Optimisation des opérations par l’IA

Une entreprise industrielle du parc industriel de Suzhou faisait face à des inefficacités opérationnelles sur ses lignes de production. Les contrôles qualité manuels étaient lents et incohérents, la maintenance des équipements était réactive plutôt que prédictive, et la planification de production reposait sur des feuilles de calcul et des connaissances informelles plutôt que sur une optimisation pilotée par les données.

Le client avait investi dans des capteurs IoT et une infrastructure de collecte de données, mais ne disposait pas de l’expertise IA/ML nécessaire pour transformer ces données en améliorations opérationnelles concrètes. Il avait besoin d’un partenaire capable d’identifier les cas d’usage IA à forte valeur, de construire des modèles ML prêts pour la production et de les intégrer dans les workflows existants sans perturber la production.

Nous avons déployé quatre modèles ML : un modèle de vision par ordinateur pour l’inspection qualité automatisée, détectant les défauts avec 92 % de précision, un modèle de maintenance prédictive anticipant les pannes 72 heures à l’avance, un optimiseur de planning de production basé sur l’apprentissage par renforcement et un modèle de prévision énergétique pour optimiser les coûts.

Le pipeline ML reposait sur une stack moderne : MLflow pour le suivi des expérimentations, Kubernetes pour le serving des modèles, Apache Kafka pour le streaming temps réel des données et des tableaux de bord Grafana pour la supervision opérationnelle. Tous les modèles ont été intégrés au MES existant du client via des API sur mesure.