kheoosCast

Prévision probabiliste

kheoosCast

Prévision probabiliste

kheoosCast

La gestion des pièces de maintenance dans l’industrie est un domaine qui attire de plus en plus l’attention des décideurs. Il est désormais nécessaire de réduire les niveaux de stocks et l’obsolescence, sans augmenter pour autant le risque de rupture et donc de perte d’exploitation. kheoos a identifié d’importants gisements de réduction des niveaux de stocks de pièces et propose aux industriels de toutes tailles de nouveaux outils et des usages innovants.

 

kheoosCast est un ensemble d’outils d’aide à la prévision, allant des règles traditionnelles de réapprovisionnement, jusqu’à la prévision probabiliste, basée sur l’intelligence artificielle, pour les modèles les plus complexes.

La prévision juste pour le niveau de stock adéquat

La rigueur de la prévision de la demande (ou consommation) est clé pour obtenir le bon niveau de stock ; ni trop faible, au risque d’engendrer des ruptures, ni trop élevé, au risque de mobiliser du capital et d’augmenter l’obsolescence. Dans le cadre de la communauté kheoos, la prévision peut s’effectuer au niveau d’un membre, mais également pour un groupe de membres partageant virtuellement une fraction de stock.

La prévision juste pour le niveau de stock adéquat

La rigueur de la prévision de la demande (ou consommation) est clé pour obtenir le bon niveau de stock ; ni trop faible, au risque d’engendrer des ruptures, ni trop élevé, au risque de mobiliser du capital et d’augmenter l’obsolescence. Dans le cadre de la communauté kheoos, la prévision peut s’effectuer au niveau d’un membre, mais également pour un groupe de membres partageant virtuellement une fraction de stock.

L’intelligence artificielle apprend de l’historique contextualisé de vos usages

La prévision de la demande est un exercice encore souvent pratiqué plus ou moins manuellement sur tableur, alors que les technologies d’aujourd’hui et les capacités de calcul sont disponibles à coûts raisonnables. Les données sont également présentes en abondance dans les systèmes de gestion, mais pour autant le plus souvent sous-exploitées. Le « machine learning » permet l’apprentissage à partir d’un jeu de données, afin de déterminer des probabilités de demande future.

L’intelligence artificielle apprend de l’historique contextualisé de vos usages

La prévision de la demande est un exercice encore souvent pratiqué plus ou moins manuellement sur tableur, alors que les technologies d’aujourd’hui et les capacités de calcul sont disponibles à coûts raisonnables. Les données sont également présentes en abondance dans les systèmes de gestion, mais pour autant le plus souvent sous-exploitées. Le « machine learning » permet l’apprentissage à partir d’un jeu de données, afin de déterminer des probabilités de demande future.

Pour proposer des actions opérationnelles

L’algorithme propose ensuite, en fonction des contraintes définies, des actions opérationnelles de type achat de pièces, vente de dormants, etc. Le gestionnaire peut alors faire la revue des options et prendre les décisions en connaissance de cause.

Pour proposer des actions opérationnelles

L’algorithme propose ensuite, en fonction des contraintes définies, des actions opérationnelles de type achat de pièces, vente de dormants, etc. Le gestionnaire peut alors faire la revue des options et prendre les décisions en connaissance de cause.

FAQ

oui

Si vous utilisez un ERP, vous avez certainement des données en abondance, mais inexploitées. kheoos vous aide à extraire les données avec le bon niveau d’agrégation et à les nettoyer pour la phase d’apprentissage

Il y a des solutions plus adaptées

Si vous gérez des milliers de références, dans un environnement dynamique, l’effort humain pour maintenir à jour ces niveaux est tel que souvent les décisions d’achat sont prises alors qu’il faudrait acheter plus tard ou pas du tout, avec pour conséquence des niveaux de stock nettement plus élevés que nécessaire

Non pas du tout

La prévision probabiliste se nourrit des données historiques, mais aussi contextuelles. Si la maintenance prédictive prévoit le changement d’une pièce, il faut bien entendu en tenir compte dans l’algorithme de prévision probabiliste

 

Nos partenaires

EDF Pulse-Open Innovation-finalist Pulse contest-kheoos STMicroelectronics-logo-f@ST.lab-kheoos Photowatt-EDF ENR PWT-kheoos Schneider Electric-Business Innovation-kheoos SA3i-Tierce maintenance-Schneider Electric-kheoos La French Tech-BPI-financing innovation-kheoos-startup BPI-Banque Publique d'investissement-France-financing innovation-bourse frenchtech Linksium-satt-grenoble-innovation-network financing laboratories-intellectual property-kheoos-startup Challenge Linksium OutOfLabs-kheoos awarded-startup-2018 UGA-Université Grenoble Alpes-innovation-intellectual property-kheoos partnership Réseau Initiative Pays Voironnais-kheoos-award-financing-innovation Région Rhône Alpes-Grenoble-Isère-kheoos-lauréat

En savoir plus sur la prévision probabiliste...