Communication Dans Un Congrès Année : 2024

Customer feedback analysis using natural processing methods to identify failure modes

Analyse des retours d'expérience en clientèle par des méthodes de traitement automatique du langage naturel pour identifier les modes de défaillance

Gwenaël Edeline
  • Fonction : Auteur
  • PersonId : 1491800

Résumé

Artificial intelligence (AI) methods, particularly natural language processing (NLP), offer revolutionary opportunity for customer incident feedback analysis, especially for assessing the reliability of a system in the customer domain and to make a reliability projection through a Weibull law analysis. This article will detail an AI tool developed to automatically assign a failure mode to each customer feedback by leveraging NLP techniques and ML modelling. The proposed approach to data pre-processing and customer feedback classification will be described. The results obtained will demonstrate the effectiveness of the developed AI tool in facilitating the work of RAMS engineers and providing accurate customer processing in a short amount time.
Les méthodes d'intelligence artificielle (IA), notamment le traitement automatique du langage (NLP), offrent des possibilités révolutionnaires pour l'analyse des retours d'incidents en clientèle, qui permettent en particulier d'évaluer la fiabilité réelle d'un système en clientèle et de faire une projection de fiabilité à partir de l'identification préalable d'une loi de Weibull sur les incidents. Le présent article détaillera un outil d'IA développé pour attribuer automatiquement un mode de défaillance à chaque retour client, en exploitant des techniques de NLP et de modélisation par Machine Learning (ML). L'approche proposée de prétraitement des données et de classification des retours clients sera décrite. Les résultats obtenus démontreront l'efficacité de notre approche pour faciliter le travail des ingénieurs FMDS et fournir un traitement des réclamations clients précis et rapide.
Fichier principal
Vignette du fichier
G. EDELINE (SOM LIGERON)_Article LM24_GE.pdf (435.63 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04893358 , version 1 (17-01-2025)

Identifiants

  • HAL Id : hal-04893358 , version 1

Citer

Gwenaël Edeline. Analyse des retours d'expérience en clientèle par des méthodes de traitement automatique du langage naturel pour identifier les modes de défaillance. Congrès Lambda Mu 24 « Les métiers du risque : clés de la réindustrialisation et de la transition écologique », Institut pour la Maîtrise des Risques (IMdR), Oct 2024, Bourges, France. ⟨hal-04893358⟩
0 Consultations
0 Téléchargements

Partager

More