Industrie

Vers l'industrie du futur !

Le numérique est l’un des domaines clé de la performance industrielle. C’est donc un levier d’investissement primordial vers la vague « Industrie du Futur » ou « Industrie 4.0 ».

Probayes accompagne ainsi de nombreux clients industriels dans leur transformation en développant des outils basés sur l’Intelligence Artificielle.

Ces outils répondent aux principaux enjeux métiers de l’industrie :

  • Améliorer la qualité des produits, par exemple par l'identification et l'analyse des facteurs influençant la non-qualité
  • Améliorer la performance industrielle, par exemple par la détection et l'anticipation des dérives du procédé
  • Optimiser le procédé, par exemple par la recommandation des meilleurs paramètres à appliquer durant le fonctionnement des équipements

Des outils algorithmiques adaptés

Probayes emploie, depuis plus de 15 ans, un large panel d’outils algorithmiques, testés et mis en pratique dans les nombreux cas d’usage industriels. Les principales approches sont :

L’analyse de séries temporelles
Pour exploiter au mieux l’horodatage des données, très largement  présent dans les données industrielles

L’explicabilité des modèles
Et de leurs prédictions, un aspect fondamental dans  les nombreux cas d’usage nécessitant une compréhension des facteurs menant à une situation anormale ou désirée

La détection d’anomalies
Particulièrement pertinente pour les problématiques de maintenance  prédictive, pour lesquelles il n’existe généralement pas d’historique de pannes suffisant pour l’apprentissage de modèles supervisés

Le réapprentissage automatique
Souvent nécessaire étant donné l’évolution dans le temps des procédés et des équipements

La classification non-supervisée
Permettant de mettre en lumière des comportements et situations inconnus pour résoudre des problématiques industrielles mettant en oeuvre des procédés complexes

Une collaboration étroite

avec les équipes métiers du client

Pour embarquer la forte complexité des procédés industriels et la multitude de sources de données, les équipes Probayes mettent en place une collaboration étroite avec les équipes métiers du client. La transparence est le maître-mot de cette collaboration, permettant ainsi aux équipes de progresser ensemble lors des développements du projet. L’équipe métier client va pouvoir mieux comprendre la méthodologie de mise en place de l’I.A. dans le contexte industriel, tandis que l’équipe Probayes va affiner sa compréhension des enjeux et contraintes spécifiques au domaine du client. Cette collaboration permet de nouer des partenariats sur le long terme

Projet Monsoon

Exemple de réalisation

Projet visant à mettre en œuvre des techniques d’I.A. dans l’industrie de procédé – ici, l’aluminium (RioTinto – LIBERTY) et le plastique (GLNPlast, Portugal)

Problématique

Liberty Aluminium Dunkerque produit en interne des anodes, un des composants clé du procédé de production d’Aluminium par électrolyse. La densité de ces anodes est un paramètre primordial pour garantir la performance de l’électrolyse. Liberty Aluminium Dunkerque souhaite optimiser son procédé pour maximiser la densité de ces anodes.

Mise en oeuvre / Expertises mobilisées

La problématique a été abordée de deux manières. A partir d’une quarantaine de paramètres procédé mesurés en continu, nous avons construit un classifieur détectant les périodes de production d’anodes de basse densité, auquel nous avons adjoint un module d’explicabilité, permettant de lister en temps réel les 5 paramètres ayant le plus contribué à la baisse de densité. 

Nous avons de plus construit un module de recommandations, basé sur un régresseur. Après une période de basse densité, le module va proposer un ensemble de trois actions à réaliser qui permettent d’augmenter au mieux la densité. Une interface utilisateur dédiée a été mise au point et un module de réentraînement permet de s’adapter en continu aux évolutions du procédé.

Résultats

La version finale de l’outil est déployée chez LIBERTY sur son site d’Aluminium Dunkerque depuis l’été 2019. Les performances, aujourd’hui évaluées, doivent permettre d’améliorer significativement la densité des anodes, menant à un gain estimé à plusieurs centaines de milliers d’euros par an. 

Un article scientifique a été publié suite à une présentation à la conférence internationale TMS.

Voir l’article

MONSOON est un projet européen important pour Rio Tinto et LIBERTY.

