MES et qualité
IA pour le MES et la qualité en usine : exploiter les données d'atelier
En bref
Les données du MES (ordres, temps, arrêts, rebuts) et du système qualité (non-conformités, contrôles, SPC) restent souvent sous-exploitées parce qu'il faut un spécialiste pour les croiser. Un assistant IA privé, branché en lecture seule sur ces sources et sur l'ERP, permet aux équipes de poser leurs questions en français, avec la requête affichée et les droits respectés.
Dans une usine française, le MES, la GPAO, le logiciel de qualité et les tableurs coexistent rarement sans friction. Le chef d'équipe connaît ses arrêts de ligne ; le responsable qualité connaît ses non-conformités ; mais relier les deux (tel rebut, sur telle machine, avec tel lot de matière, à tel changement d'équipe) demande souvent une extraction manuelle.
L'IA n'apporte pas de magie ici : elle apporte un accès. Bien intégrée, elle réduit le temps entre une question de terrain et une réponse chiffrée et traçable. Mal intégrée, elle produit des réponses plausibles mais fausses. Cette page décrit comment faire la première version.
Le contexte : des données riches, des silos tenaces
Un MES comme Siemens Opcenter, DELMIA Apriso, Plex ou une solution maison collecte les déclarations de production, les temps de cycle, les causes d'arrêt et parfois les mesures de process. La qualité, elle, vit dans l'ERP, dans un QMS dédié ou dans des fichiers. Les machines exposent leurs signaux par OPC UA ou MQTT vers un historian.
Chacune de ces sources a son vocabulaire et ses identifiants. Le premier travail d'intégration est une couche sémantique : quels champs désignent un lot, un poste, un ordre de fabrication, une cause de rebut, et comment ils se rejoignent.
- Déclarations de production, temps de cycle et arrêts (MES)
- Contrôles, mesures, non-conformités et actions correctives (qualité)
- Ordres de fabrication, lots et nomenclatures (ERP)
- Signaux machine via OPC UA ou MQTT (historian)
Cas d'usage concrets
Analyse de rebuts : « Quelles sont les trois principales causes de rebut sur la ligne 4 ce mois-ci, et sur quels lots matière ? » L'assistant interroge les tables MES et ERP, affiche la requête et restitue un tableau que l'on peut vérifier. Il ne remplace pas une étude statistique, il fait gagner l'heure de préparation.
Aide à l'AMDEC et au 8D : à partir de l'historique de non-conformités similaires, l'assistant propose des causes candidates et des actions déjà utilisées, avec renvoi vers les dossiers sources. L'équipe qualité garde la décision. Pour la SPC, l'IA peut expliquer une dérive en rapprochant les cartes de contrôle avec les changements d'outillage ou de lot, mais le calcul des limites reste fait par vos outils statistiques.
- Pareto de rebuts et d'arrêts par poste, équipe, lot ou fournisseur
- Généalogie descendante et ascendante d'un lot en cas de rappel
- Brouillon de fiche de non-conformité et de plan d'actions
- Synthèse de fin de poste pour la passation entre équipes
Architecture et lieu des données
Le déploiement type place un modèle open-weight (classe Mistral, Qwen, Llama) sur un serveur GPU dans l'usine ou dans votre cloud privé, servi par vLLM ou Ollama. Une couche de connecteurs lit le MES, l'ERP et le QMS avec des comptes en lecture seule, et une base de recherche indexe les documents qualité.
Comme le réseau industriel est souvent segmenté (modèle Purdue), l'assistant se place côté réseau d'entreprise et lit des copies ou des vues des données, pas directement les automates. Aucun ordre n'est envoyé aux machines ; si une écriture est un jour envisagée, elle passe par une approbation humaine explicite.
Qualité des réponses : ce qu'il faut contrôler
Un assistant de données doit montrer son travail. Chaque réponse chiffrée s'accompagne de la requête exécutée et des tables lues, de sorte que le responsable qualité puisse la reproduire. Pour les réponses documentaires, la citation du passage source est obligatoire.
