Maintenance prédictive : mettre les données
au service de la production
Réalisé en collaboration avec INFOPRO digital
SE SERVIR DES DONNÉES POUR AMÉLIORER LA MAINTENANCE
Récupérer des données ciblées sur le terrain pour anticiper les pannes possibles
avant qu’elles ne se produisent, tel est le principe de la maintenance prédictive.
Pour les entreprises qui l’utilisent, l’enjeu est d’échapper à tous les incidents
prévisibles, de remettre en état des équipements, des chaînes de montage ou
des appareils, avec un minimum d’impact sur l’exploitation et, au final, d’arrêter
le moins souvent possible la production. « Avoir à réparer un produit, une fois
qu’il est tombé en panne, est désastreux pour l’image de marque du fabricant.
Mais mettre à l’arrêt des appareils pour les contrôler aléatoirement en amont
peut également coûter très cher en perte d’exploitation. Avec des outils de
maintenance prédictive, l’industriel se donne les moyens d’une démarche
d’anticipation la plus juste possible, ce qui va lui permettre de programmer des
interventions efficaces au moment le plus opportun, pour que ni les pannes ni
la maintenance ne le ralentissent », explique Pierre-Jacques Evrard, consultant
solutions chez l’éditeur de logiciels TIBCO Software.
PRÉDIRE PLUTÔT QUE DEVOIR S’ARRÊTER POUR VÉRIFIER
Pierre-Jacques Evrard est convaincu que proposer à des clients de faire la bonne
intervention au bon moment deviendra bientôt un argument compétitif pour les
équipementiers. Il oppose en particulier cette nouvelle maintenance prédictive
à la maintenance préventive, qui est d’usage dans les milieux industriels et qui
consiste à multiplier les interventions en amont pour empêcher des incidents
dont on ignore s’ils se seraient effectivement produits. « Un équipementier
fournit classiquement à ses clients un plan de maintenance préventif, c’est-à-
dire un accord contractuel qui programme, dès la livraison des équipements, un
calendrier fixe d’interventions. Mais celui-ci ne tient pas exactement compte
des données contextuelles, notamment de la manière dont les machines seront
réellement utilisées. De fait, cette maintenance est trop prudente : elle va imposer
plus d’arrêts de production et plus de frais qu’il n’est nécessaire », avance-t-il.
WHITEPAPER | 2
À l’inverse, se doter de capacités de prédiction, à base de relevés au fil de l’eau,
permettrait de proposer un plan de maintenance évolutif, financièrement bien
plus intéressant et avec un impact plus rationnel sur l’exploitation. Selon lui, des
dispositifs de maintenance prédictive ont ainsi déjà permis à des constructeurs
d’avions et d’hélicoptères de remporter des marchés face à des concurrents
qui imposaient des calendriers d’interventions classiques, en particulier dans le
prévisibles et où les pannes relèvent plus de la salinité de l’air ou de la violence
des vents que du nombre de semaines passées à voler. Toutefois, il imagine que,
selon les marchés, des prestataires dédiés pourraient également apporter des
services de maintenance prédictive pour supplanter la maintenance préventive.
MIEUX ANTICIPER POUR VENDRE PLUS DE CONFORT AUX USAGERS
De la même manière, Pierre-Jacques Evrard estime que la maintenance prédictive
devrait bientôt connaître son âge d’or avec la démocratisation des voitures
électriques. « Ici, dit-il, la classique révision préventive au bout d’un certain
est le principal point de vigilance de ces véhicules. Or, cette usure dépend
essentiellement du comportement du conducteur, lequel varie selon son âge,
selon son lieu de résidence, en ville ou à la campagne, voire selon ses habitudes ».
En particulier, les conducteurs qui torturent leur batterie, en la rechargeant
régulièrement par périodes courtes, courent plus que les autres le risque de se
retrouver prématurément avec une automobile sans grande autonomie. Pour
éviter qu’ils soient déçus et partent à la concurrence, certains constructeurs
ont envisagé de demander à leurs clients de passer plus souvent en concession
afin de vérifier si un remplacement des batteries s’imposait. Mais cet exercice
forcé pénalise à tort les bons conducteurs. « Avec la maintenance prédictive,
le constructeur pourra identifier en amont le comportement du conducteur et
l’inviter à ne passer en concession que lorsque cela s’avère nécessaire. Cela
ouvrirait même la voie à de nouvelles opportunités commerciales. On montre ainsi
au client que l’on s’intéresse à lui, que l’on sait être proactif sans être envahissant »,
ajoute le consultant solutions de TIBCO Software.
