Comment Trackunit transforme les données de construction en décisions grâce à l'AI

Le secteur de la construction génère une quantité abondante de données, de la télémétrie des équipements et des registres de maintenance aux documents de chantier et aux flux de location. Mais à l'instar de l'industrie manufacturière, ce secteur est confronté à des chaînes d'approvisionnement fragiles, à des pressions sur les marges et à des exigences croissantes en matière de rapidité, de personnalisation et de traçabilité.

Les données restent fragmentées entre les systèmes, les organisations et les types d'équipements. La propriété peut changer d'un projet à l'autre, et les informations critiques peuvent être non structurées, déconnectées ou tout simplement jamais saisies. Il s'agit de bien plus qu'un problème de qualité des données ; c'est un problème d'intelligence des données. L'AI ne peut pas améliorer les décisions si les données ne sont jamais connectées, structurées ou associées au bon contexte opérationnel.

Trackunit relève ce défi avec IrisX, une plateforme de données opérationnelles construite sur la plateforme Data et AI de Databricks. La valeur de Trackunit réside dans son contexte spécifique à la construction : connecter les équipements, les machines, les opérateurs, les chantiers et les données opérationnelles à travers tout l'écosystème afin que les équipes puissent transformer des signaux fragmentées en insights et en actions. Cette approche s'appuie sur 20 ans d'expérience dans le secteur, 5 000 clients, 6 millions d'actifs connectés dans 120 pays, 1 200 connecteurs et 150 applications partenaires sur sa marketplace.

En s'appuyant sur Databricks, Trackunit peut réunir l'ingénierie des données, l'analytique et l'AI sur une plateforme unique et ouverte. Cela permet à IrisX de transformer les données brutes des machines en décisions opérationnelles et en intelligence d'entreprise grâce à trois capacités : connecter, distiller et amplifier. Regardez Domokos Spéder, VP, Commercial EMEA & Global Consulting chez Trackunit, et Erin Kirsten, Manufacturing Senior Solutions Architect chez Databricks, expliquer comment Trackunit a été conçu sur Databricks.

Connecter les données fragmentées à travers l'écosystème de la construction

Les équipements de construction ne fonctionnent pas de manière isolée. Les fabricants d'équipements d'origine (OEMs) ont besoin de visibilité sur les performances des machines après leur sortie d'usine. Les entreprises de location doivent comprendre l'utilisation, la disponibilité et la maintenance sur l'ensemble de leurs sites. Les entrepreneurs doivent savoir où les équipements fonctionnent, où ils sont sous-utilisés et où les capacités sont limitées.

Chaque organisation dispose de systèmes et de priorités différents. Elles peuvent également utiliser des modèles de données et une terminologie différents. La télémétrie d'une machine peut résider sur une plateforme, les rapports d'entretien sur une autre, et les informations sur le chantier dans un document ou un tableur. Sans socle commun, même une question opérationnelle simple peut nécessiter un rapprochement manuel.

IrisX rassemble les données des machines, des équipements, des opérateurs, de la documentation et de sources tierces. La plateforme est conçue pour fonctionner avec les outils que les entreprises de construction utilisent déjà, notamment les applications de suivi, les systèmes de planification des ressources de l'entreprise (ERP), les applications clients et les moteurs d'analytique ou d'AI.

Ce socle préserve le contexte derrière chaque signal. Un code d'erreur est bien plus utile lorsqu'il est associé à l'historique de l'équipement, aux conditions de fonctionnement, aux activités de maintenance et à la localisation. L'utilisation devient plus pertinente lorsqu'elle est comparée aux termes du contrat, aux besoins du projet et à la disponibilité des actifs.

Distiller les signaux des machines en informations exploitables

Connecter les données n'est que la première étape. Les données brutes des équipements ne sont pas automatiquement utiles pour un chef de produit, une équipe de maintenance, un gestionnaire de flotte ou un dirigeant d'entreprise. Elles doivent être nettoyées, structurées, gouvernées et traduites en questions sur lesquelles l'entreprise peut agir.

IrisX applique un contexte spécifique à la construction à ce processus. Dans la démonstration ci-dessus, un utilisateur demande comment la charge et le couple du moteur affectent la consommation de carburant et quelles cohortes d'équipements sont des anomalies (outliers). Le système renvoie un résumé analytique, une analyse visuelle et une répartition par type d'équipement sans nécessiter de requête. Un deuxième exemple examine les heures de fonctionnement régionales et les tendances saisonnières, aidant les équipes produit et ingénierie à concevoir en fonction de la réalité du terrain plutôt que d'une moyenne théorique.

