Vous sentez bien que l'Intelligence Artificielle va vous permettre de booster votre productivité, de gagner du temps, de résoudre les problèmes récurrents, d'acquérir des connaissances révélées par la modélisation... mais comment initier le mouvement ?
Comment vendre cette innovation en interne !?
Faites-vous la main avec un retour d'expérience à moindre coût !
Avec vos données !
Dans cette section
Projets & références
Technord a accumulé des références dans plusieurs domaines
et a élaboré une feuille de route progressive pour ce type d’innovation.
Étant un intégrateur industriel complet et générant donc beaucoup de données pour le client, TECHNORD s’est donné pour mission d’exploiter cette richesse d’informations afin de permettre au client d’être plus agile et d’obtenir un pourcentage supplémentaire d’amélioration du rendement, ou de résoudre un problème.
D’une part, PI est totalement aligné sur nos activités MES (Manufacturing Execution System) et IOT (plateforme Easysense et partenariat avec IBM).
D’autre part, PI répond aux objectifs d’amélioration continue et d’excellence opérationnelle.
Nous analysons vos données, nous extrayons l’information qui aidera à améliorer votre excellence opérationnelle, nous effectuons des modélisations.
Et tout ça, nous pouvons l’intégrer sur votre procédé, et connecter ce nouvel outil pour une prédiction ou une aide à la décision en temps réel.
3 piliers pour un projet d’intelligence artificielle 4.0
Quels sont vos besoins ?
Le traitement de données et la modélisation doivent être orientés pour atteindre une ambition ou résoudre une problématique. Il faut donc identifier les sujets potentiels et les prioriser.
Quelles données seront utilisées ?
L’essence même des projets d’intelligence artificielle est l’exploitation de données. Il faut un minimum de gouvernance pour y avoir accès, juger de leur qualité, et du volume nécessaire.
Comment accompagner l’amélioration de vos processus?
Comme pour chaque projet d’innovation, il faut un décideur pour motiver les troupes. La motivation et les suggestions des personnes concernées vont aider au développement de l’outil qui les aidera dans le futur !
Ce processus itératif est effectivement un dialogue de simulation : les données permettent la simulation, la simulation stimule les idées, puis de nouvelles données et idées permettent d’améliorer la simulation, etc.
Les étapes pour mener à bien un projet d’intelligence artificielle 4.0 ?
Débutez modestement, puis faites croître votre projet IA
La bonne gouvernance et la maîtrise des données est certes une étape primordiale, mais une initiative d’ exploitation de vos données, à moindre coût, engrangera un retour rapide d’expérience. Mieux vaut être efficace et imparfait que vouloir être parfait et jamais prêt, ce sera un apport précieux pour mieux comprendre l’impact de l’innovation.
Dans ce contexte, nos développements étape par étape vont permettre de lever des premiers résultats et de dresser une roadmap agile.
Prenez quelques jours pour définir votre projet IA en 3 étapes
La clé d’un projet d’intelligence est la définition du projet. Il est important de se poser les bonnes questions au bon moment.
1. Réalisez une étude de faisabilité avec les conseils de nos experts
Définir l’environnement du projet :
Quel est le sujet ?
Quelles personnes seront impactées par ce projet ?
Définir les besoins du projet :
Quelles sont les personnes de contact ?
Quels types de données seront mis à disposition ?
Les données fournies doivent-elles être complétées ?
L’historisation des données est-elle adéquate ?
Quelles sont les particularités du procédé : sa dynamique, ses contraintes, son mode de conduite ?
Quel type de modélisation serait approprié ?
Prévoir et évaluer les retombées du projet :
Quel retour sur investissement (ROI – Return Of Investment) prévoir ?
La deuxième étape est une analyse approfondie des données historisées et des échanges avec le client, afin d’aboutir à une première modélisation (offline). Les résultats et le périmètre du projet sont discutés tout au long de sa réalisation. Sur base des nouvelles informations issues de la modélisation, interrogez-vous sur :
Comment améliorer la prise de décisions ?
