La science des données au service de l’amélioration du process industriel de Syngenta

La science des données au service de l’amélioration du process industriel.

L’usine Syngenta de Saint Pierre la Garenne est spécialisée dans la production de semences et de produits phytosanitaires pour les agriculteurs.

Contexte

Afin d’expliquer la formation de gouttes et leur dépôt sur l’extérieur des bidons, ainsi que les variations de poids lors du conditionnement des produits, Syngenta et Actemium ont mis en œuvre une démarche de Data Science, en explorant et en analysant les données de production.

La Data Science dans l’industrie

Les équipes Actemium Lyon Process Automation sont spécialisées dans l’intégration de système de contrôle commande de lignes industrielles. Les données de production historisées sont une source d’information capitale pour l’optimisation des performances industrielles. Cette optimisation peut se faire notamment par la Data Science et le Machine Learning.

C’est tout l’objet du projet qui a été confié à Actemium, et qui a permis à Syngenta de comprendre pourquoi le bec verseur laisse parfois échapper des gouttes entre deux remplissages, souillant ainsi l’extérieur du bidon, et pourquoi les bidons ne sont pas toujours remplis de façon homogène.

Plusieurs étapes ont été nécessaires pour mettre en œuvre cette démarche itérative, en lien étroit avec les standards reconnus d’un projet de Data Science : le CRISP-DM  (Cross Industry Standard Process for Data Mining)

  • Une première phase de compréhension du métier et préparation des données est essentielle afin de préparer la seconde phase d’exploration.
  • Enfin, la modélisation et l’interprétation ont permis de proposer des explications et recommandations concrètes à Syngenta, ainsi qu’à leur donner des perspectives pour instrumenter davantage leur process.