中芸汇科技
Industrie manufacturièreIAAutomatisationIntégrationChine

Projet d'automatisation IA de la commande à la livraison pour la fabrication d'équipements dans le delta du Yangtsé

Projet d'automatisation IA de la commande à la livraison pour la fabrication d'équipements dans le delta du Yangtsé

Contexte du projet

Le client est une entreprise manufacturière dont le chiffre d'affaires annuel dépasse 5 milliards de yuans, avec une chaîne industrielle complète allant de l'approvisionnement en matières premières à la livraison des produits finis. Avec l'expansion de ses activités, le mode opératoire manuel traditionnel est devenu un goulot d'étranglement : le traitement des commandes, la planification de la production, le contrôle qualité et la distribution logistique reposent sur une coordination manuelle importante, entraînant une faible efficacité et un taux d'erreur élevé.

Problèmes majeurs

  • Traitement lent des commandes : Il faut en moyenne 4 heures entre la réception d'une commande client et sa saisie dans l'ERP, avec un engorgement important en période de pointe.
  • Planification basée sur l'expérience : La planification de la production dépend de l'expérience des anciens employés, difficile à maîtriser pour les nouveaux, entraînant des gaspillages de capacité dus à une planification inadaptée.
  • Contrôle qualité manuel : Le contrôle qualité repose sur une inspection visuelle manuelle, avec un taux d'omission d'environ 5 %, causant des plaintes fréquentes des clients.
  • Silos d'information : Les trois systèmes ERP, MES et WMS ne partagent pas leurs données, nécessitant une saisie manuelle inter-systèmes.
  • Solution

    Nous avons conçu et mis en œuvre une solution « d'automatisation de bout en bout pilotée par l'IA » pour le client :

    1. Traitement intelligent des commandes

  • Des modèles NLP analysent automatiquement les informations de commande provenant de multiples canaux (e-mails, WeChat, EDI, etc.).
  • L'IA fait correspondre automatiquement le client, le produit et le prix, puis génère une commande client dans l'ERP.
  • Les commandes anormales (par exemple, limite de crédit insuffisante) sont automatiquement transmises pour traitement manuel.
  • 2. Optimisation de la planification de production par l'IA

  • Algorithme de planification intelligent basé sur les données historiques et les contraintes (équipements, personnel, matières).
  • Suivi en temps réel de l'avancement de la production, ajustement automatique de la planification pour faire face aux urgences (commandes intercalées, pannes d'équipement, etc.).
  • Les résultats de planification sont automatiquement transmis au système MES pour exécution.
  • 3. Contrôle qualité visuel par IA

  • Modèle de détection visuelle basé sur l'apprentissage profond, couvrant 12 types de défauts courants.
  • Vitesse de détection : 200 pièces/minute, taux d'omission réduit à 0,3 %.
  • Les résultats de détection sont automatiquement enregistrés et un rapport d'analyse qualité est généré.
  • 4. Intégration des systèmes

  • Intégration des trois systèmes ERP, MES et WMS via un middleware API.
  • Synchronisation des données en temps réel, éliminant les étapes de saisie manuelle.
  • Tableau de bord unifié permettant à la direction de consulter en temps réel les données opérationnelles de toute la chaîne.
  • Données de performance

    IndicateurAvantAprèsAmélioration
    Temps de traitement des commandes4 h/commande3 min/commande98,7 %
    Taux de précision de la planification78 %96 %23 %
    Taux d'omission au contrôle qualité5 %0,3 %94 %
    Nombre d'étapes manuelles12283 %
    Cycle de livraison des commandes15 jours7 jours53 %

    Stack technologique

  • AI/ML : Python, PyTorch, Transformers, OpenCV
  • Backend : Node.js, Python FastAPI, PostgreSQL
  • Frontend : React, Next.js
  • Intégration : REST API, WebSocket, MQTT
  • Déploiement : Docker, Kubernetes, Cloud privé
  • L'équipe de 中芸汇 a dépassé les attentes en termes de qualité de livraison. Après le déploiement du système, l'efficacité opérationnelle a augmenté de 80 %, réalisant véritablement la transformation intelligente des processus métier.

    Responsable projet côté client

    Bureau de la transformation numérique