Pilier 03 — MCP
Serveur MCP
Model Context Protocol
Exposez vos données industrielles aux agents IA via le protocole ouvert d'Anthropic. Permettez à vos LLMs d'interroger directement vos processus, KPI et historiques — en temps réel.
Anthropic MCP
Claude · GPT · Gemini
JSON-RPC 2.0
WebSocket · HTTP/SSE
Open Standard
Qu'est-ce que le MCP ?
Un standard ouvert pour connecter les agents IA à vos données industrielles en temps réel
Le Model Context Protocol (MCP) est un standard ouvert développé par Anthropic qui permet aux modèles de langage d'accéder à des sources de données externes de manière sécurisée et standardisée.
HolisticView expose un serveur MCP natif donnant aux agents IA un accès direct à vos données de production : KPI temps réel, historiques, ordres de fabrication, alertes actives.
Vos équipes interrogent l'IA en langage naturel — "Quelle est la cause du ralentissement ligne A ?" — et obtiennent une réponse fondée sur vos données réelles.
Exemple de requête
"Donne-moi le TRS ligne B sur 7 jours et les 3 principales causes d'arrêt."
→ Le LLM appelle les outils MCP :
get_oee(line="B", period="7d")
get_downtime_causes(line="B", top=3)
get_production_history(line="B", days=7)
Architecture MCP
Les paquets de données voyagent de chaque source industrielle → HolisticView MCP Server → vers chaque agent IA
Outils MCP exposés
Chaque outil est appelable par n'importe quel agent IA compatible MCP
get_oeeTRS / OEE par ligne, période, équipe
get_alertsAlertes actives et historique des incidents
get_downtime_causesCauses et durées d'arrêts classées
get_production_ordersOrdres de fabrication en cours et planifiés
get_quality_dataTaux de conformité, rebuts, non-conformités
get_sensor_dataValeurs capteurs par équipement et période
analyze_root_causeAnalyse causale automatisée d'un incident
Réponse JSON exemple
// get_oee(line="A", period="7d")
{
"tool": "get_oee",
"line": "Ligne A",
"period": "7 derniers jours",
"oee_avg": 87.4,
"availability": 92.1,
"performance": 94.8,
"quality": 99.2,
"target_met": true,
"trend": "↑ +4.2%"
}
MCP Agent
🧠
Agent d'analyse automatisée des causes racines
Propulsé par HolisticView MCP · Process Intelligence
Lorsqu'un incident survient sur votre ligne de production, l'agent IA interroge automatiquement vos données via le MCP Server, identifie la combinaison causale cachée — invisible à l'analyse humaine — et génère une recommandation corrective précise, en langage naturel, en quelques secondes.
Déroulement de l'analyse — étape par étape
Détection de l'incident
Un opérateur ou une alerte automatique signale une anomalie — taux de rebuts en hausse, ralentissement cadence, dérive qualité. L'agent IA est immédiatement activé.
🗣 "Ligne A — taux de rebuts passe à 7.4%. Analyse les causes."
Interrogation MCP — collecte de contexte
L'agent appelle séquentiellement les outils MCP pour collecter toutes les données contextuelles : paramètres process, historique équipements, matières utilisées, conditions environnementales.
→ get_process_parameters(line="A", window="2h")
→ get_equipment_status(line="A", include_history=true)
→ get_material_batch(line="A", batch_id="B-2024-447")
→ analyze_root_cause(problem="underweight", correlate=true)
Corrélation causale — la combinaison cachée
L'IA corrèle des centaines de variables simultanément. Elle identifie que le problème n'est pas dû à un seul paramètre hors plage, mais à une combinaison de conditions qui, ensemble, créent la défaillance.
💡 Combinaison causale identifiée
Température cuisson
> 204 °C
— dans la plage autorisée
Vitesse convoyeur
< 5 m/s
— dans la plage autorisée
→ Combinées, ces deux conditions augmentent les rebuts de 7.4% — invisible à l'analyse individuelle.
Recommandation corrective + procédure opérationnelle
L'agent génère une recommandation précise en langage naturel, avec les valeurs optimales à appliquer et la procédure opérationnelle step-by-step pour vos équipes terrain.
🤖
Réponse de l'agent IA — HolisticView MCP
"J'ai identifié la cause racine du taux de rebuts anormal sur la Ligne A. La combinaison température de cuisson > 204 °C et vitesse convoyeur < 5 m/s provoque une augmentation de 7.4% des rebuts par poids insuffisant. Voici les actions correctives :"
1.
Régler la température de cuisson entre 199 °C – 203 °C
2.
Augmenter la vitesse du convoyeur à > 5 m/s
3.
Effectuer un contrôle visuel sur 5 pièces consécutives
4.
Notifier le responsable de quart et consigner dans le registre d'incidents
📊
Réduction attendue : 7.4% → 2.2% de rebuts · Économies estimées : ~€1M/an sur cette ligne.
Pourquoi c'est impossible sans Process Intelligence
❌
IA générique seule
Ne connaît pas vos lignes, vos paramètres ni vos seuils. Répond avec des généralités inutilisables sur le terrain.
⚠️
Expert humain seul
Ne peut pas corréler des centaines de variables simultanément. La combinaison causale reste invisible même pour les meilleurs techniciens.
✅
Agent IA + MCP HolisticView
Accès direct à vos données réelles via MCP + corrélation IA sur des milliers de variables = cause identifiée et action corrective en secondes.
Cas d'usage
Ce que vos agents IA peuvent faire avec HolisticView MCP
💬
Chatbot opérationnel
Vos opérateurs posent des questions en langage naturel sur l'état de la production et obtiennent des réponses instantanées basées sur les vraies données.
🔍
Diagnostic autonome
Un agent IA interroge automatiquement les données lors d'une anomalie, identifie la cause probable et propose un plan d'action en quelques secondes.
📊
Reporting intelligent
Générez des rapports de performance complets en langage naturel — synthèse hebdomadaire, analyse mensuelle — en une seule requête.
🔮
Maintenance prédictive
L'IA analyse les tendances des capteurs et prédit les risques de défaillance avant qu'ils n'arrivent, en croisant données historiques et temps réel.
🎯
Optimisation continue
Des agents autonomes surveillent vos KPI et proposent des ajustements pour maximiser le TRS en continu.
📚
Base de connaissances vivante
L'IA capitalise chaque résolution d'incident et enrichit automatiquement la documentation, accessible à tous en langage naturel.
