L’ÉTUDE DE CAS
L'avenir de la construction d'usines
Intel utilise l'IA Buildots pour améliorer l'efficacité et réduire les coûts dans son projet multi-fabs.
Le programme de construction multi-fabs d'Intel est l'un des projets de construction les plus complexes de l'industrie. Chaque usine comprend à elle seule des milliers d'activités et de multiples corps de métiers qui doivent être suivis en détail.
Pour gérer l'ampleur de chaque projet, éviter les retards et assurer la qualité, Intel a mis en place la plateforme de suivi de l'avancement des travaux alimentée par l'IA développée par Buildots. Résultats ? Moins de reprises sur chantier, des processus de gestion de projet améliorés et des flux de travail rationalisés.
Utiliser l'IA pour résoudre les défis de la construction d’usine
Intel a utilisé la technologie d'IA avancée Buildots pour automatiser le suivi de l'avancement des travaux et atteindre trois objectifs principaux:
Prévention des retards
En utilisant l'analyse prédictive de Buildots, Intel peut identifier les retards potentiels basés sur la performance et la cadence des sous-traitants, permettant ainsi une planification proactive et efficace des mesures d'atténuation.
Contrôle de l'exécution
Buildots permet à Intel de repérer les déviations et de signaler les problèmes avant qu'ils ne s'aggravent.
Optimisation entre projetsIntel utilise les données de plusieurs projets de construction d’usines pour optimiser les flux de travail et les processus des projets suivants, et établir des références pour une amélioration continue.
Intel, l'une des entreprises technologiques les plus importantes et les plus influentes au monde, construit plusieurs usines de fabrication de semi-conducteurs (fabs) aux États-Unis , en Europe et au Moyen-Orient. Cette initiative s'inscrit dans le cadre de son activité de fonderie, qui sera au cœur de sa croissance au cours de la prochaine décennie. Pour gérer l'ampleur et la complexité de ces projets de construction, Intel a adopté la digitalisation de la construction, permettant ainsi une prise de décision véritablement axée sur les données.
4,3% économisés sur les coûts de reprises
4 semaines de retards
1 176 mises à jour de modèles
