AI-gebaseerde applicatie waarmee glasvezelinstallateurs eenvoudig kunnen controleren of interventies worden nageleefd

Orange, een toonaangevend telecommunicatiebedrijf organisatie in Frankrijk en Europa, heeft in 2020 een op Artificial Intelligence gebaseerde transformatie doorgevoerd. Deze nieuwe visie voor data en AI is bedoeld om de duizenden technici, ingenieurs en andere beroepen die bij de groep werken te helpen met taken die te complex zijn voor mensen alleen. Tegelijkertijd werd ook een herziening van de productregelgeving voor 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 de business te transformeren door het potentieel van data en AI te realiseren.

Onder deze gezamenlijk ontwikkelde use cases is een AI oplossing ontworpen 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. Daarom heeft ARCEP in de zomer van 2021 het maken van foto's voor en na elke interventie verplicht gesteld.
Deze beelden hebben een drievoudig doel: toezicht houden, zo snel mogelijk ingrijpen in geval van een probleem en de in gebreke gebleven exploitanten bestraffen.
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 AI assistentie."
Médéric Chomel, VP Data, AI & Automation bij Orange Frankrijk

Een AI oplossing gebaseerd op beeldherkenning

Het is geen haalbare oplossing om technici te vragen talrijke controlepunten op de bouwplaats te verifiëren of voldoende personeel in te zetten voor de analyse van de 20.000 beelden die dagelijks worden gegenereerd. Dit zou te tijdrovend en te duur zijn, en niet foutbestendig. Bovendien is monsterneming geen optie, aangezien elke ingreep moet worden geverifieerd.

Om deze tienduizenden foto's dagelijks te beoordelen (10.000 interventies x 2 - 10 foto's), ontwikkelden Orange en Artefact een algoritmisch model op basis 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 ze negeren. De AI is perfect geïntegreerd in de workflow van de technicus.

Succesfactoren: kwaliteit data, multidisciplinaire teams, transfer-leermodel

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 beroepen 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 een deel van het project te baseren op "transfer learning", een methode waarbij reeds bestaande modellen worden gebruikt die al in gebruik zijn binnen organisatie of beschikbaar zijn als open source. 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.

Vervolgens bekeek het team de reactietijden van verschillende computer vision oplossingen. Sommige oplossingen op de markt verwerkten beelden in zeven of zelfs acht minuten, terwijl de beoogde tijd drie seconden was. De toepassing moet worden gestart wanneer de technicus op het punt staat het terrein te verlaten. Het is onpraktisch om hem te vragen tien 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 real time te verkrijgen.

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

"Dit project maakt deel uit van Orange's langetermijnstrategie AI voor transformatie. We hebben de code zo verpakt dat deze kan worden hergebruikt 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.

Veranderingsbeheer: de adoptie van de toepassing door de eindgebruiker aanmoedigen

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

Om ervoor te zorgen dat de eindgebruikers zich op hun gemak voelen bij de toepassing en dat deze ethisch verantwoord is ontworpen, werkte het team aan twee aspecten.

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

Zodra 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. Een voorbeeld: de omstandigheden waarin de foto's zijn genomen, kunnen leiden tot verwarring tussen oranjekleurige kabels (van Oranje) en roodkleurige kabels (concurrenten). De herhaling van deze fout bracht het feature team ertoe de aanvaardbaarheid van het algoritme te verbeteren. De prestaties van het model werden verminderd om te voorkomen dat wat de mens ziet, wordt tegengesproken.

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 zijn opgesteld door een groep experts van de Europese Commissie. 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 vergemakkelijkt en hun autonomie niet in de weg staat. Dit is ook cruciaal geweest voor de acceptatie door alle Orange installateurs."

Een succes dat deel uitmaakt van een wereldwijde transformatiestrategie door middel van AI

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 instrument 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 zijn transformatie via AI. Sindsdien heeft Orange - samen met Artefact - 15 nieuwe modellen in productie genomen om andere functies te ondersteunen, zoals verkoop of klantenservice.

"Regelgeving over 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 moeten niet vergeten dat dit soort projecten niet alleen technisch is; mensen zijn de grootste factor in het succes ervan," aldus de directeur.
Médéric Chomel, VP Data, AI & Automation bij Orange Frankrijk.

Om Engelse subtiles in te schakelen, klikt u op het "CC"-pictogram en vervolgens op "Instellingen". Daarna kiest u de optie "Subtiles" en vervolgens "Auto-translate" naar Engels of de taal van uw keuze.