Ce changement redéfinit qui peut utiliser l'analytique avancée, permettant aux chefs de produit, aux équipes de maintenance et aux utilisateurs opérationnels de poser des questions en langage naturel sur leur flotte et leurs opérations, et de recevoir des réponses basées sur des données gouvernées. Cet accès élargi permet d'obtenir des informations opportunes partout où les décisions sont prises.

Ces mêmes informations peuvent également être mises à disposition via les outils que les utilisateurs emploient déjà. Grâce à Trackunit IrisX MCP, Trackunit peut intégrer l'analytique IrisX dans Trackunit Manager, afin que les utilisateurs puissent obtenir des réponses et agir dans leurs outils d'AI préférés sans changer de système ni déplacer de données.

Amplifier les insights grâce aux workflows opérationnels

Un insight ne crée de la valeur que lorsqu'il influence les actions futures. C'est tout l'objectif de la couche d'amplification : transformer les signaux en décisions, et les décisions en actions.

C'est pourquoi Trackunit a créé IrisX Blueprints, des solutions prêtes à être déployées pour des cas d'usage spécifiques à la construction et aux équipements. Elles combinent des connexions de données, des workflows, de l'analytique et une logique d'automatisation basée sur l'AI afin que les équipes puissent partir d'un problème métier plutôt que d'un environnement de développement vide. Ces blueprints sont déployables en quelques jours plutôt qu'en plusieurs mois, sans développement personnalisé, ce qui aide les équipes à passer plus rapidement des données connectées à l'action.

Aider les OEMs à prendre de meilleures décisions concernant les équipements et les batteries

Pour les OEMs, les données de terrain peuvent orienter la conception des produits, les opérations de maintenance, la gestion des garanties et les offres numériques. Un Battery Management Insights Blueprint peut consolider le comportement de charge, le temps de veille, l'état de la batterie et l'activité de rapport sur l'ensemble des équipements électrifiés.

Les équipes peuvent visualiser l'état des rapports et les niveaux de charge de l'ensemble de la flotte, identifier les actifs faiblement chargés ou inactifs, et analyser les sessions de charge au fil du temps. La démonstration ci-dessus décrit un client qui a identifié un schéma de sessions de charge courtes et superficielles associées à une dégradation prématurée de la batterie. Cet insight a permis de fournir de meilleures recommandations de charge, tandis que ces mêmes données peuvent éclairer la préparation de la flotte et la transparence des batteries pour la revente ou le rachat.

Pour une flotte d'OEM d'environ 10 000 machines produites par an, le blueprint de gestion des batteries génère environ 3 millions de dollars de valeur annuelle grâce à la réduction des risques liés à la garantie, à un diagnostic plus rapide des problèmes et à des opportunités de fonctionnalités numériques.

Aider les entreprises de location à identifier l'utilisation hors contrat

Les entreprises de location doivent comparer l'utilisation des équipements avec les termes du contrat convenu. Un Out of Contract Usage Blueprint peut identifier en continu les dépassements et les connecter aux systèmes d'entreprise et aux processus de facturation existants, remplaçant ainsi des semaines de rapprochement manuel.

La démonstration ci-dessus montre un exemple dans lequel cette approche a permis de mettre en évidence environ 2 millions de dollars de factures auparavant manquées pour une flotte de location mixte d'environ 5 000 unités. Elle fait également état d'une rétention supérieure de plus de 10 % après que les écarts de facturation ont été résolus de manière transparente. De meilleures données peuvent à la fois protéger les revenus et renforcer les relations avec les clients.

Aider les entrepreneurs à rééquilibrer les équipements entre les projets

Pour les entrepreneurs, le déséquilibre de la flotte est également un problème de distribution. Un chantier peut avoir des équipements inactifs tandis qu'un autre fait face à des contraintes de capacité et doit recourir à une location d'urgence ou à un achat imprévu. Un Site Performance & Asset Utilization Blueprint offre à chaque responsable opérationnel une vue unique.

Une vue connectée des actifs, des besoins du projet, de la localisation et de l'utilisation permet d'identifier la prochaine destination des équipements. La démonstration ci-dessus met en évidence un exemple dans lequel un redéploiement basé sur les données a permis de réduire les retards de projet et les heures supplémentaires, tout en diminuant les coût s liés aux équipements. Lorsque le bon actif est déjà présent dans l'entreprise, le déplacer peut s'avérer plus efficace que d'en ajouter un autre.

Un modèle pratique pour l'AI dans la construction

Le modèle « connecter, distiller et amplifier » offre une approche pratique pour l'adoption de l'AI.

