Industrie 4.0

Contrôle qualité industriel

• Des solutions pour les tâches de contrôle qualité automatisées et complexes qui requièrent des architectures robustes et un apprentissage ponctuel (« one-shot learning »), y compris les applications « lot size one »
• Les algorithmes d’apprentissage machine les plus efficaces et les plus novateurs, fondés sur des systèmes de vision et de détection hautement avancés et plus complexes, combinés à du matériel spécial afin de bénéficier de toute la puissance des systèmes modernes de l’industrie 4.0.

Optimisation des processus

• Des approches basées sur des modèles et axées sur les données, combinées à une vaste expertise industrielle, permettent d’optimiser le contrôle des processus dans les industries chimiques et pharmaceutiques ainsi que dans les secteurs de la fabrication en général
• Des connaissances hybrides en développement de capteurs complètent l’innovation logicielle en permettant d’accéder à des paramètres supplémentaires 

Maintenance prédictive

• La prédiction du statut des processus, des machines et des équipements sur la base d’ensembles de données limitées et bruitées en recourant à des réseaux neuronaux artificiels de pointe
• L’intégration de la surveillance conditionnelle, de la détection des anomalies et de la méthodologie de prédiction minimise les exigences de support

Qualité prédictive

• Optimisation de la qualité du produit grâce à des informations complémentaires issues du processus de fabrication et de l’état des équipements de production.
• Combinaison du contrôle qualité en ligne, de la maintenance prédictive et de l’analyse prescriptive

Robotique et contrôle en temps réel

• Construction de modèles avec apprentissage renforcé des applications réelles afin d’établir un autoapprentissage hautement adaptatif et une production efficiente
• Simplification de la mise en œuvre de matériels et d’outils complexes dans un environnement industriel

Interaction homme-machine

• Permettre une coopération directe entre le personnel et l’équipement, notamment avec les cobots, à partir de l’apprentissage ponctuel et par imitation
• Explorer le développement anthropocentrique parallèlement à l’intégration de capteurs et de systèmes électroniques pour permettre davantage d’interactions naturelles
• Veiller à l’accessibilité du logiciel et des algorithmes, même pour des non-experts