Véritable accélérateur de solutions innovantes, le Digital Hub de Suez teste de nouvelles approches technologiques afin de contribuer à la transformation numérique du groupe. Dans ce cadre, le Groupe Suez s’associe à Deepomatic pour déployer une solution de reconnaissance visuelle, s’appuyant sur l’intelligence artificielle (IA) afin d’automatiser la détection de déchets non conformes dans ses deux centres de tri londoniens.
PUBLICITÉ
Lors du processus industriel de tri de déchets dans les centres, ceux jugés non conformes, du type, matelas, tubes en métal, chariots de supermarché... s’ils ne sont pas détectés et évacués de la chaîne par les opérateurs, peuvent provoquer l’arrêt automatique des machines. Chaque arrêt du processus entraîne une perte de capacité de production, de chiffre d’affaires, de revenu énergétique estimée à plus de 115 000 € en moyenne. Ces arrêts d’exploitation peuvent se produire plusieurs fois par an.
Un Digital Hub pour developper des projets
Dispositif phare de la transformation numérique du Groupe Suez, le Digital Hub, collabore tous les 6 mois avec une business unit différente pour tester de nouvelles idées et passer à l’échelle des solutions à même d’améliorer la performance et les services fournis par le Groupe. Le Hub a déjà incubé 56 projets. La plateforme de Deepomatic a rapidement été identifiée comme une solution ad hoc, capable de proposer aux opérateurs une application d’analyse en temps réel des flux vidéos et de limiter ainsi les risques d’arrêts non programmés. Suez a collaboré avec Deepomatic pour implémenter une solution de « computer vision » en production depuis juin 2020. Elle a été déployée sur deux sites majeurs de Londres qui gèrent les déchets déposés quotidiennement par 150 camions-bennes.
L’analyse automatique des images
La solution de Deepomatic analyse les images des caméras de surveillance et alerte les opérateurs de la potentielle présence d’un déchet non conforme dans le flux. Pour chaque détection, l’opérateur accède aux images et traite l’alerte en l’infirmant et/ou en spécifiant la nature du déchet si celui-ci est effectivement jugé non conforme, et le sort du circuit le cas échéant. « En seulement six mois de fonctionnement, le système a aidé les opérateurs à détecter plus de 80 objets non conformes, et nous avons constaté une réduction significative des arrêts d’usine sur la période », précise John Scanlon, Président-Directeur Général de Suez Recycling & Recovery UK.
« En plus de renforcer les opérateurs sur le terrain, la solution apporte de nombreuses informations sur les flux de déchets (volumes, nature, fréquence des déchets non conformes) et permet à la direction du site de prendre de meilleures décisions axées sur les données concernant ses opérations », conclut Meriem Riadi, Group Chief Digital Officer chez Suez.
