ORANJE Frankrijk AI-oplossing voor visuele herkenning ten dienste van de technische interventiekwaliteit van Orange France

Orange, een toonaangevend telecommunicatiebedrijf in Frankrijk en Europa, is in 2020 begonnen met een transformatie op basis van kunstmatige intelligentie. Deze nieuwe visie voor data en AI is bedoeld om de duizenden technici, ingenieurs en andere beroepsgroepen die bij de groep in dienst zijn te helpen met taken die voor mensen te complex zijn om alleen uit te voeren. Tegelijkertijd werd ook een herziening van de productreglementen van data gelanceerd.

Om hun nieuwe strategie te implementeren, werd Orange vergezeld door data service consulting bedrijf Artefact. Samen industrialiseerden de twee bedrijven talrijke use cases om de Business Units van de groep te ondersteunen, technische besluitvorming te vergemakkelijken en het bedrijf te transformeren door het potentieel van data en AI te realiseren.

Een van deze gezamenlijk ontwikkelde use cases is een AI-oplossing die ontworpen is om Orange-technici te helpen bij het aansluiten van klanten op het glasvezelnetwerk. Deze oplossing, geïntegreerd in de applicatie van de technicus, controleert of geen van hun interventies op netwerkapparatuur “defecten” of “non-conformiteiten” genereert, die vaak de oorzaak zijn van de toenemende degradatie van het glasvezelnetwerk in Frankrijk.

“In 2022 hebben we het aantal aansluitingen met 23% verhoogd ten opzichte van 2021. Deze aanhoudende groei heeft geleid tot een toename van het aantal gemelde storingen. Dit is de reden waarom ARCEP maakte het in de zomer van 2021 verplicht om voor en na elke interventie foto's te maken.

Deze beelden hebben een drievoudig doel: controleren, zo snel mogelijk ingrijpen in geval van een probleem en de operators straffen die in gebreke zijn gebleven.

Voor Orange vereist deze regelgeving de analyse van 20.000 foto's per dag. Een taak die onmogelijk snel en foutloos kan worden uitgevoerd zonder hulp van AI.”

Médéric Chomel, VP Data, AI & Automatisering bij Orange Frankrijk

Het is geen haalbare oplossing om technici te vragen om talloze controlepunten op de bouwplaats te verifiëren, of om voldoende personeel in te zetten voor het analyseren van de 20.000 foto's die elke dag worden gegenereerd. Dit zou te tijdrovend, te duur en niet foutbestendig zijn. Bovendien is het nemen van steekproeven geen optie, aangezien elke ingreep geverifieerd moet worden.

Om deze tienduizenden foto's dagelijks te beoordelen (10.000 interventies x 2 - 10 foto's), ontwikkelden Orange en Artefact een algoritmisch model dat gebruik maakt van beeldherkenning (computer vision). Technici sturen via hun mobiele app hun foto's naar een artificial intelligence engine die in bijna realtime controleert of hun werk conform is. Als de technicus het niet eens is met de aanbevelingen van de machine, kan hij deze negeren. De AI is perfect geïntegreerd in de workflow van de technicus.

Het project werd geleid door een multidisciplinair team met een mix van profielen van zowel Orange als Artefact. Er werd een feature team samengesteld, bestaande uit de Product Owner, data wetenschappers, ingenieurs, gebruikers en experts uit andere vakgebieden om te werken aan de oplevering van de oplossing.

Tijd was het eerste probleem voor het team dat verantwoordelijk was voor het project. Orange had slechts negen maanden om de eerste versie van hun oplossing te implementeren. Daarom besloten ze om een deel van het project te baseren op “transfer learning”, een methode om gebruik te maken van reeds bestaande modellen die al in gebruik waren binnen het bedrijf of beschikbaar waren als open source. De Artefact teams herwerkten deze modellen vervolgens via hertraining, labeling en pre-processing, om de levertijd te verkorten, en ontwikkelden ook verschillende andere modellen vanaf nul.

Het team bekeek vervolgens de reactietijden van verschillende computer vision-oplossingen. Sommige oplossingen op de markt verwerkten beelden in zeven of zelfs acht minuten, terwijl de streeftijd drie seconden was. De toepassing moet worden gestart wanneer de technicus op het punt staat om de locatie te verlaten. Het is onpraktisch om de persoon te vragen om 10 minuten te wachten om de conformiteit van zijn installatie te controleren. Om de latentie zoveel mogelijk te beperken, worden de berekeningen parallel uitgevoerd. Zo worden verschillende modellen tegelijkertijd uitgevoerd om resultaten in quasi realtime te verkrijgen.