Avant de généraliser, on constitue un jeu de questions de référence avec des réponses connues, issues de vos propres cas, et on mesure le taux de réponses correctes. Les questions ambiguës (« le rendement ») doivent être clarifiées par un glossaire métier validé avec l'usine.
Démarrer, et limites honnêtes
Un pilote raisonnable porte sur un périmètre : une ligne, un atelier ou un type de non-conformité, avec quelques utilisateurs. En quelques semaines, on sait si les questions réelles obtiennent de bonnes réponses et si le gain de temps justifie l'extension.
Si votre besoin est un indicateur fixe, par exemple le TRS d'une ligne, un tableau de bord classique dans le MES ou dans Power BI est plus simple. Si la qualité des données est médiocre (causes d'arrêt saisies en texte libre, lots mal renseignés), l'IA ne la corrigera pas : il faut d'abord assainir la saisie.
Questions fréquentes
L'IA peut-elle piloter mes machines ?
Non, et ce n'est pas l'objet. L'assistant lit des données et aide à les analyser. Aucune commande n'est envoyée aux automates.
Quels MES sont compatibles ?
Tout MES dont les données sont accessibles par base, API ou export contrôlé peut être connecté. La faisabilité se vérifie lors d'un diagnostic, version par version.
Les réponses sont-elles fiables ?
Elles sont vérifiables : requête affichée, tables citées, sources documentaires référencées. Un jeu de questions de référence mesure la précision avant la mise en service.
Faut-il un data lake pour commencer ?
Non. Un pilote peut lire directement les vues du MES et de l'ERP en lecture seule. Un entrepôt de données devient utile si les volumes ou les jointures le justifient.
Où tourne le modèle ?
Sur vos GPU, dans l'usine, votre datacenter ou votre cloud privé. Les données de production ne sont pas envoyées à un service d'IA tiers.
Guides associés
IA pour ERP aéronautique et défense : déploiement sur site, sans fuite de données
IA sur l'ERP d'un sous-traitant aéronautique ou défense : traçabilité EN 9100, nomenclatures, non-conformités, hébergement souverain sur site, sans fuite de données.
ERP et RGPDRGPD et IA sur les données de l'ERP : ce que doivent vérifier DPO et DSI
Comment appliquer le RGPD à une IA branchée sur votre ERP : base légale, minimisation, hébergement, AIPD, droits d'accès, journalisation, sous-traitants et règlement européen sur l'IA.
LLM local (Mistral) et ERPLLM local (Mistral) et ERP : mode d'emploi pour un déploiement sur site
Faire tourner un LLM local comme Mistral sur vos GPU pour interroger votre ERP : choix du modèle, vLLM ou Ollama, RAG, dimensionnement, sécurité, limites en français.
Sage X3IA pour Sage X3 : interroger son ERP en français, sans sortir les données
Ajoutez de l'IA à Sage X3 sans exporter vos données : questions en français, analyses stock et production, déploiement sur site, lecture seule par défaut.
SAP S/4HANAIA pour SAP en déploiement souverain : SecNumCloud et modèles hébergés chez vous
Comment brancher de l'IA sur SAP S/4HANA ou ECC en restant souverain : SecNumCloud, hébergement sur site, modèles ouverts, lecture seule et traçabilité.
CegidIA pour Cegid : interroger vos données de gestion sans les exposer
IA pour Cegid : interroger vos données financières et de gestion en français, hébergées chez vous, avec traçabilité, RGPD et facture électronique.
Mettre l'IA au service de votre ERP
Réservez un diagnostic IA ERP gratuit. Nous cartographions le flux de données, le modèle et le lieu d'hébergement, et vous disons franchement si l'IA n'est pas le bon outil.
Réserver un diagnostic gratuit