Exploration de l’agent d’importation de nomenclatures (BOM)

Le contenu de cette page a été traduit automatiquement par un service tiers.

Manufacturiers ne rencontrent généralement pas de difficultés parce qu’ils manquent de données de nomenclature. Le plus souvent, ils sont confrontés à un autre problème : les données arrivent sous forme de feuilles de calcul conçues pour les fournisseurs, de systèmes hérités ou de transferts manuels, plutôt que dans un système de gestion du cycle de vie des produits gouverné. Une nomenclature (BOM) peut être suffisamment complète pour être comprise par une personne, tout en nécessitant des heures d’interprétation avant de pouvoir devenir une structure produit fiable au sein d’un système PLM.

C’est là que les difficultés commencent. Quelqu’un doit interpréter les colonnes, déduire la hiérarchie, corriger les incohérences de dénomination, résoudre les doublons et recréer manuellement les relations parent-enfant. Ce travail est répétitif, lent et sujet aux erreurs. Plus important encore, il mobilise des ingénieurs qualifiés pour des tâches de transcription alors que leur véritable valeur réside dans leur capacité à exercer leur jugement.

Il ne s’agit pas simplement d’un inconvénient pour l’ingénierie. Lorsque les données de nomenclature sont longues à intégrer ou peu fiables, les répercussions se propagent à l’ensemble de l’entreprise. Les équipes de fabrication risquent d’agir à partir d’une structure incomplète. Les achats héritent de pièces en double ou incompatibles. Chaque processus en aval qui dépend d’une structure produit propre repose alors sur des fondations plus fragiles. Aras considère les données de nomenclature et de structure gouvernées comme un élément central du fil numérique ainsi que des processus en aval tels que l’ingénierie produit et la planification des processus de fabrication (MPP).

C’est précisément le problème que l’agent d’importation de nomenclatures (BOM Import Agent) a été conçu pour résoudre. Présenté comme un agent de tâches reposant sur InnovatorEdge AI, il ingère des nomenclatures fournisseurs et héritées à partir de fichiers Excel, déduit les hiérarchies, normalise les structures, résout les doublons et associe les éléments aux objets Pièce et BOM gouvernés dans Aras Innovator®.

Avant de regarder la démonstration

Il est utile de savoir quoi observer avant de visionner la démonstration ci-dessous.

Ce que vous allez voir n’est pas simplement un chargement plus rapide d’une feuille de calcul. L’idée essentielle est que l’agent d’importation de nomenclatures transforme une feuille de calcul conçue pour les utilisateurs humains en une structure produit gouvernée au sein du fil numérique. Le flux de travail présenté dans les supports commence par le téléchargement d’un document source, puis effectue l’analyse du document, la détection du schéma, l’extraction des données de nomenclature, la correspondance entre le schéma source et celui d’Innovator, puis la publication dans Aras Innovator.

Le changement fondamental consiste à passer de simples lignes de feuille de calcul à des objets BOM gouvernés.

La véritable question n’est donc pas : « L’agent peut-il lire un fichier Excel ? » mais plutôt : « Peut-il aider l’entreprise à transformer des données de nomenclature externes en une structure gouvernée à laquelle les équipes d’ingénierie, de fabrication et d’approvisionnement peuvent faire confiance ? »

Un autre aspect mérite votre attention pendant la démonstration : le processus n’est pas une automatisation aveugle. Les supports soulignent que l’utilisateur examine la nomenclature interprétée avant sa publication. Cette étape de validation humaine est essentielle, car la qualité d’une nomenclature ne dépend pas seulement de sa syntaxe. Elle repose également sur l’intention d’ingénierie, la résolution des doublons et la certitude que la structure mérite d’être intégrée au système de référence.

Revenons maintenant sur ce que vous venez de voir

Pour de nombreux observateurs, la première impression est la rapidité. Une feuille de calcul qui nécessiterait normalement une interprétation manuelle est analysée, associée aux schémas appropriés et préparée pour publication dans le cadre d’un flux de travail guidé.

