Tame-Test a répertorié et enregistré des millions de résultats dans les conditions les plus contraignantes et exigeantes. Une bibliothèque de bancs de test et une collection de données par composants, produits semi-finis et finis ont ainsi été créées.
Longtemps exploitée dans le cadre des activités chez TRONICO, cette collection de données a démontré son importance. La valeur ajoutée de ces données est telle que Tame-Test à développé des logiciels Tame-Data permettant l'exploitation des résultats : "Valuable Testing Data".
Lors de chaque test, grâce aux logiciels Tame-Data, les bancs de test centralisent les résultats et l'environnement de test sur un serveur.
Cette base de données traitée par les logiciels permet d'accéder à des statistiques exploitables et à la traçabilité totale. Tame-Data donne vie à l'analyse et permet à Tame-Test d'être pionner dans l'analyse préventive et prédictive.
Trois niveaux de prestations ont été développées en fonction de la quantité de données recueillies : plus le réseau et les productions seront importantes (sur un ou plusieurs sites), plus les softwares auront de données permettant de faire des recommandations précises.
Les compétences des data scientists de Tame-Test sont au cœur des logiciels Tame-Data.
Le data mining est pour Tame-Test une réalité.
Depuis plusieurs années, la R&D implémente le data mining, en exploitation des résultats de mesures complexes notamment pour interpréter des résultats de spectroscopies Raman ou des tests de bioluminescence. Tame-Test l'utilise de manière récurrente et TRONICO de manière ciblée pour tester les nouveaux processus et produits développés par la R&D.
Le Machine Learning requiert de concevoir un réseau de neurones artificiels : ici il s'agit d'un réseau de bancs de test dont les données sont remontées par le logiciel de contrôle qualité.
Lorsque les produits sont en production et subissent des tests, des défaillances récurrentes peuvent apparaître.
Ces défaillances détectées par la suite logicielle permettent d’identifier l’étape de process durant laquelle les tests devront intervenir. Le but est de tester le composant avant de passer le seuil de réparabilité.
En suivant la vie et la dynamique du produit, les gains en productivité et en rentabilité augmentent, alors que se réduisent les reprises et les pertes.
L' objectif de Tame-Test est de dépasser la prédiction et de démarrer une nouvelle étape qui permettra aux bancs de test d'apprendre individuellement et collectivement : l'Intelligence Artificielle.
Tout comme le font les data scientists, l'IA exploite les données et détecte les points critiques facilitant ainsi la prise de décisions.
