09.10.2024 by Dr. Marc Egelhofer
L'IA au laboratoire : Optimisation de l'analyse des données et du contrôle de la qualité des plastiques recyclés
Les laboratoires sont souvent confrontés à une quantité écrasante de données provenant de sources et d'instruments différents. La gestion, l'analyse et l'exploitation de cette quantité de données constituent un défi, en particulier lorsque les données sont disséminées dans différents systèmes. C'est particulièrement vrai pour le contrôle de la qualité des polymères recyclés dans la transformation des matières plastiques. La norme DIN SPEC 91446 définit quatre niveaux de qualité pour les recyclats, qui dépendent de la qualité des données. Plus le niveau de qualité est élevé, plus il faut collecter de données relatives à la qualité.
Pour le laboratoire, une qualité maximale signifie donc aussi un nombre maximal de points de données qui doivent être analysés et documentés dans la pratique quotidienne. L'une des questions clés pour les laboratoires est donc de savoir comment les technologies modernes telles que l'intelligence artificielle (IA) peuvent être intégrées dans les processus existants afin d'accroître la qualité et l'efficacité des données.
AI - Un cas d'utilisation de polymères recyclés
Une étude de cas porte sur un transformateur de matières plastiques qui se procure des mélanges de produits recyclés auprès de différents fournisseurs. L'entreprise était confrontée à une gestion très fragmentée des données. Les valeurs mesurées nécessaires au contrôle de la qualité étaient dispersées dans plusieurs feuilles de calcul Excel, et l'analyse manuelle de ces données mobilisait des ressources considérables.
Dans un tel environnement, l'utilisation de l'IA ne peut pas apporter de solution significative. Ce n'est qu'en introduisant une plateforme basée sur les données, associée à un assistant numérique assisté par l'IA, que le transformateur de matières plastiques a pu optimiser ses processus de manière significative. La plateforme a intégré toutes les données pertinentes de l'appareil, offrant ainsi une vue d'ensemble des matériaux analysés.
L'assistant numérique assisté par l'IA peut alors déployer tout son potentiel - de l'analyse complexe des données et de l'identification des corrélations à la visualisation des données et à la génération de rapports.
Scénario de suivi des fournisseurs
Un scénario particulièrement illustratif montre comment le suivi des fournisseurs est facilité par l'IA. L'étude de cas montre, par exemple, comment une simple requête a été utilisée pour analyser les données de trois fournisseurs différents et identifier rapidement les écarts dans les lots fournis. Dans un cas, l'IA a identifié que l'un des fournisseurs avait livré un lot dont la viscosité était trois fois supérieure à celle convenue. Cette analyse précise des données a permis à l'entreprise de mieux évaluer la qualité des fournisseurs et de prendre des décisions éclairées concernant les futurs fournisseurs.
Il a également été possible d'éviter à l'avance l'utilisation d'un matériau présentant une viscosité trop élevée, ce qui aurait pu entraîner de graves problèmes de traitement et une baisse de la qualité du produit.
Conclusion
Cet exemple tiré d'une étude de cas montre que l'IA n'est plus une vision d'avenir, mais qu'elle est déjà utilisée dans les laboratoires aujourd'hui. Elle permet d'analyser efficacement des quantités de données ( large ) et de garantir ainsi la qualité des plastiques recyclés. Les laboratoires qui s'appuient sur des solutions de gestion des données soutenues par l'IA bénéficient non seulement d'une meilleure qualité des données, mais aussi d'un gain de temps et de ressources considérable. Au final, cela permet d'accroître la compétitivité et de développer de meilleurs produits.
Lisez l'étude de cas complète pour obtenir d'autres exemples de la manière dont l'IA peut aider les laboratoires :
