Nous suivre Industrie Techno

« La confiance dans les algorithmes ne peut se construire qu’en s’appuyant sur l’expertise métier », soutient Graham Dunlop, directeur associé chez Senseye

Alexandre Couto
Soyez le premier à réagir

Soyez le premier à réagir

« La confiance dans les algorithmes ne peut se construire qu’en s’appuyant sur l’expertise métier », soutient Graham Dunlop, directeur associé chez Senseye

Spécialiste de la maintenance prédictive industrielle, Senseye propose désormais de garantir le retour sur investissement de sa solution dans les douze mois. Une approche concrète visant à créer un lien de confiance et à inciter les industriels à passer le pas de l’intelligence artificielle, nous explique Graham Dunlop, directeur associé de Senseye.

Industrie & Technologies : Senseye vient de lancer une offre commerciale garantissant à vos clients un retour sur investissement dans les 12 mois. Pourquoi une telle démarche ?

Graham Dunlop : C’est une démarche atypique sur le marché de la maintenance prédictive, mais, selon nous, il s’agit du meilleur moyen pour démontrer l’efficacité de notre solution logicielle sur le terrain. C’est une approche concrète, qui parle aux industriels qui connaissent avec la crise du covid-19 une pression croissante sur leur budget opérationnel. Et tout particulièrement sur les coûts liés à la maintenance de leurs équipements, impactés ces derniers temps par des arrêts de production. Sur ce point, les technologies de maintenance prédictive sont de réels atouts.

Il y a cependant encore une certaine méfiance des industriels dans les algorithmes et les solutions numériques. Avec notre offre ROI Lock, qui consiste à rembourser notre client si les économies réalisées sur douze mois ne couvrent pas le coût de notre solution, nous voulons créer un lien de confiance avec les industriels pour qu’ils adoptent plus largement notre solution et modernisent leur activité.

Cette garantie suppose déjà que vous ayez vous-mêmes confiance dans votre solution. Sur quoi repose cette confiance ?

Nous pouvons nous appuyer sur nos résultats : notre logiciel Senseye PdM est installé depuis quelques années chez des entreprises de taille internationale et nous y observons en moyenne un retour sur investissement (ROI) dans les trois mois. Nous observons dans ces entreprises une réduction de 50 % des temps d’arrêt machine non planifiés et une diminution de 40 % des coûts de maintenance.

Cette performance est liée à notre connaissances des métiers industriels. Elle est essentielle dans la mise en place des solutions numériques réellement efficaces. Le numérique est un outil, non une fin en soi. Il y a beaucoup de fournisseurs de solutions analytiques et prédictives. Mais elles sont souvent conçues pour être généralistes : ce sont des plateformes qui peuvent prédire tout un tas de choses, allant de l’analyse des habitudes clients pour le secteur du retail jusqu’à la maintenance prédictive dans l’industrie.

Chez Senseye, nous sommes focalisés dès le début sur la maintenance prédictive industrielle. Nous en connaissons parfaitement les enjeux. La confiance dans les algorithmes ne peut se construire qu’en s’appuyant sur l’expertise métier.

Comment vous différenciez-vous technologiquement des solutions plus généralistes ?

Nous travaillons étroitement avec les ingénieurs et les agents de maintenance pour construire un modèle des défaillances connues sur une machine. Senseye PdM vient puiser les données clés sur l’état et le fonctionnement des machines dans l’historique de l’usine, les capteurs IoT déployés ou encore dans des logiciels de base de données.

A partir de ces informations, notre algorithme met en place des signatures numériques des défaillances des équipements que nous pouvons ainsi surveiller étroitement. Cette veille est entièrement automatisée et les agents de maintenance reçoivent des comptes rendus sous la forme de tableaux très clairs et lisibles. Nous avons conçu un système spécifique appelé « Attention Engine » qui classe les paramètres machines par ordre d’importance en cas de défaillance ou lorsque leur fonctionnement atteint un certain seuil. Cela permet d’aiguiller rapidement l’agent de maintenance vers le problème à résoudre.

L’explicabilité des décisions des IA est souvent pointée comme un frein dans leur adoption. Rencontrez-vous ce problème ?

Dans un souci de transparence avec nos clients, nous n’utilisons pas, pour fournir nos résultats, des algorithmes utilisant l’apprentissage profond (« deep learning »). Le cœur de notre système est principalement de l’analyse statistique et du machine learning pouvant être déployé à grande échelle.

A la différence du deep learning dont le fonctionnement est souvent opaque, tout est entièrement traçable et explicable. En outre, la solution Senseye PdM ne peut fonctionner qu’à partir de l’expertise des hommes sur le terrain. Nous produisons des notifications et des informations, mais il est essentiel que l’utilisateur examine ces données et fournisse un retour au système.

Quelles seront les prochaines orientations technologiques de votre solution ?

Nous travaillons actuellement à  une version de notre solution capable de gérer de très nombreux équipements simultanément. L’idée est de pouvoir remonter une information pertinente en tenant compte d’un écosystème de machines qui peuvent parfois être dépendantes l’une de l’autre. Nous pensons pouvoir lancer ce système l’année prochaine.

Bienvenue !

Vous êtes désormais inscrits. Vous recevrez prochainement notre newsletter hebdomadaire Industrie & Technologies

Nous vous recommandons

[Avis d'expert] Quand l'impression 3D permet d'optimiser la dynamique des fluides

[Avis d'expert] Quand l'impression 3D permet d'optimiser la dynamique des fluides

Limitée par les technologies de fabrication traditionnelles, l’optimisation de la dynamique des fluides trouve une nouvelle alliée[…]

Chez Safran, l’impression 3D fait ses preuves pour les pièces structurelles de grandes dimensions

Chez Safran, l’impression 3D fait ses preuves pour les pièces structurelles de grandes dimensions

« L’impression 3D béton va enfin permettre au secteur de la construction de maîtriser son empreinte carbone », estime Alain Guillen, directeur général d’XtreeE

« L’impression 3D béton va enfin permettre au secteur de la construction de maîtriser son empreinte carbone », estime Alain Guillen, directeur général d’XtreeE

Composites : L'injection RTM s'adapte pour réduire les temps de cycle

Dossiers

Composites : L'injection RTM s'adapte pour réduire les temps de cycle

Plus d'articles