Du jumeau numérique à la production en série : l'expertise Kelude

Dans le secteur de la fabrication de grues, la « capacité de R&D » est souvent réduite à la « capacité de conception » — dessiner un beau plan, réaliser un calcul de structure élégant. Mais ceux qui ont vécu le processus complet, du laboratoire au site client, savent qu'entre la simulation validée et la production en série, entre la machine intelligente isolée et la coordination d'un parc, se dresse un immense fossé d'ingénierie. Transformer une technologie en un « prototype fonctionnel », puis ce prototype en cent exemplaires « fiables en conditions réelles », relève de deux compétences radicalement différentes.

Les investissements de Kelude Industries Lourdes en R&D ces dernières années sont notables — plus de 8 % du chiffre d'affaires annuel consacrés à la recherche, 52 brevets accordés, une équipe de 87 ingénieurs. Mais plus que ces chiffres, ce qui mérite l'attention, c'est la manière dont l'entreprise transfère la technologie de l'environnement de simulation vers le plancher de production, et comment elle tisse un réseau de travail collaboratif à partir de ponts roulants intelligents individuels. Cet article examine les pratiques techniques de Kelude sur ces deux axes, sous l'angle de la « mise en œuvre industrielle ».

De la simulation à la production en série : une chaîne d'ingénierie complète

Simulation conjointe : mille scénarios testés dans le monde numérique

La simulation conjointe entre le logiciel de dynamique multicorps Adams et MATLAB/Simulink constitue l'étape de validation préalable la plus critique du processus de développement de Kelude. Dans l'approche traditionnelle, la mise au point du système de commande d'une grue ne pouvait débuter qu'après la construction du prototype — une fois la structure mécanique achevée, l'armoire électrique installée et le variateur de fréquence configuré, les ingénieurs logiciels entraient en scène pour programmer l'API et régler les paramètres PID. Si un problème nécessitait une modification de la structure mécanique, le coût était considérable.

L'approche de l'équipe R&D de Kelude : dès la phase de conception, un modèle multicorps complet de la grue est construit sous Adams — poutre principale, sommiers, chariot, charge suspendue et câble métallique sont tous intégrés, avec 16 degrés de liberté et une modélisation hybride combinant corps flexibles (câble métallique) et corps rigides (structure métallique). Une fois le modèle établi, il est importé dans l'environnement Simulink pour une simulation en boucle fermée avec l'algorithme de contrôle en cours de conception (stratégie anti-balancement RL, courbes de planification de vitesse, logique de protection de sécurité). Un scénario de simulation conjoint typique comprend : l'accélération du chariot du point A au point B, le levage/hissage synchronisé du mécanisme de levage, la validation de la précision de positionnement de la charge en oscillation. Ces simulations sont exécutées plus de mille fois avant même la construction du prototype physique.

Les résultats concrets : entre 2024 et 2025, l'équipe R&D de Kelude a identifié 12 problèmes de couplage mécanique-commande grâce à la simulation conjointe, notamment la saturation du couple du moteur de translation du chariot sur un modèle de pont roulant en pleine charge à grande vitesse, et l'amplification de l'oscillation de second ordre sur un portique pour une combinaison de charges et une longueur de câble spécifiques. Si ces problèmes n'avaient été détectés qu'au stade de l'essai du prototype, le coût moyen d'une modification structurelle unique aurait été de 10 000 à 19 000 EUR, avec un retard de 2 à 4 semaines. La simulation conjointe a permis d'éliminer tous ces problèmes dès la phase de conception, réduisant le temps de mise au point de la commande au stade du prototype de 4 semaines en moyenne à 1,5 semaine.

Simulation Hardware-in-the-Loop (HIL) : un bilan de santé complet pour le contrôleur

La simulation conjointe résout le problème de l'adéquation entre l'algorithme de contrôle et le modèle mécanique, mais le matériel du contrôleur réel — API, contrôleur de mouvement, variateur de fréquence — n'a pas encore été validé. Les bugs du firmware du contrôleur, les défauts de compatibilité des protocoles de communication, les problèmes de séquencement des modules E/S : tout cela reste totalement invisible dans une simulation purement logicielle. La plateforme HIL dSPACE SCALEXIO de Kelude a été précisément conçue pour répondre à ce besoin.

Le processus de test HIL consiste à connecter le contrôleur réel de la grue (par exemple, API Siemens S7-1500 + servovariateur) au système HIL, qui simule en temps réel toutes les grandeurs physiques périphériques : force contre-électromotrice du moteur, impulsions du codeur, variations de charge, signaux des capteurs. Le contrôleur « croit » fonctionner sur une véritable grue. La plateforme HIL peut injecter 36 types de défauts différents en une seconde — rupture de câble du capteur, interruption de communication, fluctuation de l'alimentation électrique, perte d'impulsions du codeur, etc. — et tester le comportement du contrôleur dans chacune de ces conditions anormales par rapport aux exigences de conception.