« Et dans ce cadre les équipes de Probayes, avec une écoute attentive des experts et exploitants du procédé ont su s’approprier les données et les procédés étudiés, pour mettre en avant des leviers d’améliorations jusqu’alors inconnus ou non maîtrisés. A la connaissance métier s’ajoute une forte pédagogie qui a permis la mise en place de la solution MONSOON en usine. »

Vincent Maigron

MONSOON Project Manager – RIO TINTO

Projet Eramet

Exemple de réalisation

Le groupe ERAMET est l’un des principaux producteurs mondiaux de métaux d’alliage. ERAMET produit dans son usine de Kvinesdal, en Norvège, des alliages de silicomanganèse.

Problématique

Lors de la production, lorsque le procédé est optimal, il est possible de remplacer une matière première par une autre moins coûteuse. L’objectif du projet est de détecter en temps réel les périodes optimales du procédé permettant cette substitution, et de fournir des recommandations pour y revenir en cas de déviation.

Mise en oeuvre / Expertises mobilisées

En employant plusieurs dizaines de variables process issues d’un historian industriel, nous avons appliqué une approche de classification non-supervisée permettant de discriminer les différents points de fonctionnement du procédé. Une fois ces comportements annotés par les experts métiers, nous avons entraîné un classifieur à reconnaître ces comportements, puis adjoint un module d’explicabilité permettant de fournir en temps réel les paramètres caractérisant les comportements non-optimaux.

Résultats

L’analyse a permis d’identifier une famille de plusieurs comportements typiques dans le procédé, annotés par plusieurs experts métallurgistes d’ERAMET. Le procédé optimal a été clairement identifié, de même que les caractéristiques des comportements non-optimaux pour permettre aux exploitants de mieux piloter leur four dans l’usine de Kvinesdal, en Norvège.

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Fusce eu lacus diam. Cras congue, neque ac mattis efficitur, nibh ipsum fringilla nunc, sed iaculis neque odio non orci. Vestibulum ante ipsum primis in faucibus orci luctus et ultrices posuere cubilia Curae; Praesent lacinia, urna quis rhoncus lobortis, urna neque tempus tellus, quis auctor justo lectus vitae libero. Nulla non porta odio. Donec diam est, varius id ullamcorper a, efficitur nec libero

Prénom Nom

Fonction – Entreprise

PROJET FRAMATOME

Exemple de réalisation

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Nam sed leo quis lectus ultricies blandit nec sit amet urna. Integer mi ligula, tempor eget dapibus id, posuere vestibulum est. Pellentesque habitant morbi tristique senectus et netus et malesuada fames ac turpis egestas.

Problématique

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Nam sed leo quis lectus ultricies blandit nec sit amet urna. Integer mi ligula, tempor eget dapibus id, posuere vestibulum est. Pellentesque habitant morbi tristique senectus et netus et malesuada fames ac turpis egestas.

Mise en oeuvre / Expertises mobilisées

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Nam sed leo quis lectus ultricies blandit nec sit amet urna. Integer mi ligula, tempor eget dapibus id, posuere vestibulum est. Pellentesque habitant morbi tristique senectus et netus et malesuada fames ac turpis egestas.

Résultats

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Nam sed leo quis lectus ultricies blandit nec sit amet urna. Integer mi ligula, tempor eget dapibus id, posuere vestibulum est. Pellentesque habitant morbi tristique senectus et netus et malesuada fames ac turpis egestas.

« Lorem ipsum dolor sit amet, consectetur adipiscing elit. Fusce eu lacus diam. Cras congue, neque ac mattis efficitur, nibh ipsum fringilla nunc, sed iaculis neque odio non orci. Vestibulum ante ipsum primis in faucibus orci luctus et ultrices posuere cubilia Curae; Praesent lacinia, urna quis rhoncus lobortis, urna neque tempus tellus, quis auctor justo lectus vitae libero. Nulla non porta odio. Donec diam est, varius id ullamcorper a, efficitur nec libero »

Prénom Nom

Fonction – Entreprise

Ils nous font confiance*

* Pour des raisons de confidentialité, les noms de certains de nos clients ne sont pas cités