OEE Booster en pratique : comment l’IA soutient la maintenance et la production

Pourquoi l’accès aux connaissances reste-t-il un défi dans la production ?

Il est impossible d’éliminer complètement les pannes de machines. Cependant, une part importante du temps perdu après l’arrêt d’une ligne de production ne résulte pas directement de la panne, mais de la recherche des informations nécessaires à son diagnostic. Le manuel d’utilisation peut se trouver à un endroit, l’historique des pannes précédentes dans un autre, les données de processus dans un système distinct, tandis qu’une partie des connaissances pratiques repose uniquement sur l’expérience de certains collaborateurs. Le problème devient particulièrement visible lorsque la personne la plus expérimentée n’est pas disponible. L’opérateur doit alors déterminer ce qu’il peut faire lui-même, à quel moment il doit faire appel au service maintenance et où trouver la procédure appropriée.

C’est précisément ce problème qu’OEE Booster vise à résoudre.

OEE Booster ne remplace pas les systèmes existants

L’un des principaux principes présentés lors du webinar consiste à exploiter l’environnement IT et OT existant plutôt qu’à créer un nouveau système isolé. Les ERP, CMMS, systèmes de mesure, documentations techniques, historiques de pannes et autres sources de connaissances continuent de remplir leurs fonctions habituelles. OEE Booster ajoute une couche supplémentaire permettant de rechercher, d’analyser et de présenter les informations sous une forme adaptée à chaque utilisateur. C’est important, car un opérateur machine n’a pas besoin des mêmes informations qu’un responsable de production.

Un opérateur doit recevoir une procédure courte, étape par étape, ainsi qu’une indication claire des actions qu’il est autorisé à effectuer. Un technicien de maintenance a besoin de davantage de détails techniques et d’informations relatives aux exigences de sécurité. Un responsable de production s’intéressera plutôt aux tendances, à l’impact d’une perturbation sur le débit de production ou aux informations liées à l’OEE.

Une même base de connaissances peut donc accompagner différents profils, à condition que les informations soient présentées d’une manière adaptée à leurs responsabilités.

Comment OEE Booster utilise-t-il le RAG ?

Lors du webinar, nous avons également présenté la différence entre un outil GenAI généraliste et une solution qui s’appuie sur les connaissances propres à l’entreprise.
OEE Booster utilise une approche RAG, pour Retrieval-Augmented Generation. Lorsqu’une question est posée, le système recherche les passages pertinents dans les sources disponibles, puis transmet ce contexte au modèle de langage. Pour l’utilisateur, cela signifie avant tout qu’il est possible de travailler à partir de documents et de données spécifiques à l’entreprise. Les réponses peuvent également indiquer les sources sur lesquelles elles reposent.

Diagnostic des pannes directement sur la machine

Le premier scénario de démonstration concernait un opérateur de robot. Un robot fonctionnant sur une ligne de production s’était arrêté et un anneau LED jaune situé à sa base s’était mis à clignoter. L’opérateur souhaitait vérifier la signification de ce signal et déterminer quelles actions il pouvait effectuer avant d’escalader le problème.

OEE Booster a recherché les informations dans la documentation mise à disposition et a présenté une réponse conformément aux règles définies au préalable pour le rôle de l’opérateur : signification de l’état, actions pouvant être réalisées de manière autonome et moment auquel le service maintenance devait intervenir.

Le même mécanisme peut être enrichi avec d’autres sources, telles que l’historique de pannes similaires, les procédures internes ou la documentation relative à la santé et à la sécurité au travail. Plus le contexte fourni à l’assistant est complet et à jour, plus sa réponse peut être pertinente.

Accompagnement des techniciens et responsables maintenance

Pour un technicien de maintenance, OEE Booster peut structurer la procédure de diagnostic tout en tenant compte des exigences de sécurité et des données techniques disponibles dans la documentation. Le responsable maintenance peut quant à lui utiliser la solution pour travailler avec un périmètre d’informations plus large. Lors de la démonstration, le système a notamment été chargé de préparer un récapitulatif des pièces de rechange et de les classer selon leur niveau de criticité. Dans un environnement connecté aux systèmes ERP et CMMS, ce type d’analyse peut être enrichi avec les niveaux de stock réels, l’historique des événements ou encore la fréquence de remplacement des pièces. Un autre exemple concernait la création d’un planning mensuel de courtes tâches de maintenance pour l’équipe ainsi que la préparation d’une checklist destinée à être utilisée sur le site de production.

