Études de cas

AMG Brasil, mine de Mibra (Minas Gerais) — filiale d'AMG Critical Materials N.V., cotée sur Euronext Amsterdam. Nom, marque et résultats utilisés avec autorisation.

Des hausses soudaines de la charge circulante contraignaient à réduire l'alimentation — souvent sous 70 t/h — environ sept fois par jour.

Un modèle prédictif de la charge circulante pilote le convoyeur d'alimentation en temps réel : il anticipe la hausse, maintient un niveau absorbable par le broyeur et revient au débit maximal.

Mineração Aurizona (MASA), mine et usine d’or au Maranhão, au Brésil — filiale de CMOC Group depuis janvier 2026

Contrôle de process manuel limitant le débit et la régularité. Opérateurs incapables de maintenir des paramètres optimaux face à des conditions de minerai changeantes, 24/7.

Un modèle prédictif du circuit de broyage exécutant l’AI Autopilot, envoyant des consignes en temps réel au système d’automatisation de l’usine. Test de 25 jours (10 janv. – 5 févr. 2024) alternant IA et contrôle manuel toutes les 48 heures. Réalisé avec SoftwareOne sur AWS.

Producteur mondial d'agro-industrie et de bioénergie, Amérique du Sud. Client sous NDA.

Modèles prédictifs pour les fours et réacteurs de biodiesel. Phase 1 livrée : 56,5 M de mesures de capteurs sur 10 mois consolidées dans un pipeline de données curé, plus un capteur virtuel avec un R² de 96,3 % et un éclairage sur la marge de catalyseur.

Phase 2 en cours : modèles de rendement, de catalyseur et de qualité avec réentraînement continu et auto-apprentissage. Les résultats de la phase 2 sont préliminaires.

Fabricant mondial d'équipements lourds. Client sous NDA.

Modèle de maintenance prédictive et tableau de bord pour cellules d'essai de composants. Cellules d'environ 70 capteurs consolidées ; des baselines par variante aident à distinguer l'infrastructure du banc du comportement du composant.

Mai–septembre 2026 : socle de données livré ; entraînement du modèle en cours, dans les délais.