La plateforme

Le machine learning industriel,
sans la complexité.

Deux algorithmes — détection d’anomalies et optimisation de procédé multi-variables — pour deux problèmes que votre usine paie tous les mois : les arrêts machine et le rebut. Jemba exécute tout le workflow : votre ingénieur procédé obtient la réponse, pas un modèle à surveiller. Aucune équipe data science requise.

Test sur vos données réelles · Sans engagement · Sans data scientist
Tableau de bord Jemba : score d'anomalie par équipement, TRS par ligne et actions priorisées
Le terrain sur lequel Jemba se déploie
Stellantis Alstom Thales Safran Valeo Hutchinson
Groupes équipés en solutions TeepTrak, notre partenaire d’intégration — 450+ usines, 30+ pays. Le déploiement de Jemba sur ces sites relève d’accords propres à chaque usine.
Une plateforme, tout le workflow

Chaque outil vous donne un modèle.
Jemba vous donne la réponse.

Les étapes difficiles du ML industriel sont celles qui entourent le modèle — celles qui exigent d’ordinaire un data scientist que vous n’avez pas. Jemba les automatise toutes, de bout en bout, et renvoie une recommandation priorisée, prête à appliquer, dans le langage de l’opérateur.

Choix des variablesPrétraitementSans données étiquetéesSélection du modèleCalibrationFiabilité & dériveFacteurs clésLangage opérateur
01  Rendement matière

977 colonnes en entrée.
10 leviers qui comptent vraiment.

Au lieu d’un tableau de bord de plus, Jemba classe vos paramètres procédé selon leur impact réel sur le rebut et vous donne une recommandation applicable — directement via OPC-UA.

  • Importance des variables par SHAP, pas à l’intuition.
  • Une plage optimale par paramètre (ex. force de sertissage 4,2–4,5 kN).
  • Un gain chiffré avant d’agir : rebut, rendement, € / mois.
Voir le cas d’usage rendement matière
Rendement matière Jemba : importance des variables, matrice de corrélation et force de sertissage vs rebut
Rendement matière — zone de réglage recommandée : 78,1 % de rendement contre 68,6 % sur l’historique (cas client)
Prévision d'arrêt machine Jemba : score d'anomalie par équipement et alertes classées
Prévision d’arrêt machine — 273 h d’arrêt anticipées sur un cas client, à partir du seul journal marche/arrêt
02  Prévision d’arrêt machine

Anticipez l’arrêt.
Avant que la ligne s’arrête.

Jemba apprend le comportement normal de chaque équipement sur vos historiques et signale la dérive avant la panne. Sur un cas client, 45 % des arrêts de la ligne ont été anticipés — validés sur un backtest glissant de 12 mois, sans nouveau capteur.

  • Non supervisé — aucune panne étiquetée requise pour démarrer.
  • Alerte classée par criticité, dans le langage de la maintenance.
  • Validation à l’aveugle sur vos données avant tout engagement.
Voir le cas d’usage arrêt machine
Connectivité ouverte

Conçu pour s’intégrer à votre stack existant.

Machines, capteurs, CSV ou API — équipements anciens compris. Jemba réutilise les données que vous générez déjà, sans refonte de l’usine.

CSVAPI RESTOPC-UAAutomateHistorianGMAOERPTeepTrak
Comment ça marche

De la donnée brute au ROI,
en quatre étapes.

A

Connectez vos données

Un CSV, l’API ou vos capteurs — et le flux TeepTrak si vous en êtes équipé.

B

Définissez l’objectif

Choisissez variable cible, algorithme et paramètres — sans code.

C

Laissez Jemba apprendre

Les modèles s’entraînent seuls ; les prédictions démarrent aussitôt.

D

Agissez sur l’insight

Tableaux clairs, recommandations priorisées, ROI suivi.

Commencer

Testez Jemba sur vos vraies données, gratuitement.

Réservez une démo de 15 minutes, ou envoyez-nous un export de production : en deux semaines, à l’aveugle, nous vous rendons ce que le modèle a trouvé — chiffré en euros. Sans engagement, sans carte bancaire.

FAQ

Questions fréquentes

Qu’est-ce que Jemba ?

Jemba est une plateforme de machine learning industriel développée par l’équipe qui a fondé TeepTrak. Elle exécute deux algorithmes — détection d’anomalies et optimisation de procédé multi-variables — sur vos données de production pour deux cas d’usage : la prévision d’arrêt machine et le rendement matière.

Faut-il un data scientist pour utiliser Jemba ?

Non. Jemba est conçu pour les équipes de production et de process. Il se connecte à vos données existantes et renvoie des recommandations prioritaires et directement applicables, en langage clair.

Combien de temps dure l’installation de Jemba ?

Un export CSV suffit pour démarrer : en deux semaines, à l’aveugle, nous vous rendons ce que le modèle a trouvé sur vos données. Jemba se connecte ensuite aux capteurs, automates et historians que vous avez déjà, sans remplacer votre infrastructure.

Que peut analyser Jemba ?

Vos historiques machine (journal marche/arrêt, capteurs, automate) pour la prévision d’arrêt, et vos paramètres procédé + résultats qualité pour le rendement matière — des centaines de colonnes réduites aux quelques leviers qui comptent.

Combien coûte Jemba ?

Jemba est pensé pour être accessible aux PME industrielles, pas seulement aux grands groupes. Réservez une démo pour un tarif adapté à vos lignes.