RÉDUIRE LES INTERVENTIONS
Surtout pour l’utilisateur d’un équipement, la maintenance prédictive doit
permettre de réduire rapidement les mises à l’arrêt de l’activité. « Quand vous
avez 200 étapes pour, par exemple, fabriquer des wafers (disques ou galettes)
comme on le fait dans l’industrie des semi-conducteurs, vous ne pouvez pas
vous permettre de vérifier tous les équipements, car cela prendrait bien trop de
temps et ralentirait considérablement votre production. Mais vous ne pouvez
pas non plus éviter de contrôler leurs réglages, ni vous contenter de les tester
aléatoirement pour gagner du temps, car cela remettrait en cause la fiabilité de
cette production. La maintenance prédictive est donc ici un moyen de répondre
à la fois à la problématique de temps et de contrôle car elle dit exactement quoi
tester et quand », témoigne Pierre-Jacques Evrard.
En l’occurrence, TIBCO Software a installé chez un fabricant de semi-
conducteurs un système de sampling (échantillonnage), qui collecte en temps
réel tous les événements ayant trait à chaque équipement. Un moteur logiciel
apprend l’enchaînement des événements et, en particulier, celui qui peut conduire
à une situation problématique. Lorsqu’il détecte que ce schéma commence à
se produire, il déclenche une alerte qui indique aux équipes de maintenance la
nécessité d’un contrôle sur un équipement en particulier. « Au bout d’un an, ce
de produire plus de wafers avec le même niveau de qualité », témoigne Pierre-
Jacques Evrard.
WHITEPAPER | 3
Une solution de maintenance prédictive permet de réduire de 20 à 30 % le coût
global de la maintenance, c’est-à-dire en prenant en compte le prix du logiciel
et en soustrayant le coût de toutes les interventions et de toutes les pertes
d’exploitation qu’il évite.
QUAND 10% DE DÉPANNAGES EN MOINS FONT ÉCONOMISER
1,4 MILLION DE DOLLARS PAR AN
Aux États-Unis, un exploitant de plateformes pétrolières s’est, quant
à lui, servi de la maintenance prédictive pour réduire les temps
d’arrêt de ses pompes. « La nécessité d’intervenir régulièrement
sur plusieurs milliers de pompes électro-submersibles (Electro-
Submersible Pump ou ESP) lui coûtait près de 40 000 dollars par
jour en perte d’exploitation. Rien qu’en réduisant de 10 % le nombre
des dépannages, il a réalisé une économie de 1,4 million de dollars
par an », témoigne Sadaq Boutrif, Senior Technical Leader chez
TIBCO Software.
Dans ce cas précis, l’exploitant travaille avec des pompes enfouies
à plus de 800 m de profondeur et sujettes à des pannes fréquentes.
Son ambition était de trouver le moyen de prédire les pannes
pour, au mieux, ralentir les pompes le temps de les régler, au pire,
arrêter la pompe pour réparer le composant défectueux avant qu’il
n’entraîne une cascade d’autres ruptures, ce qui allongerait d’autant
a analysé à l’aide de son logiciel TIBCO Spotfire un grand nombre
de mesures issues de ces composants (température, pression,
etc.) qui lui ont permis, en quelques heures, d’élaborer un modèle
comportemental capable de prédire à plus de 95 % les pannes avant
qu’elles ne surviennent, et cela grâce à l’introspection de données
historiques massives.
C’est ensuite un moteur dit de Streaming Analytics, TIBCO
Streambase, qui permet l’exécution de ce modèle sur les flux de
données de mesures remontées en temps réel depuis les pompes.
« En proposant une plateforme complète et intégrée, nous sommes
capables de passer de l’élaboration d’un modèle à son exécution en
quelques semaines. C’est cette “agilité” qui donne à la maintenance
En se basant sur des relevés environnementaux, la maintenance prédictive
En cela, elle permet de réduire les coûts et les contraintes par rapport à une
maintenance préventive classique.
