oder mehrere Nichtkonformitäten feststellt, muss AI angeben, welcher Bereich oder welche Bereiche betroffen sind.
Als eine erste Version der Anwendung fertig war, ließ das Team sie von 50 freiwilligen Technikern testen. Auf diese Weise konnte das Team relevante Rückmeldungen sammeln, um die Modelle zu verbessern. Beispielsweise können die Bedingungen, unter denen die Fotos aufgenommen werden, zu Verwechslungen zwischen orangefarbenen Kabeln (von Orange) und roten Kabeln (von Wettbewerbern) führen. Das Wiederauftreten dieses Fehlers veranlasste das Feature-Team, die Akzeptanz des Algorithmus zu verbessern. Die Leistung des Modells wurde herabgesetzt, um zu vermeiden, dass es dem widerspricht, was der Mensch sieht.
Für Vincent Luciani, Mitbegründer und CEO der Gruppe Artefact ,
"Alle unsere AI Projekte sind so konzipiert, dass sie die sieben Grundprinzipien für eine ethische AI Nutzung einhalten, die von einer Expertengruppe der Europäischen Kommission aufgestellt wurden. Der erste dieser Werte ist die menschliche Kontrolle. Wir haben die Technikerinnen und Techniker in den Mittelpunkt des Projekts gestellt, um sicherzustellen, dass diese neue Lösung ihr tägliches Leben erleichtert und ihre Autonomie nicht einschränkt. Dies war auch ausschlaggebend dafür, dass die Lösung von allen Orange Installateuren angenommen wurde."
Ein Erfolg, der Teil einer globalen Transformationsstrategie ist durch AI
In nur neun Monaten wurde diese neue Anwendung entwickelt, getestet, korrigiert und in großem Maßstab industrialisiert. Das war eine echte technische und menschliche Leistung, denn das Tool wird nun von den 10 000 Technikern, die täglich in Frankreich im Einsatz sind, angenommen.
Diese Anwendung ist nur einer von 150 Anwendungsfällen, die Orange in den letzten zwei Jahren im Rahmen seiner Transformation durch AI entwickelt hat. Seitdem hat Orange - zusammen mit Artefact - 15 neue Modelle in Betrieb genommen, um andere Funktionen wie den Verkauf oder den Kundendienst zu unterstützen.
"Die Vorschriften für artificial intelligence werden derzeit ausgearbeitet. Unsere Umwandlung unter Verwendung von data und AI soll die Privatsphäre respektieren, den Menschen und ihrer Umwelt nützen und unvoreingenommen sein. Aus diesem Grund nimmt diese Strategie künftige Änderungen der Rechtsvorschriften so weit wie möglich vorweg. Wir dürfen nicht vergessen, dass diese Art von Projekten nicht nur eine technische Angelegenheit ist; der Mensch ist der größte Faktor für ihren Erfolg.Médéric Chomel, VP Data, AI & Automation bei Orange Frankreich.
Um die englischen Untertitel zu aktivieren, klicken Sie auf das Symbol "CC" und dann auf "Einstellungen". Wählen Sie anschließend die Option "Untertitel" und dann "Automatisch übersetzen" auf Englisch oder die Sprache Ihrer Wahl.