Matthieu Michot

Responsable du pôle d'expertise Big Data au sein de Safran Aircraft Engine. Au sein du département fleet data engineering de la division support et service:

- Analyse des données de vol, maintenance, événements, données externe météo

- Calcul des prévisions de maintenance des moteurs LEAP 1A et LEAP 1B

- Développement d'un simulateur d'optimisation des coûts de maintenance et d'émission de CO2

- Développement de chaînes d'ingestion en SPARK sur cluster Hadoop (Cloudera)

- Développement d'applications web pour mise à disposition des données (CI/ CD)

- Développement d'algorithmes distribués sur cluster scala/pyspark

- Formateur data science / data engineering

- Mise en place d'analytiques pour le support de la flotte

- Développement de méthodes et outils pour la société

Au sein du centre d'excellence Industriel composite, je suis responsable de l'analyse des données de production et des projets data des FAN BLADES/ FAN CASES pour le LEAP 1A-1B-1C pour les usines de productions à Rochester (USA), Querétaro (Mexique) et Commercy (France).

Dans un context de ramp-up inédit du LEAP, je travaille à la mise en place d'analyses et de traitement des données dans le but de réduire les coûts et améliorer la qualité. Mais aussi à la mise en place d'applications, de dashboards et d'outils innovants dans l'objectif de travailler à l'élaboration de l'usine du futur.

Mise en place d'ETL depuis les machines jusqu'aux bases de données (structurées et non structurées).

Réalisations de projets innovants pour l'anticipation et la prédiction des pièces non conformes (machine learning).

Identification des roots causes pour la résolution de crise dans la production (machine learning).

Mise en place de monitoring (web application, angular)

AIRBUS Real Time Health Monitoring Service (AIRTHM) Au sein du service diagnostics et maintenance prédictive des dysfonctionnements avions, ma mission consiste à développer des solutions « data science » permettant aux compagnies aériennes d'optimiser leurs opérations journalières et d'améliorer la disponibilité opérationnelle des appareils.

La mission s'inscrit dans le cadre de l'exploration des nouvelles techniques statistiques et de Data Mining concernant le traitement d'un nombre volumineux de données de santé recueillies à partir des avions.

Les données manipulées grâce à python (Pandas, matplotlib, numpy...) proviennent de système Hadoop (fichiers HDFS), base de données MongoDB. Visualisation sur Spotfire, Quiver.

Les algorithmes employés sont principalement des algorithmes de classification (KNN, logistic regression...), régression linéaire (avec régularisation), réduction de dimension, time series (ARMA, ARMAX...), analyse supervisés, semi et non supervisés avec répartition des calculs en parallèle sur plusieurs serveurs (Spark). Modèles non supervisés pour la détection d'anomalies sur les signaux faibles. Mise en place de monitoring en collaboration avec les bureaux d'étude dans le but de prédire la défaillance des systèmes.

Travaux sur la théorie des graphes pour la visualisation de l'ensemble des données de l'entreprise (logiciel Tulip, Gephy.