WHITEPAPER | 4
LES QUATRE FACTEURS CLÉS D’UNE MAINTENANCE
La maintenance prédictive n’est pas une nouveauté, seul son caractère numérique
bouscule les habitudes. « L’analyse des équipements en production au niveau
chimique ou acoustique existait déjà. Mais désormais, la question se pose dans
un contexte d’utilisation de capteurs et de sondes dont les relevés sont traités
de manière numérique. Le problème est que ce traitement des informations n’est
pas encore normalisé », lance Reda Kadri, spécialiste des architectures digitales
en entreprise chez Capgemini. Selon lui, les entreprises, qui souhaitent bénéficier
des avantages des logiciels de maintenance prédictive, doivent être vigilantes
sur quatre points : le contrat de maintenance, le prestataire chargé de piloter la
solution, la cohésion des services et la formation des équipes.
RÉINVENTER LES CONTRATS DE MAINTENANCE
Reda Kadri souligne, ,
prédictive dans les processus d’achat d’équipements, pour lesquels les contrats
de maintenance ne reposent que sur des questions de périodicité. Or, selon lui,
la maintenance prédictive numérique soulève des questions dont les réponses
nécessitent impérativement d’être formalisées. « Un tel dispositif ne sera-t-il pas
trop intrusif ? Comment la confidentialité des relevés sera-t-elle garantie ? Quel
va être l’impact du fonctionnement des sondes sur la production?... », cite-t-il.
réinventer totalement les contrats de maintenance avant même de débattre des
économies possibles.
NE PAS CONFIER LA MAINTENANCE PRÉDICTIVE À L’ÉQUIPEMENTIER
Le spécialiste des architectures digitales de Capgemini pointe, dans la même veine,
un problème de confiance : l’équipementier ne peut pas fournir également la solution
peut douter que son fournisseur soit de bonne foi lorsque ce dernier l’appellera
pour lui dire qu’il a détecté un risque de panne et que, pour l’éviter, il faut lui acheter
des matériels de remplacement. « C’est le syndrome du garagiste qui vous dit avoir
décelé un problème de carburateur, de freins ou autre et vous explique que vous
devez les remplacer si vous ne voulez pas tomber en panne au milieu de nulle part.
Vous ne pouvez sans doute pas vous empêcher de penser qu’il cherche peut-être à
vous tromper en vous donnant des informations que lui seul peut vérifier », explique
Reda Kadri. Selon lui, mieux vaut rester sur un mode de maintenance classique avec
l’équipementier - sur la base d’un calendrier de contrôles défini dès le départ - plutôt
que prendre le risque d’une situation de défiance.
Pour bénéficier au mieux de la maintenance prédictive, il encourage
chaudement les entreprises à en confier la responsabilité à un prestataire,
spécialisé dans ce seul domaine.
FAIRE SA RÉVOLUTION CULTURELLE
Mais pénétrer la culture de l’entreprise est, selon Reda Kadri, le plus grand défi de
la maintenance prédictive, car celle-ci suppose que chaque service soit d’accord
sur la manière de l’utiliser, ce qui n’est pas souvent spontanément le cas. Il ne
manque pas de situations pour lesquelles anticiper avec les données du terrain
impliqués est souvent très forte.
Pour que la maintenance prédictive fasse partie intégrante des projets que
lancent les entreprises, il conseille de travailler sur des proof-of-concept (POC
ou validations de concept), c’est-à-dire en intégrant la solution d’abord sur de
petits projets de recherche et développement (R&D), chacun confié à une équipe
autonome. « Le concept pénètre la culture de l’entreprise de manière virale. Il
faut que la maintenance prédictive séduise une petite équipe, laquelle assurera sa
publicité auprès des autres services », explique Reda Kadri.
WHITEPAPER | 5
FORMER LES ÉQUIPES INTERNES
Autre obstacle : celui de la formation des équipes internes aux technologies du
numérique. « Pour qu’une entreprise puisse utiliser la maintenance prédictive, il
faut qu’elle sache mettre des données dans un modèle statistique et y trouver
des itérations. Hélas, trop peu de personnels en industrie sont familiarisés avec le
Big Data », observe Reda Kadri. Selon lui, les candidats les plus immédiatement
compétents pour passer à la maintenance prédictive sont les acteurs de la finance
et toutes les entreprises dont l’activité repose sur le numérique. Les autres
doivent, soit former des salariés au Big Data, soit embaucher des profils qui en
ont déjà les notions.
