Machine learning voor de werkvloer, zonder data scientist.
Jemba werkt met de machine- en procesdata die uw fabriek al vastlegt. Geen nieuwe sensoren, geen GPU-cluster, geen intern data-scienceteam. Twee toepassingen zijn gevalideerd op echte lijnen — de cijfers staan hieronder.
Deze pagina is een samenvatting. De volledige documentatie — methode, cases machine voor machine, beveiliging en integratie — staat op de Engelse site.
Twee implementaties, blind getest.
Elk model wordt getoetst aan een periode die het nooit heeft gezien. We publiceren ook de machines waar het niets vond.
Stilstand vóor zijn, niet achteraf vaststellen
Een lijn met vier machines in een gereguleerde omgeving. 45 % van de stilstandsuren van de lijn vooraf gesignaleerd. Over twaalf maanden voortschrijdende validatie: 446 uur en 16 grote stops, 32 % van het totaal — en netto +187 uur na aftrek van de tijd om valse meldingen te controleren.
De marge vinden die standhoudt
Een textielspoellijn. De beginset had 977 kolommen; het gekozen model gebruikt er tien. Zeven van de tien knoppen zaten stroomopwaarts, bij de coating — waar niemand keek. Basis: 336 productieruns.
Uw data blijft uw data.
Wij draaien op onze eigen servers in Frankrijk en de Verenigde Staten, zonder externe cloud-subverwerker. Definitieve verwijdering op verzoek.
Geen klantdata traint gedeelde modellen. SAML-SSO en roltoegang. ISO 27001 en SOC 2 zitten in hun laatste fase — we presenteren ze niet als behaald zolang dat niet zo is.
Wij verwerken tellingen van microstops, geen persoonsgegevens van operators. In bedrijf: één lichte score per machine per tien minuten, zonder GPU. Beveiliging →
Noem één lijn en één doelvariabele.
Meer is niet nodig om een waardebewijs van twee weken te starten. Binnen een uur zeggen we of uw historie een conclusie toelaat — en zo niet, dan zeggen we dat ook.
