Lorsqu’un équipement tombe en panne, les opérateurs doivent agir vite. Si Renault a installé des solutions de maintenance prédictive, cela n’est pas toujours suffisant. Les résumés d’intervention des techniciens et les manuels utilisateurs des équipements sont des mines d’or sous-exploitées dont le constructeur entend tirer profit grâce à l’IA générative.
«Ce sont moins les grandeurs physiques comme la valeur de coupe, la résistante ou la température qui sont utilisées que les données textuelles capitalisées dans les systèmes de maintenance», souligne Jean-Marc Chatelanaz, le directeur du programme métavers industriel. Le groupe optimise le résultat d’un grand modèle de langage (LLM) via la génération augmentée de récupération (RAG), qui consiste à nourrir le modèle avec d’autres informations textuelles comme les résumés d’intervention et les manuels utilisateurs.
Renault a testé cet outil dans l’atelier de tôlerie de Douai (Nord) avant de le déployer sur un périmètre plus large sur le site du Mans (Sarthe). L’opérateur renseigne en langage naturel le problème rencontré et le LLM propose des réparations. Le constructeur espère désormais avoir suffisamment de retours d’expérience pour passer du POC au pilote. En parallèle, il réfléchit à un moyen d’exploiter la voix pour rédiger automatiquement des rapports.
Vous lisez un article de L'Usine Nouvelle 3731 - Juin 2024
