OPTIMISATION DES MATÉRIAUX
POINTS CLES
Les ressources naturelles se raréfient, l’inflation a augmenté, exerçant une pression sur les coûts, et l’empreinte carbone est plus que jamais une préoccupation pour les grands industriels. La fabrication de véhicules et d’avions consomme d’énormes quantités de matériaux (aluminium, acier, titane, composites, etc.).
L’équipe de D3S a développé des algorithmes d’optimisation pour imbriquer les pièces et réduire massivement la consommation de matériaux.
DONNÉES ET STACK TECHNIQUE
Nous travaillons avec des centaines de GB’s de données d’ingénierie (3D et BoM), les bons de commande, les ordres de fabrication et les projections de besoins futurs. Les procédés industriels doivent être compris et modélisés pour optimiser sous contraintes (serrage, tolérances, direction des fibres, dimensions de la table / machine, etc.)
Notre stack technologique comprend : Python, C++, PyTorch … et bien sûr les technologies AI de notre laboratoire ;
CONTEXTE ET APPROCHE
L’objectif du projet était de réduire la consommation de matériaux dans la chaîne d’approvisionnement.
X,X b$ de matériaux sont achetés chaque année couvrant l’aluminium, le titane, les alliages spéciaux sous plusieurs formes (plaques, tôles, extrusion, ébauches forgées, …). Des contrats sont conclus avec les fournisseurs de matériaux afin de garantir la disponibilité et les prix, mais le volume est réparti sur l’ensemble de la chaîne d’approvisionnement. Cet objectif ne peut être atteint que par des méthodes analytiques avancées. Les Data Scientists D3S Data ont développé des algorithmes pour améliorer la précision des prévisions de matériaux, optimiser leur utilisation grâce à des capacités d’imbrication massive, identifier les pièces à plus fort potentiel de réduction et contrôler les taux de recyclage.
RÉSULTATS
Exploitation complète des données grâce à des algorithmes de nouvelle génération, optimisant massivement les schémas d’imbrication des pièces. Des algorithmes définissent des scénarios de prédécoupe et d’imbrication avec des règles et des contraintes spécifiques : découpe à la scie, au jet d’eau, fraisage, panoplie, etc. Ils ont été conçus avec une architecture à plusieurs couches combinant un noyau génétique et des heuristiques.
Notre client a réalisé une réduction de 20 à 30 % de la consommation de matériaux, ce qui a permis de réaliser des économies importantes et de réduire les émissions de CO2.
Les algorithmes sont désormais intégrés dans notre solution Digital Costing