Real-Time Predictions for Targeted Safety Oversight

技术

分析与建模 - 机器学习
分析与建模 - 预测分析

适用行业

安全与公共安全

适用功能

商业运营

用例

预测性维护

服务

数据科学服务

挑战

不列颠哥伦比亚省技术安全局 (Technical Safety BC) 是一家独立的自筹资金组织，负责监督加拿大不列颠哥伦比亚省技术系统和设备的安全安装和运行。进行物理评估成本高昂，而误报检查每年都可能导致重大的机会成本。这些资源可以在安全系统中得到更好的分配；因此，找到一种更准确地预测危险的方法对该组织具有很高的战略价值，并为公众带来更大的安全效益。不列颠哥伦比亚省技术安全局希望通过在风险评估过程中引入更复杂的机器自主性，在资源水平相同的情况下找到更多的高危地点。面临的一些挑战包括：不协调的异构数据源；数据质量；协作速度；以及使用机器推荐预测的培训挑战。

关于客户

不列颠哥伦比亚省技术安全局 (Technical Safety BC) 是一家独立的自筹资金组织，其职责是监督不列颠哥伦比亚省 (BC) 的技术系统和设备的安全安装和运行。除了颁发许可证、执照和证书外，他们还与行业合作，通过评估、教育和推广、执法和研究来降低安全风险。他们正在寻找一种方法，通过在风险评估过程中引入更复杂的机器自主性，在资源投入水平相同的情况下，更准确地预测危险并找到更多高危地点。

解决方案

为了应对这些挑战，Technical Safety BC 成立了一个专门的数据分析和决策科学部门，负责将高级分析集成到组织的各个部分。该团队选择 Dataiku 作为提高数据处理效率的工具。使用 Dataiku，Technical Safety BC 能够快速制作原型、测试、迭代和部署数据驱动的解决方案，轻松地重复使用效果良好的模型，而不是为类似项目编写单独的查询，花更多时间在创新的新方法上试验各种模型并提高工作效率，建立实验和快速原型设计的文化，并与一小群数据科学家一起为安全结果取得更多成就。Technical Safety BC 在一个项目中使用了 Dataiku，该项目利用机器学习预测来查找与风险因素相关的共同特征和信号。预测模型可以快速适应以反映任何新出现的风险，并根据最新知识自动相应地调整资源分配。A/B 测试用于测试预测高危站点的新模型。

运营影响

Since deployment of the new machine learning model developed with Dataiku, Technical Safety BC’s predictive performance improved by 85% for the electrical technology compared to previous methods.
Machine learning also significantly reduced the total number of mandatory inspections, which will help optimize safety officer time so they can apply their time and expertise to potentially higher-hazard situations and make a greater impact on safety.
This new approach offers improved performance, shorter deployment time, better scalability, and paves the road for future improvements in service to public safety.

数量效益

Predictive performance improved by 85% for the electrical technology compared to previous methods.
Significantly reduced the total number of mandatory inspections.
Improved performance, shorter deployment time, better scalability.