Mais ce qui compte davantage, c’est ce qui se passe en arrière-plan.

Le processus commence avec la feuille de calcul téléchargée. À partir de là, l’agent d’importation de nomenclatures analyse la source, échantillonne les lignes afin de déduire le schéma, associe les champs source au schéma Pièce et BOM d’Aras, puis applique les configurations et les règles de correspondance. Le résultat n’est pas simplement un fichier nettoyé. Il s’agit d’une structure gouvernée proposée, prête à être examinée puis publiée dans Aras Innovator sous forme d’articles Pièce, d’assemblages et de relations de nomenclature.

Voilà le véritable message de cette démonstration : les données de nomenclature externes sont transformées en une structure produit gouvernée.

Pourquoi la validation humaine est essentielle

Un autre élément important que vous venez de constater est que le processus reste gouverné.

La valeur de l’agent d’importation de nomenclatures ne réside pas dans le fait qu’il contourne la revue d’ingénierie. Il réduit la charge de travail manuelle tout en préservant la responsabilité. L’utilisateur peut examiner la hiérarchie interprétée, valider les correspondances, effectuer des corrections et n’approuver que les éléments qui doivent réellement intégrer le fil numérique. L’IA prend en charge l’extraction et la normalisation. L’ingénieur apporte son jugement.

Ce point peut sembler secondaire, mais il est fondamental.

Les nomenclatures sont des objets structurants. Les erreurs introduites à ce niveau ne restent jamais isolées. Elles se répercutent sur les processus de modification, de planification, d’approvisionnement et d’exécution de la fabrication. La rapidité seule ne suffit donc pas. L’entreprise doit avoir la certitude que la structure importée peut être examinée, remise en question et approuvée avant de devenir opérationnelle. Le positionnement plus large d’Aras Edge AI met d’ailleurs l’accent sur un accès gouverné, l’auditabilité et le respect des autorisations plutôt que sur une automatisation non contrôlée.

Pourquoi cela compte pour les fabricants

La proposition de valeur globale est simple.

La saisie manuelle des nomenclatures est coûteuse parce qu’elle mobilise un temps précieux d’experts, introduit des erreurs évitables et crée des pièces en double ainsi que des structures incohérentes. L’agent d’importation de nomenclatures répond à ce défi en automatisant les étapes les plus complexes de l’intégration tout en fournissant directement des résultats sous forme de données gouvernées dans Aras Innovator. Les supports présentent une gouvernance rigoureuse de la structure produit comme condition préalable à tout ce qui suit.

Pris dans leur ensemble, ces éléments dessinent un argument commercial convaincant. Lorsque les fabricants peuvent intégrer plus rapidement les nomenclatures provenant de fournisseurs ou de systèmes hérités, les examiner dans leur contexte et ne valider dans le PLM que les structures approuvées, ils réduisent les efforts de saisie, améliorent la qualité des nomenclatures, renforcent la traçabilité et établissent une base plus solide pour les processus d’ingénierie et de fabrication en aval.

C’est pourquoi l’agent d’importation de nomenclatures est important. Il ne se contente pas d’aider les utilisateurs à lire des feuilles de calcul. Il les aide à transformer des données de nomenclature basées sur des feuilles de calcul en intelligence produit gouvernée.

L’enseignement principal

Alors, que faut-il retenir après avoir vu cette démonstration pour la première fois ?

La réponse n’est pas simplement que l’IA peut importer une nomenclature.

L’IA devient réellement précieuse dans le PLM lorsqu’elle permet de transformer des données produit externes et incohérentes en structures gouvernées que l’entreprise peut exploiter efficacement. L’importation de nomenclatures y parvient en partant des formats que les fabricants reçoivent habituellement, en déduisant et en normalisant la structure, en maintenant les experts au cœur du processus de validation et en publiant les résultats approuvés directement dans Aras Innovator.

C’est une proposition bien plus forte qu’une automatisation pour l’automatisation. C’est une voie concrète pour passer de nomenclatures sous forme de feuilles de calcul à des données gouvernées intégrées au fil numérique.