Seemax prend une longueur d’avance sur la concurrence
Le tapis roulant de la machine de Seemax fait défiler 40 000 à 270 000 œufs par heure sous l’œil de caméras ultrarapides, à raison de 36 images par œuf en quelques millisecondes.
La PME de Châtellerault (Vienne) a fait du mirage sa spécialité. Cette méthode d’inspection des œufs sert à les trier en trois catégories : « bons à consommer » (A), « bons pour les plats préparés » (B) à cause de défauts d’aspect, et « impropres à la consommation » (C).
En 2019, Seemax a commencé à déployer sur ses machines de mirage automatique des algorithmes d’IA développés depuis deux ans avec Capgemini. La sélection des œufs est nettement plus précise qu’avant, assure Xavier Scholtz, le fondateur de Seemax. « Parfois, sur les œufs, il y a des taches de rousseur. Une caméra classique y voit une tache standard et classe l’œuf en catégorie B. L’IA, elle, sera capable de dire, par expérience, qu’il y a 99 % de chances que ce ne soit pas une salissure, mais une tache de rousseur, donc que l’œuf est en fait de catégorie A. »
Le PDG estime que l’IA a « revalorisé 1 % de la production d’œufs » de ses clients, producteurs ou conditionneurs d’œufs. Ses machines intelligentes défient toute concurrence, insiste-t-il. « Aujourd’hui, il y a trois fabricants de solutions de mirage d’œufs dans le monde, Seemax et deux néerlandais. Ils ont besoin de deux machines, l’une pour détecter les fêlures, l’autre pour détecter les salissures, alors qu’une seule nous suffit. Surtout, ils doivent manipuler les œufs – ce qui engendre un risque sanitaire – alors qu’on se contente de les regarder. »
La machine, qui coûte entre 100 000 et 230 000 euros pièce, est vendue en Amérique du Sud, en Europe et en Israël.
Mecanolav fiabilise sa machine phare
Si ses machines à laver pour pièces mécaniques sont depuis longtemps équipées de capteurs connectés d’Ifm Electronic, la PME normande Mecanolav s’est lancée dans une nouvelle aventure 4.0 il y a moins d’un an avec Ifm et Dataswati, spécialiste français de l’IA.
Le but ? Élaborer une solution de maintenance prédictive pour sa machine MecanoFast, qui « lave et sèche en moins de trente secondes », souligne Philippe Ridel, son PDG. « Grâce à sa rapidité, nos clients peuvent installer la MecanoFast directement sur la chaîne de production, détaille-t-il. La pièce sort d’une machine-outil, on la nettoie et on peut passer à l’étape suivante avec une pièce propre. »
Une solution séduisante. Mais avec son « million de cycles par an », la MecanoFast pourrait se détériorer plus vite qu’une autre machine à laver. Et engendrer des arrêts de ligne imprévus et coûteux. D’où le besoin, formulé par Mecanolav à Ifm Electronic, de prévoir les dégradations. Après avoir ajouté « des accéléromètres, des débitmètres et des capteurs de courant à la machine pour analyser les flux que l’on ne voyait pas avant, précise Philippe Ridel, on a décidé de remonter toutes ces informations sur un serveur ». Pour les analyser via les réseaux de neurones de Dataswati.
C’est ainsi que les clients qui achèteront la MecanoFast, déclinée en deux versions d’essai, pourront prévenir les défaillances. « Auparavant, on ne voyait une dérive de la machine qu’à partir du moment où on dépassait un certain seuil. Avec l’IA, on peut anticiper ce dépassement très précisément », conclut Samuel Gilette, le responsable commercial d’Ifm en France.
Dehon veut bâtir de nouveaux services sur son capital data
Détecter les fuites d’une grande installation frigorifique comme celles des hypermarchés est une gageure : le niveau du fluide frigorigène varie sans cesse suivant la température extérieure, l’ouverture des portes, le chargement de produits… Avec sa solution qui apprend pendant plusieurs jours le fonctionnement normal d’une installation pour être capable de détecter en temps réel des anomalies synonymes de fuites, Matelex a équipé depuis 2009 quelque 3 000 installations.
L’entreprise, filiale du groupe Dehon depuis 2017, a ainsi accumulé une grande quantité de données qu’elle compte mettre à profit pour développer de nouveaux services. Fin 2019, elle s’est lancée dans un projet de six mois avec TeraLab, la plate-forme d’expérimentation big data de l’Institut Mines-Télécom.
« L’idée est d’abord de perfectionner notre algorithme de détection de fuites avec une approche de machine learning, explique Florian Willerval, le responsable technique et R & D de Matelex. Si cette approche est fiable, nous voulons ensuite développer de nouvelles alertes et essayer d’aller jusqu’à la prédiction de fuites. »
L’entreprise, qui a déjà ajouté à sa panoplie un module énergie dressant en temps réel le cycle thermodynamique d’une installation et mis en place une supervision centralisée des données remontant de ses produits, affiche ses ambitions : « Tous ces travaux nous emmènent vers un rôle de conseil et d’accompagnement des frigoristes. L’IoT de la réfrigération est en place, nous voulons l’exploiter au mieux. »
