L’IA accélère la transformation de nos clients industriels : 4 cas d’usage

Vous obtiendrez des résultats concrets et prometteurs pour votre entreprise agroalimentaire.
C’est ce que démontrent les expériences de ces quatre entreprises bien décidées à intégrer l’Intelligence Artificielle dans leurs processus de production. 

L’IA pour réduire les pertes matières au tranchage

LA CHARCUTERIE VENDEENNE – PETITGAS, fabricant de jambons de vendée, à cuire et à griller, a d’abord identifié son cas d’usage : réduire les pertes matières lors de la fabrication de ses barres de jambon blanc. “Notre processus de fabrication comporte 10 étapes, chacune générant de nombreuses données. Aujourd’hui, les pertes matières liées au tranchage restent difficiles à expliquer. Ce qui nous amène à nous tourner vers l’IA” précise Fabien BLAIZEAU, DSI.

Une meilleure maîtrise des données avec l’IA

Pour mieux appréhender ce cas d’usage, une équipe projet est constituée : DSI, amélioration continue et un alternant en big data. Les données de l’ERP et celles issues de l’environnement (gestion du froid, machines de conditionnement) ont été collectées et analysées. 

L’impact de la température à cœur des jambons à réception

A ce stade, l’IA a permis de confirmer l’importance de certains paramètres déjà maîtrisés et, plus surprenant, a mis en lumière l’impact de la température des jambons à réception.
Bien que les premiers résultats soient encore à prendre avec précaution en raison d’un historique de données limité, Fabien BLAIZEAU est convaincu que l’IA peut s’appliquer efficacement à ce type de problématiques industrielles. Il conseille aux autres DSI d’amorcer des projets avec l’IA.
“Nous avons appris à mieux connaître nos sources de données et nos données en elles-mêmes.”

Ce projet a permis à PETITGAS de gagner en maturité en termes d’IA et de démontrer son potentiel auprès des équipes.

L’IA pour optimiser le process de fumage de poisson 

Fabien PENNEC est responsable du contrôle de gestion du MOULIN DE LA MARCHE. L’unité de production du groupement AGROMOUSQUETAIRES est spécialisée dans la fumaison de poisson, principalement de la truite et du saumon. “Notre cas de cas d’usage, nous l’avons focalisé sur notre valeur ajoutée à savoir le séchage et le fumage de nos produits.”

L’objectif est clair : réduire la perte de matières (en poids), assurer l’homogénéité du produit et réduire la consommation d’énergie.

Jusqu’à présent, ce processus était géré à l’intuition, mais l’IA offre la possibilité de traiter une grande quantité de données complexes et à termes, pouvoir générer des alertes en amont du fumage pour adapter le processus en conséquence.

Mobiliser toutes les données nécessaires pour un projet IA

Une équipe projet a été constituée, comprenant le contrôle de gestion, la méthode, la qualité, l’informatique et la maintenance, afin de mobiliser toutes les données nécessaires.

Grâce à l’IA, quatre analyses ont été réalisées pour détecter les facteurs influents sur le process, tels que la composition organoleptique des matières premières issues de différentes régions d’Europe, le contexte de la zone de travail et le temps de maturation. 

Confirmer des certitudes et mettre en place un système d’alertes avec l’IA

Ces analyses ont confirmé certaines certitudes, comme l‘importance du taux de remplissage des bâtis de charge avant le cycle de fumage.

La mise en place d’alertes en amont du fumage, visant à adapter le processus 1 à 2 heures avant l’arrivée du poisson, en tenant compte de toutes ses caractéristiques (traçabilité, hygrométrie, etc.) est en cours. L’objectif est de mesurer les écarts de pertes en eau sur le bilan hydrique et le taux de séchage fumage, puis d’éprouver les calculs sur les alertes en temps réel.

Pour Fabien PENNEC, l’IA est une réalité et un outil incontournable pour l’avenir de l’industrie agroalimentaire. Le MOULIN DE LA MARCHE montre l’exemple en intégrant cette technologie pour optimiser ses processus et garantir la qualité de ses produits.

L’IA pour gérer les stocks en ultra frais 

L’entreprise spécialisée dans le filetage et le conditionnement de poisson pour PROSOL, BOULOGNE DIRECT, a défini son cas d’usage pour intégrer l’intelligence artificielle (IA) en priorisant l’optimisation de la gestion de ses stocks de produits ultra-frais.