Reda Kadri reconnaît qu’il s’agit là d’un frein, mais il conseille vivement de
passer outre. « Par le passé, nous avons déjà pu constater qu’il n’était pas
rentable de s’en tenir aux compétences internes. Ainsi, la télémaintenance, avec
ses systèmes de télécommunication qu’il fallait nécessairement déployer, avait
rebuté plus d’un industriel dont les équipes étaient pour l’essentiel composées de
mécaniciens. Or, au bout d’un certain temps, force était de reconnaître que ceux
financiers que les autres », témoigne-t-il.
Selon lui, les entreprises se décident à franchir le pas après avoir subi un
sinistre. C’est à ce moment qu’elles comprennent quels risques elles pourraient
éviter avec un système de maintenance basé sur des données terrain. Plus
généralement, il prévoit que les usages évoluent vers plus de contrôle qualité en
temps réel et que la maintenance prédictive se soit définitivement popularisée
d’ici trois à cinq ans.
DÉMARRER FACILEMENT EN FAISANT UN POC
Un projet de maintenance prédictive démarre par un POC sur
un cas d’usage précis. Durant 6 à 15 semaines, il s’agit, avec une
petite équipe dédiée (souvent issue d’une direction technique), de
faire le design de la solution technique, de la mettre en route et
d’apprendre à s’en servir. Ensuite, pour concrétiser sur le terrain
ce qui n’est encore qu’un travail de laboratoire, il faut réfléchir à la
gouvernance du projet, en impliquant la direction administrative et
financière (DAF), les directions métiers et les personnes de la sûreté
(dont dépendent les techniciens de la maintenance). La direction
des systèmes d’information (DSI), typiquement, ne peut pas mener
seule un projet de maintenance prédictive, car il est impératif de
connaître les contraintes de tous les métiers : c’est une démarche
collaborative. « Par exemple, dans le monde ferroviaire, la priorité
après un freinage d’urgence n’est pas d’analyser les données pour
savoir dans quelles mesures exactes la voie a été abîmée. Elle l’a
été ! La priorité est d’éviter que le train suivant ne déraille. » illustre
Reda Kadri de Capgemini. À partir du projet vont découler un plan
de gestion du changement (formations...), une méthodologie (quels
processus...), puis une nouvelle organisation (qui fait quoi...). Une
fois que la solution est en place pour un usage donné, l’entreprise
gagne petit à petit en maturité dans le domaine de la maintenance
prédictive. Puis, au bout d’un moment, elle se restructure pour faire
Pour bénéficier des avantages de la maintenance prédictive, l’entreprise
veillera à verrouiller ses contrats de maintenance, à passer par un prestataire
WHITEPAPER | 6
SE DOTER DES BONS OUTILS POUR ÉVITER LES INCIDENTS
Faire de la maintenance prédictive consiste à être en capacité de prélever au
plus tôt les données opérationnelles et environnementales, et à se doter d’outils
d’analyse modernes qui permettront aux spécialistes de la donnée de créer des
modèles statistiques. Parmi les données sources, les variables d’utilisation sur le
terrain seront typiquement obtenues de l’IoT (Internet of Things ou Internet des
objets), à savoir des équipements pourvus de sondes qui produisent des relevés
numériques, ainsi qu’un système de communication qui remonte les informations
de ces relevés. « Être capable de ramener des données au fil de l’eau vers le
système analytique est la première étape dans l’industrialisation d’une solution de
maintenance prédictive », assure Pierre-Jacques Evrard, consultant Solutions chez
l’éditeur de logiciels TIBCO Software. Il estime que les entreprises sont le plus
souvent volontaires pour surveiller leurs équipements et intégrer les nombreuses
données qui proviennent de l’IoT, si bien que cette première étape ne doit
généralement pas être un frein.
FAIRE APPEL À L’ANALYTIQUE POUR TROUVER LES ALTERNATIVES
Selon Pierre-Jacques Evrard, les entreprises sont plutôt matures quant à la
récupération des données opérationnelles et à leur stockage dans un Data Lake
(réservoir global), à l’aide de technologies Hadoop par exemple. Elles analysent
encore trop souvent leurs informations avec des outils de Business Intelligence
(BI ou informatique décisionnelle) classiques. Or, ceux-ci ne sont pas adaptés
pour construire un modèle prédictif, car ils se contentent de mesurer des données
agrégées sans les analyser réellement. « De fait, quand nous accompagnons les
entreprises dans un projet de maintenance prédictive, la première étape doit
consister à déployer les fonctionnalités analytiques qui permettent non seulement
TIBCO Spotfire détecte des
de visualiser mais surtout de découvrir ce qui se cache dans les relevés », explique
profils de comportements Sadaq Boutrif, Senior Technical Leader chez TIBCO Software.
