Rebuts et dérives procédé
Avant de lancer une IA prédictive, il faut vérifier que les variables mesurent bien le procédé, et non le bruit autour.
Contexte et problématique
Un site de transformation des polymères rencontre des variations de rebut difficiles à expliquer. Les données sont nombreuses, mais horodatages, changements de référence et fréquences de mesure rendent certaines corrélations trompeuses. Le Diagnostic doit réduire le problème à quelques variables physiques fiables avant de décider si un modèle avancé est réellement utile.
Intervention Prométhée T&I
Prométhée T&I rapproche données de production, qualité et mesures physiques, puis filtre les variables selon leur cohérence métrologique et leur plausibilité physique. Le jeu de variables est resserré et un plan de mesure complémentaire défini. Le déploiement d'une IA avancée est volontairement différé jusqu'à validation des relations les plus robustes.
Résultats et indicateurs
- Six variables physiques prioritaires retenues sur quinze candidates explorées.
- Potentiel de réduction du rebut : 7 à 10 % sur la famille de produits étudiée.
- Déploiement d'une IA avancée différé jusqu'à validation du plan de mesure.
Enseignement principal
Une IA plus complexe n'est pas automatiquement une meilleure solution. Une mesure propre et un mécanisme compris valent souvent davantage qu'un modèle opaque construit trop tôt.
Ce cas vous intéresse ?
Échangeons sur votre contexte, vos enjeux et les leviers transposables à votre organisation.
Nous contacter