Quel nouveau mode de conduite est possible quand on anticipe les événements via la prédiction ?
Qu’est-ce qui peut être automatisé ?
3. Délimitons ensemble la portée de votre projet IA
C’est le moment de traduire la réponse à vos besoins en équations ! Les étapes suivantes dépendent des premiers résultats et de l’objectif final :
Continuer à développer la modélisation en mode ‘offline’, sur plus de données ou pour un mode de fonctionnement élargi ;
Passer en mode de conduite ‘Temps réel’ : sur base du simulateur développé sur l’historique, construire un module de conduite qui analyse les mesures qui s’accumulent en temps réel pour reconnaître la situation de fonctionnement et fournir la prédiction adéquate ;
Suggérer à l’opérateur des consignes de fonctionnement pour atteindre l’objectif de production en volume, en qualité et en émissions (boucle ouverte) ;
Influencer automatiquement la conduite du procédé, sans validation de l’opérateur. C’est donc un fonctionnement en boucle fermée, synonyme de Jumeau numérique dans un contexte ‘4.0’, ou plus sobrement de Commande avancée de procédé.
Une solution adaptée à votre métier
Selon votre métier dans la société, les problématiques à résoudre et les contraintes à respecter peuvent être très différentes.
Notre expertise permet d’adresser différents domaines: la R&D, la Production, la Supply Chain et la Maintenance.
Production
R&D
Supply chain
Maintenance
Production
La Production doit sortir le volume défini par le planning
En maintenant ou augmentant le rendement
En réduisant les coûts de production autant que possible (objectifs/résultats d’audit)
En gérant les non-conformités
En réduisant autant que possible l’empreinte environnementale des activités (objectif 0 Carbone)
En s’adaptant suivant la conjoncture (prévisions du marché, approvisionnements, matières premières ou produits relativement différents)
En assurant la traçabilité des matières et des produits
En supportant le benchmarking des sites similaires
L’efficacité de votre procédé peut être renforcée, en voici quelques exemples.
KPIs Qualité en temps réel
Une modélisation orientée ‘capteur logiciel’ qui va permettre d’évaluer des KPIs (typiquement Qualité) quasiment en temps réel, au lieu d’attendre le prochain résultat d’échantillonnage du labo. Cet affichage de l’évolution de la Qualité et de sa prédiction avec un nouvel écran en supervision va booster l’aide à la décision et le pilotage du procédé.
Cette approche de modélisation peut aussi être utilisée de façon à débiaiser en temps réel une mesure que l’on sait problématique (calibration difficile, dérives rapides).
Désiloter les données
Une approche plus ‘data-driven’ qui va collecter des données dans différentes sources (Scada, Qualité, Maintenance, …) et d’étudier une image complète du procédé. Il est bon d’avoir différentes sources de collecte de données, mais il est encore mieux de rompre ces silos de données pour obtenir une vision transversale et contextualiser le produit. Comme déjà mentionné, les différents corps de métier sur le procédé gèrent leurs données, mais en général communiquent peu entre eux pour échanger lesdites données.
Une analyse poussée, multi DB, va permettre de dégager des pistes d’amélioration du TRS (Taux de Rendement Synthétique), à prioriser selon leur impact et leur facilité d’implémentation : changement de cadence, nouveau type de mesure, calculs supplémentaires remontés vers la supervision, règles de gouvernance des données, etc.
Régulation optimisée
Une modélisation ‘light’ qui représente le plus simplement la dynamique du procédé et permet :
d’affiner les paramétrages existants pour faire face à des contraintes fortes en régulation,
de proposer un nouveau schéma de régulation si nécessaire, validé par simulation et sur des données collectées.
Surpasser votre excel
La production peut avoir déjà développé un module ‘maison’ de calculs et d’analyse. Technord se fait fort d’analyser et de faire monter en puissance l’outil existant grâce à des algorithmes qui vont digérer l’historique de données, et élargir l’horizon de prédiction sur le procédé ou un outil combinatoire de recettes, par exemple.