à partir des données. Il « Nous pouvons dire que si une telle combinaison se reproduit à l’avenir, il
représente ces profils à l’aide y aura 90 % de chances qu’elle mène à la même panne. Il s’agit donc pour
de visualisations adaptées,
l’opérateur d’éviter qu’elle se reproduise en testant, depuis le logiciel, des
puis les segmente en familles
de comportements similaires.
scénarios alternatifs dans la manière d’utiliser les équipements », explique Sadaq
À partir de ces représentations Boutrif. Et d’ajouter que, dans l’industrie, la quête du Saint Graal est d’arrêter
- des modèles - un opérateur le moins souvent possible la production, quitte à adopter un mode « dégradé »
peut isoler des équipements temporaire pour y parvenir.
et distinguer les anomalies.
Du point de vue strictement informatique, Sadaq Boutrif constate que les
En pratique, on intègre à
TIBCO Spotfire une quantité
entreprises utilisent le plus souvent l’outil d’analyse en mode cloud. Prenant la
de données prélevées par le forme d’un service en ligne prêt à l’emploi, qui ne nécessite aucune installation
passé, sur une période durant particulière au sein de l’entreprise, l’analytique en mode cloud présente aussi
laquelle des incidents ou l’avantage de la facture à l’usage : on peut se contenter de ne payer, pour utiliser
des pannes ont eu lieu,
cette solution, que durant le temps nécessaire aux opérateurs pour trouver les
et le logiciel identifie la
combinaison de signaux
failles. Néanmoins, ce mode ne peut s’appliquer systématiquement à tous les
qui conduit à une panne. domaines : la volumétrie des données ainsi que leur confidentialité peuvent ne
pas être compatibles avec ce type de consommation.
WHITEPAPER | 7
APPLIQUER LE MODÈLE EN TEMPS RÉEL
Parmi les solutions de L’erreur serait de s’arrêter à l’analyse des comportements déjà constatés.
Streaming Analytics, TIBCO « Souvent, une entreprise se sert de l’outil analytique pour trouver les failles dans sa
Software propose à ses
chaîne de production, puis demande à son équipementier de régler ses machines
clients son logiciel TIBCO
StreamBase. Cette plateforme
selon le modèle d’utilisation trouvé pour les éviter. Ce n’est pas ce qu’il y a de
permet l’exécution en temps plus pertinent, car l’équipement concerné par une défaillance n’est peut-être pas
réel de modèles statistiques le seul en cause dans la survenue d’une panne », souligne Sadaq Boutrif. Pour lui,
(R, Matlab…) directement sur
les données remontées par
logiciel, dit de Streaming Analytics, qui va continuer à chercher les indices d’un
les sondes opérationnelles.
Contrairement aux outils
incident futur dans les données environnementales transmises en temps réel. «
analytiques a posteriori, le Avec l’analytique, on travaille sur des données figées, passées, pour déterminer
mode de consommation cloud les comportements. Les technologies de Streaming Analytics vont sonder les
est encore peu présent. Mais données nouvelles au fil de l’eau et lancer des actions pour limiter les risques dès
l’avènement de protocoles IoT
qu’elles verront apparaître le(s) modèle(s) qui mène(nt) à un incident », détaille-
de communication standardisés
et performants tels que
t-il. En l’occurrence, l’action déclenchée automatiquement par ces solutions sera
MQTT (Message Queuing soit d’agir directement sur l’équipement (baisser la puissance du moteur, basculer
Telemetry Transport) ou CoAP sur un matériel de secours, etc.), soit d’envoyer une notification aux personnes en
(Constrained Application charge de l’exploitation.
Protocol) va favoriser à terme
des modèles d’utilisation en RECONSTRUIRE LE MODÈLE RÉGULIÈREMENT
mode cloud. Comme nous l’avons vu, un modèle prédictif se construit sur la base d’un
historique de données plus ou moins important et propose une réponse
pertinente dans un contexte donné. Or cet environnement est amené à évoluer,
et cela d’autant plus que le modèle s’avère performant : il est donc naturel de
un composant A dans un mécanisme impliquant un autre composant B. Si vous
construisez un modèle prédictif permettant d’anticiper des pannes sur A, vous
allez optimiser les temps d’intervention et modifier l’interaction qu’il peut avoir
avec le composant B. Il est certain que le comportement du composant B va
évoluer et que son risque de panne va être altéré. », fait remarquer Sadaq Boutrif.