À la date de juin 2026, Kelude a exécuté plus de 25 000 cas de test automatisés sur la plateforme HIL, couvrant toutes les phases de fonctionnement du système électrique de la grue. Les procédures de test sont conformes aux spécifications de la norme ISO 4306-1 relative aux exigences de performance des systèmes de commande et de la norme ISO 4306-2 relative aux méthodes d'essai des freins. L'un des résultats clés : le test HIL a révélé un problème de latence dans la protection contre les surintensités du variateur de fréquence lors de variations brutales de charge. Ce problème n'avait jamais été déclenché en simulation purement logicielle, mais s'il s'était produit sur le terrain, il aurait pu entraîner l'endommagement du variateur et l'arrêt de la machine. La plateforme HIL a permis de capturer ce type de problème « qui ne se révèle qu'avec le matériel réel », réduisant de plus de 60 % le temps de mise en service du système électrique sur site.

Du prototype à la production en série : une ingénierie de qualification et de verrouillage qualité

La simulation et les tests en laboratoire répondent à la question « est-ce que ça fonctionne ? », tandis que le passage du prototype à la production en série répond à « est-ce qu'on peut le fabriquer de manière constante, efficace et à moindre coût ? ». Kelude a mis en place deux « portes qualité » essentielles sur ce chemin.

Première porte : l'essai de fiabilité de la machine complète. Avant la qualification de chaque nouveau modèle, conformément aux exigences de la norme ISO 4306-3 relative aux spécifications et procédures d'essai, un essai de fiabilité continu d'au moins 500 heures est réalisé sur le banc d'essai de la machine complète. Si le moindre défaut de conception apparaît pendant cette période (même un simple desserrage de boulon), la machine est renvoyée pour rectification et le compteur de 500 heures est remis à zéro. À titre d'exemple, pour un pont roulant de 50 tonnes en 2025, le premier essai de fiabilité a révélé un bruit anormal du réducteur de levage à la 327e heure. Le démontage a montré un échauffement anormal dû à un jeu d'engrènement trop faible. L'équipe R&D a optimisé la tolérance d'usinage des engrenages et le processus d'assemblage, et le deuxième essai, d'une durée de 512 heures, a été concluant. Ce système d'évaluation « zéro tolérance » garantit un MTBF supérieur à 5 000 heures pour les produits commercialisés.

Deuxième porte : la pré-série et la stabilisation des procédés. Les nouveaux modèles ayant réussi l'essai de fiabilité entrent en phase de pré-série, généralement de 5 à 8 unités, couvrant toutes les étapes, de la découpe, du soudage et de l'usinage à l'assemblage et à la mise en service. L'objectif principal de la pré-série n'est pas de fabriquer des produits, mais de définir les procédés : chaque paramètre de soudage, chaque couple de serrage des boulons, chaque cheminement de câble doit être validé et documenté dans des instructions de travail standardisées (SOP). Le passage à la production en série n'est autorisé que lorsque le taux de conformité au premier contrôle atteint 98 % et que trois unités consécutives sont entièrement conformes. En 2025, deux nouveaux modèles de Kelude (le pont roulant QY50t et le portique MG32t) ont atteint l'objectif de « qualification, production et livraison la même année » grâce à ce processus.

De l'intelligence individuelle à la coordination de parc : le cerveau et le réseau neuronal de chaque grue

Si la parfaite maîtrise de l'ingénierie de transfert constitue la « force dure » de Kelude, le passage de l'intelligence individuelle à la coordination de parc représente sa « force douce » — la première détermine si une grue fonctionne de manière fiable, la seconde si plusieurs grues peuvent travailler ensemble efficacement.

Contrôleur IA embarqué : un cerveau local pour chaque grue

Le système de commande traditionnel d'une grue se compose d'un API, de plusieurs variateurs de fréquence et de capteurs. L'API exécute la logique en schéma à contacts, les variateurs pilotent les moteurs. Cette architecture fonctionne pour une machine isolée, mais présente deux limitations majeures : premièrement, la puissance de calcul de l'API est insuffisante pour exécuter des algorithmes de contrôle complexes — l'inférence du modèle RL anti-balancement, l'analyse spectrale des vibrations, la détection d'anomalies en temps réel, toutes ces tâches nécessitant des opérations en virgule flottante et du calcul matriciel sont hors de portée de l'API ; deuxièmement, la dépendance excessive aux données et aux décisions de l'unité supérieure — en cas d'interruption de communication avec celle-ci, la grue se dégrade en « machine nue », ne pouvant exécuter que les opérations de base de levage et de déplacement.

