Hélène Olphe-Galliard, directrice générale de Braincub.
Quels outils et solutions met Braincube à la disposition des industriels petits ou grands pour aller vers l’industrie 4.0 ?
La maîtrise des données, nouvel actif stratégique des entreprises, est à la base de la transformation numérique. En permettant aux entreprises de connecter leurs usines et de valoriser toutes leurs données, Braincube permet d’engager une transformation rapide et très rentable. Avec notre plateforme IoT en Edge et en Cloud pour connecter les machines, collecter et stocker les données, et grâce à toutes les applications nécessaires pour analyser l’information et aider à la conduite des opérations, Braincube est le nouveau SI décisionnel.
Quels sont les objectifs de l’utilisation de l’analyse de données et de l’intelligence artificielle pour ces industriels ?
Le but est de développer de la connaissance et maîtriser sa qualité, ses coûts, ses rejets… Avec des applications simples d’usage mais très performantes grâce à notre technologie exclusive de machine learning, Braincube trouve et classe les paramètres « impactants » et leurs meilleurs réglages. L’industriel peut ensuite choisir d’afficher ces instructions au poste ou qu’une intelligence artificielle les renvoie directement à l’automate, en mode autoadaptatif.
Comment sont stockées, accessibles et sécurisées toutes ces données ?
Toutes les données sont cryptées et stockées dans des espaces dédiés et cybersécurisés choisis avec la DSI de l’industriel. L’accès est géré selon sa politique de sécurité. Concrètement, Braincube s’installe parfaitement au sein du système d’information en place pour l’augmenter.
L’utilisation de jumeaux numériques est-elle intéressante et pour quels objectifs et résultats ?
Un historique de données brutes, par exemple 2 000 variables relevées chaque minute chez un papetier, n’est pas analysable en l’état. Il faut d’abord réorganiser l’information. La solution Braincube le fait automatiquement, en reconstituant des jumeaux numériques de la production en temps réel. Chaque produit a son identité de production complète disponible pour évaluer, et surtout apprendre. Pas de machine learning sans données prêtes à répondre !
