Étape 1 — Encadrement des cas d'utilisation

• Compréhension du processus industriel et définition des métriques qui seront ciblées pour l'optimisation
• Affinement des besoins des utilisateurs finaux et définition des cas d'utilisation et des maquettes des applications Web
• Cartographie des principaux paramètres de production à surveiller de près et identification des méthodes avancées de ML à mettre en œuvre

Étape 2 — Développement de méthodes avancées

• Conception d'un jumeau numérique nécessitant la surveillance de plus de 100 paramètres dynamiques et statiques
• Développement d'une méthode de ML personnalisée pour identifier et optimiser le processus de production et permettre une évaluation quotidienne des performances de production

Étape 3 - Intégration des recommandations

• Remplacement des capteurs défectueux identifiés grâce aux fonctions de surveillance
• Tester les améliorations les plus prometteuses des processus de production, telles que la synchronisation des entrées et les ajustements de quantité
• Validation quantitative des améliorations pour une intégration définitive