Il conseille donc de valider régulièrement la pertinence du modèle prédictif
avec l’outil d’analyse, pour adapter la maintenance prédictive aux nouveaux
comportements et, accessoirement, évaluer les améliorations opérationnelles
du modèle précédent. « L’analytique doit être utilisée à intervalles réguliers, dès
ce modèle ou en créer un autre », conclut-il, en précisant que l’intervalle entre
deux modèles, de plusieurs semaines à plusieurs mois, dépend de l’activité
DATA SCIENTISTS, LES TECHNICIENS DE LA MAINTENANCE
PRÉDICTIVE
Sur le plan humain, les techniciens de la maintenance prédictive
sont les data scientists, à savoir des opérateurs qui créent des
modèles statistiques en manipulant l’outil analytique. Pour
Sadaq Boutrif, ils sont absolument nécessaires dans la réussite
d’un projet de maintenance prédictive. « Quand on analyse les
données à la recherche d’un modèle prédictif, on ne parvient
pas automatiquement à isoler les paramètres importants. Il faut
avancer par itérations, faire des suppositions et, ce, grâce à des
connaissances en science de la donnée qui relèvent des formations
de statisticiens », dit-il. Il constate que les profils de data scientists
sont encore trop rares en entreprises. « Je pense que leur présence
se généralisera d’ici à trois ans non seulement dans des structures
dédiées (comme ce que l’on peut voir aujourd’hui), mais également
WHITEPAPER | 8
au côté des équipes opérationnelles, quand une nouvelle génération
de diplômés sortira de filières plus numériques que mathématiques »,
prévoit-il. D’ici là, il incite les entreprises à compenser l’absence
de tels profils en passant par des prestataires spécialisés.
« Ce prestataire sera typiquement une société de services experte
dans l’analyse statistique de données. Il y en a de plus en plus sur
le marché et ce sont elles qui recrutent tous les data scientists »,
conclut-il. Il est à noter que l’intégration du modèle prédictif
dans le moteur de Streaming Analytics relève en revanche des
compétences de la DSI.
La maintenance prédictive s’appuie sur des capteurs qui remontent les
données du terrain, sur un outil d’analyse à utiliser ponctuellement pour
modéliser les incidents possibles et sur un moteur de Streaming Analytics
qui surveille en permanence les risques d’incidents.
SOMMAIRE
Se servir des données pour améliorer la maintenance 1
Prédire plutôt que devoir s’arrêter pour vérifier 1
Mieux anticiper pour vendre plus de confort aux usagers 2
Réduire les interventions 2
Les quatre facteur clés d’une maintenance prédictive réussie 4
Réinventer les contrats de maintenance 4
Ne pas confier la maintenance prédictive à l’équipementier 4
Faire sa révolution culturelle 4
Former les équipes internes 5
Se doter des bons outils pour éviter les incidents 6
Faire appel à l’analytique pour trouver les alternatives aux pannes 6
Appliquer le modèle en temps réel 7
Reconstruire le modèle régulièrement 7
Avec la participation de Capgemini
TIBCO Software TIBCO Software dote les dirigeants, développeurs et utilisateurs professionnels de solutions Fast Data
25 rue Balzac permettant de bénéficier en temps réel des données adéquates, afin d’obtenir des réponses plus rapides,
75008 Paris prendre de meilleures décisions et agir plus manière plus intelligente. Depuis 15 ans, des milliers d’entreprises
Contact : Jérôme Dardant
de par le monde choisissent la technologie TIBCO pour l’intégrer à leurs applications et à leur environnement
Tél. : 0144514588
informatique, analyser leurs données et créer des solutions en temps réel. TIBCO aide les entreprises à
Mail : jdardant@[Link]
transformer leurs données, quel qu’en soit le volume, en avantage concurrentiel. Pour en savoir plus, rendez-
vous sur [Link].
©2015–2016, TIBCO Software Inc. Tous droits réservés. TIBCO, le logo TIBCO, TIBCO Software et TIBCO Spotfire sont des marques commerciales ou des marques
déposées de TIBCO Software Inc. ou de ses filiales aux Etats-Unis et/ou dans d’autres pays. Tous les autres noms de produits, d’entreprises et de marques figurant
dans ce document appartiennent à leur propriétaire respectif et ne sont mentionnés qu’à des fins d’identification.
02/29/16
