Contexte et objectifs
Cadrer et développer un outil data pour améliorer un procédé industriel complexe faisant intervenir une fermentation, afin d’optimiser à la fois le rendement et la qualité de la production.
Résultats
- Le produit est en production et bien adopté par les ingénieurs procédés.
- Amélioration du rendement moyen à ce jour : +1,2 point de pourcentage.
- Le produit est en cours de déploiement dans toutes les usines et devient la référence ; sa capacité d’apprentissage permettra d’accroître encore le gain.
Notre approche
Suivi
- Ingestion des données IoT en temps réel et suivi des lots
- Alertes
Modèle et interprétabilité
- Un modèle d’apprentissage automatique doté d’une interprétabilité SHAP pour comprendre les corrélations multivariées
Meilleurs et moins bons lots
- Un moteur d’induction de règles qui identifie les meilleurs et les moins bons lots
Autres études de cas
Toutes les études de cas- Modélisation et optimisation de la supply chain Améliorer la planification et la logistique de la transformation de matières premières agricoles Lire l'étude de cas →
- RAG augmenté pour la R&D Une veille concurrentielle sur les moteurs d’avion, fondée sur un graphe de connaissances, pour un leader mondial de l’aéronautique Lire l'étude de cas →
- Innovation data au service de la qualité Valoriser une innovation interne de détection des défauts pour un fabricant d’alliages avancés Lire l'étude de cas →