Predict maintenance and detect anomalies with AI
16 mai 2022 – ABN Cleanroom Technology est spécialisée dans la conception, le développement et la construction de salles blanches préfabriquées. L’entreprise vise à accroître l’efficacité énergétique, la fiabilité et la rapidité des projets de salles blanches. ABN Cleanroom Technology est principalement active dans les secteurs de la santé, de la biotechnologie, de la microélectronique, de la pharmacie, de l’automobile et de la transformation alimentaire.
À la recherche du système adéquat
ABN recherchait un partenaire capable de l’accompagner dans le développement de ses salles blanches préfabriquées. Plus précisément, l’entreprise souhaitait développer un système permettant d’assister les employés dans la maintenance des machines. Ce système devait être capable d’identifier les anomalies, de prédire les opérations de maintenance nécessaires et de réduire les coûts de maintenance ainsi que les temps d’arrêt.
L’expertise de CROPLAND en IA
Pour atteindre l’objectif visé, ABN et CROPLAND ont combiné leurs expertises. ABN a apporté son savoir-faire en matière de technologie des salles blanches et d’Internet des objets, tandis que CROPLAND a ajouté ses connaissances en IA. Cette collaboration a abouti au développement de l’AIoT, l’Internet artificiel des objets. Le produit final consistait en un algorithme capable d’identifier les anomalies, de surveiller la situation dans la salle blanche et d’alerter les employés lorsqu’elle différait de la situation normale.
Plateforme de données centralisée
CROPLAND a fourni à ABN une solution viable à long terme. ABN a accru la valeur offerte à ses clients en proposant des produits améliorés et fiables. Leurs clients peuvent désormais surveiller la situation actuelle dans une salle blanche et constater dans quelle mesure elle s’écarte d’une situation normale. L’ensemble de ces informations est regroupé dans une plateforme de données centralisée. Les clients peuvent prédire les opérations de maintenance et économiser du temps et de l’argent en anticipant quelles machines nécessiteront une maintenance et à quel moment. Les machines bénéficient ainsi d’une disponibilité accrue et les arrêts prolongés sont évités.