Planning
Si l’établissement du planning s’avère particulièrement complexe, la Data Science peut servir à exploiter l’historique de données des commandes/livraisons et suggérer automatiquement l’essentiel dudit planning sur base de règles développées avec le métier, et ce en harmonie avec le M.E.S.
R&D
La R&D doit développer de nouveaux produits
En limitant les temps et les coûts de développement
En rencontrant les besoins du marché
En ayant en perspective l’adaptabilité de la fabrication en Production (scale-up)-En collaborant avec plusieurs équipes, potentiellement disséminées à travers le monde
En établissant un socle de connaissance exhaustif sur les propriétés du produit
En protégeant la propriété intellectuelle (brevet/secret)
Les données de design et l’historique d’expérimentation peuvent être exploitées pour de la modélisation ‘de compréhension’ qui permet de confirmer certaines hypothèses ou de générer de la nouvelle information via les courbes de simulation : changement de dynamique suivant les conditions opératoires, les matières premières.
La modélisation peut aussi être utilisée pour créer le lien entre différents points de fonctionnement : les paramètres du modèle sont identifiés pour chaque expérience, puis une loi d’évolution de ces paramètres peut être définie de façon à explorer l’ensemble des conditions opératoires possibles. Les expériences de départ doivent évidemment être choisies judicieusement (si nécessaire, recours à du DoE : Design of Experiments).
La modélisation peut ensuite être adaptée vers un format plus grand et donner des indications pour la mise à l’échelle du procédé (Production). En outre, la connaissance générée en laboratoire peut être transférée vers le format supérieur, sans pour autant devoir équiper le procédé en instruments de mesure aussi perfectionnés que ceux utilisés en labo.
Supply chain
La Supply Chain doit assurer les flux d’approvisionnement vers la Production et vers les clients
En coordonnant les stocks disponibles
En coordonnant ses volumes capacitaires
En limitant ses ruptures de charge
En réduisant les frais d’acheminement (trajets/empreinte CO2)
En benchmarkant ses fournisseurs
En benchmarkant ses distributeurs
En gérant les incertitudes sur l’approvisionnement (équipement et matières)
En prévoyant l’évolution du marché à moyen et long termes
En alimentant la stratégie d’entreprise
Les défis en matière logistique croissent en complexité dans un contexte où les déplacements reviennent chers, tant au niveau pécunier qu’au niveau empreinte CO2. Les problématiques qui en découlent peuvent être en partie résolues car certaines se traduisent en problèmes mathématiques. Les solutions envisageables doivent évidemment être réalistes et impliquent une connaissance métier certaine. Une fois validées, elles deviennent un outil de suggestions qui répond rapidement à des propositions de scénarii, dans un esprit plus tactique et stratégique d’entreprise (Sales & Operations – S&OP).
