1. Introduction
Une entreprise industrielle moderne génère une énorme quantité d’informations sur l’état des équipements, qui se présentent sous la forme d’applications techniques. Dans les systèmes MRO (Maintenance, Réparation et Opérations), l'efficacité du traitement de ces données dépend essentiellement de la rapidité et de la précision de la classification. Le traitement manuel traditionnel des demandes par les répartiteurs entraîne des retards, des erreurs de routage et une disponibilité réduite des équipements. L'automatisation de la classification à l'aide de techniques de traitement du langage naturel (NLP) résout ce problème en transformant les textes non structurés en données structurées pour les systèmes ERP.
2. Comment ça marche
Les algorithmes NLP analysent la description textuelle du défaut fournie par l'opérateur ou le système de surveillance. Le processus principal comprend :
- Tokénisation : division du texte en mots ou symboles individuels.
- Intégration : transformation des mots en représentations vectorielles où les mots ayant une signification similaire sont proches dans un espace multidimensionnel.
- Classification : Utilisation de modèles de type transformateur (par exemple DeBERTa) qui estiment la probabilité qu'une application appartienne à une certaine catégorie (par exemple "électrique", "hydraulique", "mécanique").
Le modèle apprend des données historiques, révélant des modèles qui ne peuvent pas être saisis par des humains disposant de grands volumes de données.
3. Exigences en matière de données
Les conditions suivantes sont nécessaires pour construire un système de classification fiable :
- Qualité des données : Disponibilité d'une archive historique des candidatures (minimum 10 000 à 50 000 enregistrements) déjà classées par des spécialistes.
- Nettoyage : Suppression des déchets techniques, des doublons et des fautes d'orthographe.
- Format : les données doivent être dans un format lisible par machine (SQL, CSV) avec un étiquetage clair des catégories.
4. Architecture de mise en œuvre
Le système fonctionne selon le schéma suivant :
- Source : osTicket ou autre système de comptabilité d'application.
- Préprocesseur : Service (Worker V8) qui effectue le nettoyage du texte et interroge le modèle d'IA.
- Inférence : le modèle classe le texte et renvoie une balise de catégorie avec un niveau de confiance.
- Action : Le résultat est écrit dans une base de données SQL (par exemple ERP Unitec), qui déclenche automatiquement le workflow correspondant.
5. Résultats pratiques
La mise en œuvre de la classification automatisée démontre les indicateurs suivants :
| Index | Le résultat |
|---|---|
| C'est l'heure du classement primaire | 40-60% de réduction |
| Précision de la classification | 85-95% |
| Retour sur investissement (ROI) | 6-12 mois |
Par exemple, dans une entreprise de taille moyenne, la mise en place d'un tel système a permis de réduire le MTTR (temps de récupération moyen) de 15 % grâce au routage instantané des candidatures vers des spécialistes spécialisés.
6. Limites et risques
L’IA n’est pas un outil universel. Principaux risques :
- Erreurs avec de nouveaux types de défauts : si le modèle n'a pas vu de cas similaires lors de l'entraînement, il peut commettre des erreurs.
- Dérive des données : la modification de la terminologie ou des processus techniques dans l'usine nécessite un recyclage régulier du modèle.
- Facteur humain : nécessité d'un mécanisme « humain dans la boucle » pour vérifier les applications avec une faible confiance en l'IA.
7. Achat d'une solution prête à l'emploi ou développement propre
Développement en interne : utile si vous disposez d'une terminologie spécifique et de votre propre équipe de développeurs. Fournit un contrôle total sur les données.
Solutions commerciales : Convient pour un démarrage rapide. Avantage en termes de support et d'intégrateurs prêts pour les ERP populaires.
8. Premiers pas
Plan recommandé pour l'équipe d'ingénierie :
- Effectuer un audit des candidatures historiques des 2 dernières années.
- Sélectionnez une usine pilote ou un type d’équipement de test.
- Donner accès à la base de données pour analyse (l'écriture sur les serveurs PROD est interdite).
- Développer un mécanisme de vérification des balises automatiques par les ingénieurs.
9. Résumé
L'automatisation de la classification des applications est une première étape cruciale vers l'Industrie 4.0. Cela permet aux ingénieurs de concentrer leurs efforts sur la résolution de problèmes techniques plutôt que sur la bureaucratie. Utilisez le Catalogue électronique UNITEC-D pour une maintenance efficace des équipements et une sélection de pièces de rechange.
10. Liens
- ISO 55001:2014 – Gestion des actifs. Systèmes de gestion. Exigences.
- DIN 31051:2012 – Fondements de la maintenance.
- Documentation sur les principes de conception des systèmes NLP (selon les normes de développement de logiciels de l'industrie).