Le contrôleur IA embarqué développé en interne par Kelude apporte une réponse systématique à ce problème. L'architecture matérielle du contrôleur repose sur un processeur ARM Cortex-A72 quadricœur (fréquence 2,0 GHz) associé à une unité de traitement neuronal NPU (puissance de calcul 4 TOPS), tout en conservant l'ensemble des fonctionnalités E/S de l'API et les protocoles industriels (Profinet, EtherCAT, Modbus TCP/IP). Au niveau logiciel, trois modules clés s'exécutent sur le système d'exploitation temps réel du contrôleur :

Premier module : le moteur d'inférence anti-balancement RL. Le modèle Deep Q-Network, quantifié et élagué, n'occupe que 2,3 Mo de mémoire et son inférence unique prend moins de 10 ms. Le contrôleur exécute un cycle « perception-inférence-décision » toutes les 20 ms : lecture des codeurs (position, vitesse) et du capteur d'inclinaison (angle de balancement de la charge + vitesse angulaire), calcul de la commande de vitesse optimale par le modèle RL, et ajustement en temps réel de la sortie du variateur de fréquence. Ce processus est entièrement local, sans dépendance à une unité supérieure ou à une puissance de calcul cloud.

Deuxième module : fusion et prétraitement des données multi-sources. Le contrôleur collecte simultanément les données de jusqu'à 16 capteurs — capteur de vibrations, capteur de température, capteur de déformation, codeurs, transformateur de courant, etc. — effectue l'extraction de caractéristiques localement (analyse spectrale FFT, calcul de statistiques temporelles, détection de tendances), puis compresse les données brutes haute dimension en caractéristiques basse dimension avant de les transmettre. Cette architecture de « prétraitement en périphérie + analyse approfondie dans le cloud ou l'unité supérieure » réduit la bande passante requise pour la transmission de données d'un facteur 20, tout en allégeant considérablement la charge de calcul de l'unité supérieure.

Troisième module : autonomie de périphérie et protection hors ligne. Il s'agit de la fonction de sécurité la plus critique. Le contrôleur embarque l'intégralité du graphe d'états et des paramètres de fonctionnement de chaque cycle de travail. En cas de perte de communication avec le système de dispatching MCSS ou le superviseur, il bascule automatiquement en « mode autonome local » : il poursuit la tâche en cours jusqu'à l'achèvement d'un cycle complet, puis se gare en position de sécurité en attendant la restauration de la liaison. Ce mécanisme élimine tout risque de « gel » de l'équipement ou de perte de contrôle consécutif à une panne réseau. Sur un site en 2025, une panne de commutateur réseau de 40 minutes a déclenché la commutation automatique en mode autonome local des 30 grues concernées, sans qu'aucune d'entre elles ne subisse d'arrêt anormal ni d'incident de sécurité.

Depuis son lancement en production en 2023, ce contrôleur d'IA de périphérie a été déployé sur plus de 300 grues en service, couvrant les trois gammes de produits : type à pont, type à portique et pont métallurgique. Le MTBF du contrôleur lui-même (hors capteurs et actionneurs externes) dépasse les 20 000 heures, avec zéro incident d'arrêt sur le terrain.

2.2 MCSS : le système de répartition multi-ponts qui tisse 30 grues en un seul réseau

L'intelligence d'une grue individuelle résout la question « comment bien faire son propre travail ». Mais lorsqu'un atelier compte 10, 20 ou davantage de grues en fonctionnement simultané, la vraie question devient : « qui peut faire quoi, qui fait quoi, et comment éviter les collisions ? » C'est précisément pour répondre à ce défi que Kelude a conçu le MCSS (Multi-Crane Scheduling System), son système de répartition multi-ponts.

L'architecture du système MCSS s'articule en trois couches :

Couche inférieure — couche de détection. Le contrôleur d'IA de périphérie de chaque grue transmet au serveur MCSS, via WiFi industriel ou réseau privé 5G, un flux de données d'état en temps réel à une cadence de 100 ms : coordonnées actuelles (axes X/Y/Z), capacité de levage en cours, angle de balancement de la charge, vitesse de translation, progression de la tâche, état d'autodiagnostic, etc. Le serveur MCSS maintient ainsi une « table d'état en temps réel » de l'ensemble du parc, avec une latence de rafraîchissement inférieure à 200 ms.