Premièrement, connectez les machines, les opérateurs, les chantiers, les événements de maintenance, les contrats et les documents. Deuxièmement, distillez-les en une intelligence gouvernée et contextualisée. Troisièmement, amplifiez cette intelligence grâce à des applications, des workflows et des assistants d'AI là où les décisions sont prises.

Cela évite d'introduire un assistant AI avant que les bases de données et le contexte du domaine ne soient prêts. Dans le secteur de la construction, une réponse utile doit refléter le bon actif, le bon site, les conditions d'exploitation et les processus métier. L'objectif est de prendre de meilleures décisions concernant le service, le redéploiement, la facturation, les exceptions d'utilisation et le développement de produits, et non pas simplement de multiplier les tableaux de bord.

Pour les fabricants, cette même base soutient l'excellence opérationnelle à l'échelle, des chaînes d'approvisionnement résilientes et intelligentes, ainsi qu'un développement de produits plus rapide. L'AI peut aider à réduire les temps d'arrêt non planifiés, à améliorer le rendement, à réduire le gaspillage, à anticiper les perturbations, à optimiser les stocks et à accélérer les décisions d'approvisionnement avant que les problèmes n'affectent les résultats financiers. Le fil conducteur est de passer du réactif au prédictif, du cloisonné à l'unifié, et d'une abondance de données à une intelligence réelle.

Le prochain avantage réside dans de meilleures décisions, et non simplement dans plus d'équipements

Depuis des années, les équipements connectés aident les entreprises de construction à mieux voir ce qui se passe sur le terrain. L'étape suivante consiste à utiliser ces données connectées pour améliorer les décisions futures.

Les organisations n'ont pas besoin de posséder la plus grande flotte pour fonctionner plus efficacement. Elles ont besoin d'une vision plus claire de leurs actifs, d'un contexte plus solide autour de leurs données et de flux de travail qui aident les collaborateurs à agir sur les insights pendant qu'ils sont encore utiles.

IrisX, basé sur Databricks, montre à quoi peut ressembler ce modèle opérationnel : connecter des données de construction fragmentées, les distiller en intelligence et les amplifier à travers les applications et les processus sur lesquels les équipes s'appuient déjà.

Pour les dirigeants et les professionnels de la construction, le point de départ est pratique. Identifiez une décision pour laquelle les temps d'arrêt, la sous-utilisation, la lenteur du service, les erreurs de facturation ou le remplacement évitable d'actifs génèrent des coûts mesurables. Remontez ensuite jusqu'aux données requises pour améliorer cette décision, et bâtissez la base qui permettra à l'AI de les exploiter.

Prêt à voir IrisX en action ? Regardez la démo complète et l'analyse approfondie des experts lors de notre Forum virtuel de l'industrie manufacturière : des pilotes à la production.

Foire aux questions

Qu'est-ce que Trackunit IrisX ?

IrisX est une plateforme de données opérationnelles basée sur Databricks qui connecte les équipements de construction, les machines, les opérateurs, les sites et les données opérationnelles, transformant des signaux fragmentés en intelligence contextuelle et en flux de travail.

Comment l'AI peut-elle améliorer l'exploitation des équipements ?

En combinant la télémétrie avec les données de maintenance, de projet, de localisation et de contrat, l'AI peut aider à identifier les temps d'arrêt, les problèmes de recharge, les erreurs de facturation, les actifs sous-utilisés et les opportunités de redéploiement.

Comment Databricks est-il utilisé plus largement dans l'industrie manufacturière et la construction ?

Databricks fournit une plateforme unique et gouvernée de données et d'AI pour la maintenance prédictive, l'utilisation des équipements, la résilience de la chaîne d'approvisionnement, le suivi de la qualité et la gestion des garanties, aidant ainsi les équipes à passer de rapports réactifs à des opérations prédictives.

Comment Unity Catalog prend-il en charge les données de construction gouvernées ?

Unity Catalog fournit une base gouvernée pour les données de construction et les actifs d'AI, aidant les équipes à gérer l'accès, la traçabilité et l'utilisation cohérente des données d'équipement, de télémétrie, de maintenance et d'exploitation à travers les flux de travail.

Comment la plateforme de données et d'AI Databricks prend-elle en charge les flux de travail de données d'équipement ?

Elle rassemble l'ingénierie des données, l'analytique et l'AI sur une plateforme ouverte unique, aidant les organisations à connecter les données des machines, des sites, des opérateurs et des opérations, et à fournir des insights via des applications, des tableaux de bord et des interfaces d'AI.

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original