Un procédé de fabrication – chimique par exemple – présente régulièrement un ou plusieurs facteurs aléatoires difficilement contrôlables qui peuvent avoir un impact marginal sur la qualité de la production ou la durabilité d’un équipement sur la ligne par exemple. Ces facteurs d’influence peuvent être exogènes (météo. saisonnière), liés à la qualité de la matière première ou à des erreurs dans le processus (séquencement et/ou durée des tâches), etc. L’identification de ces facteurs peut être complexe, surtout lorsque le processus lui-même est complexe. 

Lorsque la logique analytique classique (comme la modélisation explicite simplifiée) n’est pas suffisante, les approches de modélisation statistique automatique (apprentissage automatique et apprentissage profond) peuvent ouvrir de nouvelles voies de compréhension.

La présentation montrera -avec un exemple concret d’une problématique de polymérisation- la méthodologie et la logique déployées par Probayes pour accompagner les ingénieurs procédés dans leur compréhension des déviations de production, ainsi que dans l’analyse des facteurs d’influence.