De derde uitdaging, maar zeker niet de minste, was de nauwkeurigheid van de analyse. Om maximale nauwkeurigheid te garanderen, moest het algoritme voorzien worden van een enorme hoeveelheid conforme en niet-conforme foto's. Het labelen van deze foto's werd uitgevoerd door een partnerbedrijf genaamd Isahit. Het labelen van deze foto's werd uitgevoerd door een partnerbedrijf genaamd Isahit, dat in staat was om 80.000 foto's te verwerken in drie maanden ontwikkeling met inachtneming van de vertrouwelijkheid van data.

“Dit project maakt deel uit van de langetermijnstrategie van Orange voor AI-transformatie. We hebben de code verpakt zodat deze hergebruikt kan worden in toekomstige use cases waar beeldherkenning nodig is. Dit AI-product is al hergebruikt om vezeltechnici in een ander werkgebied te ondersteunen.”

Vincent Luciani, medeoprichter en CEO van de Artefact groep.

Om hun manier van werken te begrijpen, hebben technici vanaf het begin deel uitgemaakt van het project. Hierdoor kon het ontwikkelingsteam verschillende punten identificeren, waarvan er één cruciaal is: de applicatie moet niet worden gezien als een middel om het werk van technici te controleren, maar als een hulpmiddel om hun dagelijkse werk te vergemakkelijken.

Dus om ervoor te zorgen dat de eindgebruikers zich prettig voelen bij de applicatie en dat deze ethisch ontworpen is, werkte het team aan twee aspecten.

Ten eerste moeten technici controle over de machine kunnen houden en tegen de aanbevelingen in kunnen gaan. Daarom was de verklaarbaarheid van de resultaten die het model teruggeeft een kernwaarde. Als het model een of meer non-conformiteiten vindt, moet de AI aangeven welk gebied of welke gebieden hierdoor beïnvloed worden.

Toen een eerste versie van de applicatie klaar was, liet het team deze testen door 50 vrijwillige technici. Zo kon het team relevante feedback verzamelen om de modellen te verbeteren. De omstandigheden waarin de foto's genomen zijn, kunnen bijvoorbeeld leiden tot verwarring tussen oranje kabels (van Orange) en roodgekleurde kabels (concurrenten). Het steeds terugkeren van deze fout leidde ertoe dat het featureteam de aanvaardbaarheid van het algoritme verbeterde. De prestaties van het model werden verminderd om tegenspraak met wat de mens ziet te voorkomen.

Voor Vincent Luciani, medeoprichter en CEO van de Artefact groep,

“Al onze AI-projecten zijn ontworpen om de zeven fundamentele principes voor ethisch AI-gebruik te respecteren die door een groep experts van de Europese Commissie zijn opgesteld. De eerste van deze waarden is menselijke controle. We hebben technici in het hart van het project geplaatst om ervoor te zorgen dat deze nieuwe oplossing hun dagelijks leven gemakkelijker maakt en hun autonomie niet in de weg staat. Dit is ook cruciaal geweest voor de acceptatie door alle Orange installateurs.”

In slechts negen maanden werd deze nieuwe toepassing ontworpen, getest, gecorrigeerd en op grote schaal geïndustrialiseerd. Het was een echt technisch en menselijk huzarenstukje, want het hulpmiddel is nu overgenomen door de 10.000 technici die dagelijks in Frankrijk worden ingezet.

Deze toepassing is slechts een van de 150 use cases die Orange de afgelopen twee jaar heeft ontwikkeld als onderdeel van haar transformatie door middel van AI. Sindsdien heeft Orange - samen met Artefact - heeft 15 nieuwe modellen in productie genomen ter ondersteuning van andere functies, zoals verkoop of klantenservice.

“De regelgeving voor artificial intelligence is in ontwikkeling. Onze transformatie, met behulp van data en AI, is bedoeld om de privacy te respecteren, ten goede te komen aan mensen en hun omgeving, en onbevooroordeeld te zijn. Daarom anticipeert deze strategie zoveel mogelijk op toekomstige wijzigingen in de regelgeving. We mogen niet vergeten dat dit soort projecten niet alleen technisch is; de mens is de grootste factor in het succes ervan,” aldus de directeur.”

Médéric Chomel, VP Data, AI & Automation bij Orange Frankrijk.