POINTS CLES<\/strong><\/span><\/p>\n<\/div><\/div>
<\/div>
Les ressources naturelles se rar\u00e9fient, l’inflation a augment\u00e9, exer\u00e7ant une pression sur les co\u00fbts, et l’empreinte carbone est plus que jamais une pr\u00e9occupation pour les grands industriels. <\/strong>La fabrication de v\u00e9hicules et d’avions consomme d’\u00e9normes quantit\u00e9s de mat\u00e9riaux (aluminium, acier, titane, composites, etc.).<\/p>\nL’\u00e9quipe de D3S a d\u00e9velopp\u00e9 des algorithmes d’optimisation pour imbriquer les pi\u00e8ces et r\u00e9duire massivement la consommation de mat\u00e9riaux.
\n<\/strong><\/p>\n<\/div><\/div>
<\/div>
DONN\u00c9ES ET STACK TECHNIQUE
\n<\/strong><\/span><\/p>\n<\/div><\/div>
<\/div>
Nous travaillons avec des centaines de GB’s de donn\u00e9es d’ing\u00e9nierie (3D et BoM), les bons de commande, les ordres de fabrication et les projections de besoins futurs. Les proc\u00e9d\u00e9s industriels doivent \u00eatre compris et mod\u00e9lis\u00e9s pour optimiser sous contraintes (serrage, tol\u00e9rances, direction des fibres, dimensions de la table \/ machine, etc.)<\/p>\n
Notre stack technologique comprend : Python, C++, PyTorch … et bien s\u00fbr les technologies AI de notre laboratoire ;<\/p>\n<\/div>
<\/div>
<\/div>
CONTEXTE ET APPROCHE<\/span><\/strong><\/p>\n<\/div><\/div>
<\/div>
L’objectif du projet \u00e9tait de r\u00e9duire la consommation de mat\u00e9riaux dans la cha\u00eene d’approvisionnement.<\/strong><\/p>\nX,X b$ de mat\u00e9riaux sont achet\u00e9s chaque ann\u00e9e couvrant l’aluminium, le titane, les alliages sp\u00e9ciaux sous plusieurs formes (plaques, t\u00f4les, extrusion, \u00e9bauches forg\u00e9es, …). Des contrats sont conclus avec les fournisseurs de mat\u00e9riaux afin de garantir la disponibilit\u00e9 et les prix, mais le volume est r\u00e9parti sur l’ensemble de la cha\u00eene d’approvisionnement. Cet objectif ne peut \u00eatre atteint que par des m\u00e9thodes analytiques avanc\u00e9es. Les Data Scientists D3S Data ont d\u00e9velopp\u00e9 des algorithmes pour am\u00e9liorer la pr\u00e9cision des pr\u00e9visions de mat\u00e9riaux, optimiser leur utilisation gr\u00e2ce \u00e0 des capacit\u00e9s d’imbrication massive, identifier les pi\u00e8ces \u00e0 plus fort potentiel de r\u00e9duction et contr\u00f4ler les taux de recyclage.<\/p>\n<\/div>
<\/div>
<\/div>
R\u00c9SULTATS<\/strong><\/span><\/p>\n<\/div><\/div>
<\/div>
Exploitation compl\u00e8te des donn\u00e9es gr\u00e2ce \u00e0 des algorithmes de nouvelle g\u00e9n\u00e9ration, optimisant massivement les sch\u00e9mas d’imbrication des pi\u00e8ces. Des algorithmes d\u00e9finissent des sc\u00e9narios de pr\u00e9d\u00e9coupe et d’imbrication avec des r\u00e8gles et des contraintes sp\u00e9cifiques : d\u00e9coupe \u00e0 la scie, au jet d’eau, fraisage, panoplie, etc. Ils ont \u00e9t\u00e9 con\u00e7us avec une architecture \u00e0 plusieurs couches combinant un noyau g\u00e9n\u00e9tique et des heuristiques.<\/p>\n
Notre client a r\u00e9alis\u00e9 une r\u00e9duction de 20 \u00e0 30 % de la consommation de mat\u00e9riaux, ce qui a permis de r\u00e9aliser des \u00e9conomies importantes et de r\u00e9duire les \u00e9missions de CO2.<\/p>\n
Les algorithmes sont d\u00e9sormais int\u00e9gr\u00e9s dans notre solution Digital Costing<\/p>\n
![\"\"](\"http:\/\/d3s.ai\/wp-content\/uploads\/2017\/11\/predictive.jpg\")
<\/a><\/span>