Ces tâches ne nécessitent pas de remplacer l’expertise des spécialistes. L’IA peut en revanche réduire le temps consacré à la recherche d’informations, à la structuration des données et à la préparation de la documentation.

Un onboarding plus rapide des collaborateurs

La dispersion des connaissances n’affecte pas uniquement la résolution des pannes. Elle complique également l’intégration des nouveaux collaborateurs. Lors du webinar, OEE Booster a reçu pour consigne de préparer une fiche d’une page sur l’utilisation sûre d’un robot ainsi qu’un test de connaissances destiné à un nouvel opérateur. Le document devait être créé en polonais, alors que la documentation source était disponible dans une autre langue. Cette approche peut être particulièrement utile dans les sites industriels employant des équipes internationales. Au lieu de préparer chaque version linguistique d’un support à partir de zéro, il est possible d’utiliser la documentation existante comme source et d’adapter la manière de transmettre les connaissances au public concerné.

Des données PLC à l’analyse destinée au responsable de production

Les besoins d’un responsable de production sont différents. Savoir simplement ce que signifie un code d’erreur ne suffit généralement pas. Il est nécessaire d’analyser les tendances, la fréquence des perturbations, les pertes de disponibilité, de performance et de qualité, ainsi que leur impact sur l’ensemble du processus.

Dans l’un des exemples présentés lors du webinar, OEE Booster analysait les données relatives aux événements précédents et aux variations des paramètres du robot. L’objectif consistait à identifier la cause directe de l’arrêt, à mettre en évidence la tendance ayant précédé la panne et à présenter l’intervention du service technique.

À ce stade, la qualité de la préparation des données devient particulièrement importante. Les valeurs brutes provenant des automates PLC ne doivent pas être transmises directement à un modèle de langage. Elles doivent d’abord être correctement collectées, structurées et associées à leur contexte métier. Ce n’est qu’ensuite que la GenAI peut soutenir l’analyse de manière réellement utile pour la personne responsable de la production.

Intégration des connaissances issues des environnements IT et OT

OEE Booster peut travailler avec des documents et des données provenant de différentes sources. Lors du webinar, nous avons également montré la possibilité de créer des connexions avec les systèmes déjà utilisés au sein de l’entreprise.

Pour les données provenant de la couche opérationnelle, VM.PL utilise également des solutions permettant de communiquer avec les automates PLC, notamment via OPC UA. La valeur ne provient donc pas uniquement du modèle d’IA. Elle résulte de la combinaison des connaissances techniques, de la documentation, des données machines et des informations métier dans un contexte cohérent.

Une technologie, plusieurs applications dans la production

Les exemples présentés lors du webinar illustrent plusieurs domaines dans lesquels un assistant IA peut accompagner un site industriel :

• accès plus rapide aux informations en cas de panne,
• préservation des connaissances des collaborateurs expérimentés,
• assistance aux opérateurs et techniciens en fonction de leurs rôles et de leurs autorisations,
• préparation de procédures, de checklists et de supports d’onboarding,
• analyse de l’historique des événements et des données liées à l’OEE,
• planification des opérations de maintenance,
• réduction de certaines tâches administratives répétitives.

OEE Booster n’a pas vocation à remplacer les spécialistes ni à prendre des décisions à leur place. Son rôle consiste à raccourcir le chemin entre une question et l’information nécessaire pour prendre la bonne décision.

Découvrez OEE Booster lors de la démonstration

Dans l’enregistrement complet du webinar, nous montrons comment configurer des assistants pour différents rôles et présentons plusieurs scénarios concrets liés à la production et à la maintenance.

Si vous souhaitez découvrir comment OEE Booster fonctionne avec de la documentation technique, des données de production et différents profils utilisateurs, regardez le webinar :https://www.youtube.com/watch?v=tEwv5si7nY8