factory IA

IA open source pour les usines, testée avant que vous lui fassiez confiance.

FactoryIA est une organisation indépendante qui conçoit, teste et valide le machine learning et l'IA générative pour les fabricants en Europe et en Amérique latine, en utilisant exclusivement des outils open source. Chaque résultat est publié sous forme d'article académique qui protège la valeur commerciale de chaque participant.

Proposer un cas d'usage industriel Voir comment fonctionne la validation

Dossier de validation

Exemple
Problème
Le problème de l'usine, dans les mots de l'usine
Modèle
Nom, version et licence ouverte
Données
Leur origine, leur volume, ce qui a été exclu
Testé chez
Secteur, pays et type de ligne
Résultat
Réussi, échoué ou non concluant, chiffres à l'appui
Reproduire
Lien vers le code et le protocole de test

Chaque projet se termine par un article académique publié comme celui-ci, rédigé pour protéger la valeur commerciale de ce participant.

D'un problème d'usine à un article publié

La plupart des projets d'IA industrielle s'arrêtent au stade pilote. Nous faisons passer chaque projet par les quatre mêmes étapes, afin que le résultat puisse être vérifié, répété et réutilisé par une autre usine.

  1. 1

    Partir de la ligne

    Un fabricant apporte un problème réel : arrêts imprévus, rebuts, inspection manuelle lente.

  2. 2

    Construire avec des outils ouverts

    Nous assemblons une solution à partir de bibliothèques open source et de modèles à poids ouverts. Pas de frais de licence, pas de dépendance à un fournisseur.

  3. 3

    Tester sur des données de production

    La solution est exécutée sur des données de la ligne, dans l'environnement même de l'usine, avec les personnes qui l'exploitent.

  4. 4

    Publier l'article

    La méthode et les résultats sont publiés sous forme d'article académique, rédigé pour protéger la valeur commerciale de chaque participant — y compris ce qui n'a pas fonctionné.

Ce que nous mettons à l'épreuve

Machine learning

  • Maintenance prédictive. Détecte les défaillances à partir des vibrations, du courant et de la température avant l'arrêt de la ligne.
  • Inspection visuelle qualité. Détection de défauts avec des caméras qu'une usine peut se permettre.
  • Optimisation des processus et de l'énergie. De meilleurs réglages, moins de rebuts, une consommation réduite par unité.
  • Planification et ordonnancement. Des prévisions et des séquences de changement de série qui tiennent la route en conditions réelles.

IA générative

  • Assistants de maintenance et d'exploitation. Réponses tirées de vos propres manuels et ordres de travail.
  • Rapports d'équipe et synthèses de cause racine. Rédigés à partir des données de ligne, et vérifiés par rapport à elles.
  • Instructions de travail multilingues. Portugais, espagnol, anglais, français et allemand.
  • Modèles exécutés sur site. Modèles à poids ouverts sur matériel local, pour que les données de l'usine restent dans l'usine.

Outils ouverts dont nous partons

scikit-learn, PyTorch, MLflow, Apache Kafka, Node-RED, open62541 pour OPC UA, llama.cpp et des modèles de langage à poids ouverts. Cette liste évolue selon que les outils réussissent ou échouent à nos tests.

Quatre règles que nous nous imposons

Open source uniquement

Si une usine ne peut pas l'inspecter, le modifier et l'exécuter sans licence, nous ne le validons pas.

Aucun fournisseur derrière nous

Nous ne vendons aucune plateforme. Le financement et les partenaires sont répertoriés sur ce site.

Les échecs sont publiés aussi

Un modèle qui n'a pas fonctionné sur une ligne réelle est un résultat. Cela fait gagner des mois à la prochaine usine.

Dans la langue de l'usine

Les dossiers et guides sont disponibles en anglais, portugais et espagnol.

Deux continents, les mêmes problèmes d'atelier

Une ligne de conditionnement à Paraná et une autre à Bade-Wurtemberg s'arrêtent pour les mêmes raisons. Ce qui diffère, ce sont les règles, le financement et la langue dans laquelle la documentation est rédigée. Nous travaillons sur les deux continents afin qu'un résultat prouvé sur l'un puisse être réutilisé sur l'autre.

Europe

Les fabricants y déploient l'IA dans le cadre de l'AI Act européen. Nos dossiers documentent les données, le modèle et les conditions de test dans un format qui appuie ce travail.

Brésil

La plus grande base industrielle d'Amérique latine, et notre premier point d'ancrage dans la région.

Amérique latine

Des dossiers et guides en espagnol pour les usines du Mexique à l'Argentine, où les références open source pour l'industrie restent rares.

Participer

Vous dirigez une usine

Apportez un problème et un échantillon de données. Nous cadrons un test et vous disons clairement si l'IA open source peut le résoudre.

Proposer un cas d'usage

Vous développez des modèles

Ingénieurs et chercheurs peuvent contribuer du code, relire un protocole de test ou soumettre un modèle ouvert à validation. Les contributions retenues sont publiées et partagées avec nos abonnés.

Soumettez votre solution open source

Vous représentez une institution

Universités, instituts et associations professionnelles en Europe et en Amérique latine peuvent accueillir un test ou co-signer un article.

Devenir partenaire