L’entreprise, qui reçoit quotidiennement entre 200 et 300 lots de poisson frais, est confrontée au défi de la conservation optimale de cette matière première fragile.

“En fonction des commandes et des aléas de production, le poisson peut être amené à être stocké plus ou moins longtemps, ce qui impacte directement sa qualité et sa durée de vie.” explique Cécilia GOUX, contrôleuse de gestion et chef de projet ERP.

Mieux prédire le vieillissement du poisson grâce à l’IA

Il s’agit de prédire le vieillissement du poisson en fonction de différents critères tels que les éléments de traçabilité, le type de pêche et les fournisseurs. Des données, qui sont ensuite corrélées à la base de données d’échantillons de produits finis pour établir une note de criticité du lot, permettant ainsi de déterminer s’il doit être immédiatement poussé en production ou s’il peut être conservé plus longtemps, évitant les pertes de matière.

“Tout repose aujourd’hui sur l’expérience, nous voulons mettre des éléments factuels et chiffrées en face de cette prise de décision intuitive. C’est un cas stratégique en termes de coût et de gestion de production. L’objectif final est d’apporter du confort de travail aux agréeurs en automatisant ce processus afin qu’ils aient une vision claire des stocks à prioriser et organisent efficacement les passages des lots en fonction des résultats.” précise Cécilia GOUX.

Des équipes convaincues par l’IA

La mise en place de ce projet a nécessité l’implication et l’adhésion des équipes terrain, pour qui l’IA était un concept nouveau. Grâce à une communication axée sur les bénéfices concrets de cette technologie, les équipes ont pu s’approprier cet outil.

Les premiers résultats sont encourageants : “L’IA a confirmé nos intuitions et à terme, devrait optimiser la gestion de ses stocks de nos produits ultra-frais en garantissant une qualité optimale pour les consommateurs tout en évitant les pertes.”conclut Cécilia GOUX.

L’IA pour optimiser la consommation d’énergie 

VIANDE DE BRESSE, entreprise spécialisée dans l’abattage et la découpe de bovins, cherche à améliorer l’utilisation de ses groupes froids pour économiser de l’énergie.

L’entreprise dispose de plusieurs systèmes de froid qui gèrent une quarantaine de frigos. Claire DYON, responsable informatique de l’entreprise, explique : « le groupe froid est déjà piloté avec un automate qui effectue des régulations. Cependant, à nos niveaux de consommation, chaque pourcentage gagné a un impact clair. Donc l’idée est d’aller plus loin. Nous avons rapidement compris qu’une analyse de données complexes pouvait être facilitée par une intelligence artificielle. »

Une donnée essentielle manquait

Une équipe dédiée, composée de la direction, de la maintenance, du service informatique et de la RSE, a été mise en place en collaboration avec l’équipe IA VIF. Lors de réunions mensuelles, l’équipe définissait les actions à mener, les données à récupérer et le périmètre de travail. Les données collectées comprenaient les températures des frigos, les paramètres suivis dans l’automate, la consommation des groupes froids et la partie énergie.
Cependant, une donnée essentielle manquait : l’ouverture et la fermeture des vannes permettant de démarrer et d’arrêter le groupe froid. L’entreprise a dû réaliser des investissements pour faire remonter ces informations dans l’automate et fournir suffisamment de données.

La compréhension des données et l’intuition des corrélations à chercher se sont avérées stratégiques pour le projet. L’expertise de l’équipe IA VIF a été d’une grande aide pour identifier les axes de travail pertinents parmi la multitude de données disponibles.

Finaliser le cycle pilote et d’étendre le projet 

Les résultats ont permis d’identifier de nombreuses pistes d’optimisation et d’adaptation du comportement du groupe froid au fonctionnement de l’entreprise. 

Les perspectives d’optimisation d’énergie sont estimées entre 1 et 2% en situation réelle, bien que les calculs théoriques soient plus élevés. L’entreprise envisage maintenant de finaliser le cycle pilote et d’étendre le projet à d’autres sites. 

Claire DYON souligne l’importance de calculer les coûts de maintenance des vannes au regard du gain d’énergie et obtenir un véritable calcul de retour sur investissement.

Ces articles peuvent vous intéresser

---