Centre logistique
Du point de vue Centre logistique, la Data Science peut servir à
identifier les causes de dysfonctionnement et les ruptures de charge en analysant les différentes sources de données et les règles de priorité établies
proposer des modifications de règles. Une évolution progressive, pour une validation par étapes
proposer de nouvelles visualisations : affichage de paramètres ou de nouveaux KPIs de contextualisation issus de développements mathématiques
S&OP
Du point de vue S&OP, la Data Science peut servir à
réconcilier des sources de différents bords : capacités de production, coûts variables, coûts de douanes, coûts de fret, prévisions de ventes, etc. pour fournir une visualisation globale des moyens à disposition
valider des hypothèses de réconciliation de données, et tester des scénarii développés par les S&OP
agréger des données pour ébaucher une stratégie, ou au contraire à permettre un drill-down cohérent vers plus de détails
suggérer des scénarii pour rencontrer des objectifs ou ambitions de marché
Maintenance
La Maintenance doit assurer le bon fonctionnement du site et des équipements
En évitant autant que possible les arrêts de production (planifiés ou pas)
En assurant la sécurité du personnel sur site
En monitorant l’état de santé des équipements (vérification visuelle, ou en vérifiant les dérives dans les mesures)
En analysant leur consommation énergétique
En établissant des plans de calibration efficaces : conservateurs mais économes en ressources
L’étude des données relatives aux équipements et capteurs va permettre de
fournir des limites de fonctionnement dynamiques correspondant au contexte actuel, et générant des alarmes pertinentes / non intempestives
qualifier automatiquement la vitalité de l’équipement : neuf, vieillissant, à risque (récurrence de dysfonctionnements)
fournir de la prédiction sur l’évolution des mesures et donc des équipements (maintenance prédictive, et non préventive, et non curative), ce qui permet une gestion plus confortable du planning en évitant les mauvaises surprises
maîtriser les dérives des capteurs, notamment en corrélant entre eux ceux qui appartiennent au même contexte. Le monitoring ne se fait donc plus sur les mesures mais sur les paramètres de corrélation qui les relient
étudier l’historique de calibration afin de définir ce qui serait un plan de calibration efficace : assurer une marge de sécurité tout en limitant les calibrations périodiques
Différenciation de TECHNORD
L’équipe IA de TECHNORD possède un solide background scientifique et mathématique. Cela nous permet d’appliquer un large éventail d’outils et de notions que nous pouvons détailler lors d’une présentation :
Nous promouvons un transfert inconditionnel de la propriété intellectuelle des projets à nos clients. L’outil leur appartient donc pleinement.
TECHNORD est un intégrateur expérimenté, avec des équipes dans la plupart des couches ‘procédé’ :
Notre stratégie d’innovation est rodée avec des références que nous vous présenterons.
Finalement, quels avantages ?
L’intelligence artificielle offre de nouvelles perspectives prometteuses au secteur de l’industrie. L’utilisation instantanée de vos données permet une réactivité optimale pour des analyses et des prises de décision en temps réel.
Atteindre l’excellence
Renforcez votre démarche d’amélioration continue pour assurer un niveau élevé de perfomance et éviter des variation parasites dans le fonctionnement du process
Comment ?
Adoptez une approche prédictive sur la base de modèles calibrés et de prédiction du comportement du process pour anticiper et corriger les problèmes éventuels, en boucle fermée ou ouverte.
Utilisez des capteurs logiciels pour évaluer en continu les indicateurs de performance (KPI).
Consommation énergétique
Ayez une gestion rationnelle de l’énergie et évitez la surqualité pour :
Mieux maîtriser les pics de consommation et votre facture énergétique,
Mieux maîtriser l’empreinte de CO₂,
Éviter les pénalités du permis d’exploiter.
Bref, pour donner une perspective d’avenir et de résilience à l’industrie locale !
Votre futur projet IA comme outil de pilotage et support de sensibilisation à la gestion rationnelle de l’énergie
Maintenance prédictive
Exploitez les données des capteurs et équipements pour identifier les points de fonctionnement selon leur qualité (bonnes performances, situations problématiques).
Utilisez ces clusters pour prédire et éviter les dérives dangereuses à temps.
Liez vos données process.
Quel gain ? L’amélioration des temps et du rendement de la production.
Avez-vous une question sur nos expertises en Data Science / AI ?
Notre équipe vous apporte conseils et vous accompagne dans le choix des meilleures solutions ?
Contactez-nous
Merci !
Nous avons bien reçu votre demande et notre équipe vous répondra dès que possible !
Si vous désirez être tenu informé de notre actualité, n’héistez pas à vous inscrire à notre lettre d’information.
Certifications
Des services certifiés aux normes en vigueur
Grâce à notre expertise et à notre implication dans de très nombreux projets réalisés dans des secteurs d’activité diversifiés et exigeants, nos équipes sont certifiées au plus haut niveau par les constructeurs leaders mondiaux du marché.
A voir également
Nos expertises en Process Improvement