Mettre l’Intelligence Artificielle au cœur de l’innovation (maintenance prédictive)
Le client :
Indus est une PME leader sur son marché, c’est un fabricant de machinerie (Le nom a été modifié pour respecter la confidentialité demandée)
La situation :
Le fabricant de machinerie dans cette étude de cas est contraint par des politiques départementales, des politiques, des silos, des défis de réglementation et de fabrication.
Ces défis l’empêchent de créer de nouveaux modèles commerciaux, produits et services qui ne sont rendus possibles que par l’apprentissage automatique.
Le département des matériaux était réticent à l’idée d’abandonner l’aluminium, son matériau de prédilection, au profit des matériaux composites. Ils affirment qu’il n’existe aucune étude mondiale comparant directement les deux, même si les avantages des composites sont évidents. La transition nécessiterait une transformation complète des pratiques d’ingénierie, de conception, de droit et de conformité. L’entreprise veut se transformer… mais pas à ce point !
Le problème :
Il existe deux possibilités de créer un avantage concurrentiel et de créer de nouveaux flux de revenus commerciaux :
- Passer de l’utilisation de l’aluminium aux matériaux composites. Le problème est qu’il n’existe pas de comparaison scientifique acceptée et examinée par des pairs entre les matériaux utilisés dans le monde réel. Cet examen donnerait une couverture légale pour passer de l’aluminium, qui a fait ses preuves, à un composite plus léger. Il y avait donc une réticence à déplacer les matériaux malgré les avantages évidents de le faire.
- Les pièces utilisées dans les machines vendues par le fabricant nécessitaient un entretien. Pour des raisons de sécurité, nombre d’entre elles étaient remplacées bien avant d’avoir atteint leur fin de vie naturelle. Cette pratique était coûteuse pour le propriétaire de la machine et peu écologique, car les pièces usagées étaient tout simplement mises au rebut.
La solution :
- Créer une solution ML semi-supervisée qui prend des données non structurées et compare les matériaux. Ensuite, construire une interface qui permettra d’interroger les propriétés clés de l’aluminium par rapport aux matériaux composites, avec une attention particulière pour les domaines qui sont les plus surveillés par les régulateurs industriels.
- Construire une coalition de ceux qui sont prêts à changer en utilisant l’outil.
- Démontrer la rapidité avec laquelle des informations précises, impartiales et compréhensibles peuvent être obtenues.
- Créez une simulation très visuelle de l’argumentaire pour changer le modèle économique de la maintenance, de la « maintenance préventive » à la « maintenance prédictive », et montrez comment cela augmentera considérablement l’avantage concurrentiel et ouvrira un nouveau monde de pièces d’occasion qui ont une histoire de vie validée.
Le Résultat :
- Dans cette étude de cas, le succès est dû autant aux communications qu’à la technologie.
- Les gens, lorsqu’ils sont amenés à participer à un processus de changement, acceptent beaucoup plus facilement les simulations et l’impact personnel.
- Une fois informés du potentiel commercial de l’IA, la plupart des dirigeants se sont montrés beaucoup plus accessibles et ouverts à l’assistance.
- Une nouvelle offre de Maintenance prédictive