Pour les usines et les huileries qui fonctionnent sans systèmes connectés. Nous saisissons le travail au moment où il se fait, le montrons en direct à la direction et signalons ce qui sort de sa plage validée.
Le travail saisi une seule fois, là où il se fait. Pas de ressaisie, pas de reconstitution en fin de poste ou de mois.
La direction voit la production en temps réel, sous la forme qu'elle a demandée, avec les mêmes chiffres que le terrain. Posez une question en langage courant et obtenez la réponse avec sa source.
Des décisions prises sur l'ensemble des données, avec le raisonnement conservé, et vos équipes qui tranchent.
La plupart des logiciels vous obligent à adapter votre problème au produit. Nous faisons l'inverse. Nous arrivons avec des questions : comment le travail se fait, où il ralentit, ce que les personnes qui le font changeraient si elles le pouvaient. Puis nous construisons en conséquence.
Nous ne facturons pas une idée en vous laissant décider quoi en faire. Nous apprenons comment vous travaillez, observons les flux, trouvons les manques, puis concevons et construisons le système qui les comble.
Nous restons proches de l'équipe, de la première saisie jusqu'à la réception : des itérations sur des données réelles, avec les personnes qui font le travail, jusqu'à ce que les chiffres tiennent et que l'équipe fasse fonctionner le système sans nous. Ensuite, nous le maintenons en service.
L'IA change ce qu'est un bon processus. Quand un processus peut être reconstruit, nous le concevons à partir des fondamentaux, comme s'il avait été pensé avec l'IA dès le départ. Quand ce n'est pas possible, à cause des équipements, de la réglementation, des habitudes ou des personnes, nous partons du processus existant et l'améliorons sans casser ce qui fonctionne déjà. Dans les deux cas, nous commençons petit : un processus, prouvé en quelques semaines, puis étendu avec vous.
Nous passons du temps sur le terrain avec ceux qui font le travail. Nous décrivons chaque étape, les passages de relais, les temps d'attente, et les endroits où les chiffres se perdent ou arrivent en retard.
Ensemble, nous choisissons les quelques chiffres et alertes qui comptent, à quelle fréquence vous en avez besoin, et sous quelle forme : un rapport quotidien, un tableau en direct ou une question que vous pouvez poser.
Nous choisissons avec vous le premier processus, décidons s'il faut le reconstruire ou renforcer l'existant, et fixons qui est responsable de chaque étape. Puis nous le construisons dans la langue de votre équipe et le mettons en service en quelques semaines.
Nous comparons les résultats avec la situation d'avant. Une fois que l'équipe l'utilise chaque jour et que les chiffres tiennent, nous passons au processus suivant.
Le rapport journalier d'une usine, sans ressaisie. Les fiches sont photographiées au poste et lues par OCR.
* Lorsque la certification ou la réglementation exige un enregistrement papier.
Un ticket de pont-bascule dans un centre de réception. L'agent de pesée travaille comme avant ; les vérifications arrivent dans la minute.
Vingt ans à diriger des opérations en Afrique de l'Ouest, treize à construire des systèmes logiciels de production.
Dean Shemie est ingénieur logiciel, avec 13 ans d'expérience dans la construction de systèmes en production, dont les trois dernières consacrées à la mise en production de l'IA. Il a construit des systèmes d'IA pour une start-up financée par du capital-risque au service des banques. Chez ApereOp, il dirige la technologie et la mise en œuvre : la saisie, les données, le reporting en direct et la couche d'IA.
Vingt ans chez Rina Group en Afrique de l'Ouest, du développement commercial au conseil d'administration, dans l'immobilier, l'agro-industrie et les mines. Il sait comment une exploitation peu automatisée fonctionne au quotidien, et ce que la direction et le conseil d'administration ont besoin de voir. Chez ApereOp, il dirige les opérations et la stratégie.
Décrivez la partie de l'activité que vous ne voyez pas clairement, ou la décision pour laquelle vous voulez de meilleures données. Nous pouvons venir sur place, cartographier le travail et revenir avec une conception cadrée du premier système.
Lisbonne · Abidjan