Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Membre a labase
Robert Beauchemin : La Milanaise
L’intégration de l’intelligence artificielle (IA) dans le secteur de la minoterie offre la possibilité d’améliorer les processus opérationnels de fabrication. On cible l’augmentation de la valeur ajoutée, le rêve de toute entreprise quoi!
La grande minoterie reçoit ses livraisons de grains à grande échelle (un « unit train » arrivant des prairies canadiennes transporte en moyenne 10,000 tonnes de blé par semaine en une seule livraison) facilitant ainsi la gestion de qualité en production. En minoterie biologique, les fournisseurs locaux sont de tailles beaucoup plus modeste : nous devons ainsi gérer des approvisionnements de vingt à trente agriculteurs différents à chaque semaine avec des qualités très variables. Le succès d’une gestion de la qualité pour transformer en farines stables et qui répondent aux spécifications des clients implique un contrôle et agencement d’une vingtaine de variables (protéines, dureté, activité enzymatique, tolérance au pétrissage et à la fermentation, poids spécifique, …). L’établissement d’un prix juste pour l’agriculteur bio et pour le boulanger exige une optimisation des opérations de mélange de grain, de configuration des moulins et de traitement des farines en cours de mouture. Avant tout, l’IA à la Milanaise, c’est la capacité d’interpréter et de conditionner les relations des données issues des matières premières, des conditions environnementales et des équipements de production en temps réel.
Dans le contexte actuel, avec la rareté de la main d’œuvre et le vieillissement de la population, il est nécessaire de se tourner vers la science des données pour soutenir la productivité de divers secteurs d’activités. En même temps, il est crucial de considérer la rareté des ressources et la protection de l’environnement avec une mission de développement durable.
Ces deux objectifs ne sont pas opposés et le présent colloque vise à montrer les méthodes, outils et solutions mises en œuvre dans des situations réelles d’entreprises québécoises.
Les différents aspects de la science des données en contexte industriels peuvent être abordés, que ce soit la collecte des données, la préparation des données, le développement d'outils d'aide à la décision ou leur mise en œuvre en situation réelle.
Les domaines d’application peuvent être variés, notamment la production agricole, la transformation agroalimentaire, la production manufacturière, la logistique, la production d'énergie ... Les contextes présentés doivent systématiquement soutenir le développement durable au Québec.