Couche intermédiaire — moteur d'ordonnancement. C'est le cœur du MCSS. Le moteur reçoit la liste des tâches de manutention issues du MES (système d'exécution de la fabrication) ou saisies manuellement, et effectue un calcul d'optimisation globale sur la base d'un modèle de programmation linéaire en nombres mixtes (MILP). La fonction objectif intègre trois critères : minimisation du temps total d'achèvement des tâches, équilibrage de l'utilisation des équipements et minimisation de la consommation énergétique globale. Les contraintes comprennent : la capacité de charge de l'équipement (ne pas dépasser la capacité nominale), les conflits spatiaux (distance de sécurité ≥ 5 m entre grues sur un même rail) et les priorités de tâches (les tâches urgentes sont ordonnancées en premier). Pour une configuration typique de 30 équipements et 200 tâches, le solveur MILP fournit une solution optimale en 3 à 5 secondes.

Couche supérieure — interface homme-machine. Le MCSS propose deux modes de visualisation : le Web et l'écran mural d'atelier. Le Web constitue l'interface opérateur pour les administrateurs de dispatching : il affiche un diagramme de Gantt avec la planification temporelle de chaque équipement, ainsi qu'une carte 3D en temps réel montrant la position, l'état et la trajectoire de toutes les grues. L'écran mural, destiné aux responsables de terrain, présente sous forme de cartes les indicateurs clés : taux de complétion du jour, taux d'utilisation des équipements, temps de réponse moyen.

Depuis son premier déploiement en 2024, le système MCSS a été mis en œuvre sur 6 projets répartis dans trois secteurs — aciérie, automobile et usinage mécanique — et gère au total plus de 120 ponts roulants et AGV. En termes d'efficacité de dispatching : dans une configuration de 30 équipements, le MCSS a réduit le temps d'attente moyen des tâches de 12 à 15 minutes (avec un dispatching manuel) à 3,2 minutes, et a fait passer le taux de rendement global (TRG) de 58 % à 79 %.

Cas typiques

Cas n° 1 : modernisation intelligente d'un parc de 30 ponts roulants dans une aciérie

Dans l'atelier des bobines laminées à chaud d'une grande aciérie intégrée de l'Est de la Chine, long de 480 mètres et large de 120 mètres, 30 ponts roulants de type à pont conformes à la norme ISO 4306 — Ponts roulants de type à pont d'usage général (capacité nominale : 20 t, 32 t et 50 t) assurent toutes les opérations de levage et de transport, de la sortie du laminoir de finition au stockage des produits finis. Avant la modernisation, trois problèmes majeurs se posaient : premièrement, l'efficacité du dispatching manuel était faible — 4 répartiteurs se coordonnaient par talkie-walkie, les temps d'attente s'allongeaient aux heures de pointe et le cycle moyen d'une opération de levage atteignait 17,6 minutes ; deuxièmement, les données d'exploitation des équipements étaient opaques — aucun système de surveillance centralisé n'existait, les pannes n'étaient détectées que par les opérateurs, et le TRG des équipements plafonnait à 52 % ; troisièmement, la sécurité reposait uniquement sur la vigilance humaine — le risque de collision entre ponts roulants travaillant dans la même travée était réel, et deux collisions légères de chariots dues à des erreurs d'opérateur s'étaient produites en 2023.

Kelude Industries Lourdes a fourni pour ce projet une solution intégrée associant la mise à niveau des contrôleurs IA en périphérie et le déploiement du système de dispatching MCSS. La mise en œuvre s'est déroulée en trois étapes :

Étape 1 (T1-T2 2024) : mise à niveau des contrôleurs IA en périphérie. L'ensemble des 30 ponts roulants a bénéficié d'une modernisation du système de commande électrique : les anciens API (dont certains dataient du début des années 2000 et n'étaient plus fabriqués) ont été remplacés par des contrôleurs IA en périphérie de Kelude, et un ensemble de capteurs a été ajouté (codeurs, capteurs d'inclinaison, capteurs de vibrations, capteurs de courant, télémètres laser). Chaque modernisation a pris 2 à 3 jours et a été réalisée pendant les pauses de production, sans perturber la ligne.

Étape 2 (T2-T3 2024) : déploiement du système MCSS et infrastructure réseau. Le serveur MCSS a été installé dans la salle de contrôle de l'atelier, et un réseau industriel WiFi 6 couvrant l'ensemble de l'atelier a été déployé (6 points d'accès, latence de roaming inférieure à 50 ms). Le MCSS a été interfacé avec le système MES existant de l'usine pour recevoir en temps réel les plans de production et les données de stock. Le déploiement a duré 4 semaines, dont 2 semaines consacrées au paramétrage réseau et à l'intégration des systèmes.

Étape 3 (T3 2024 à aujourd'hui) : mise en service et optimisation continue. Le système a d'abord fonctionné en « mode suggestif » pendant 2 semaines — le MCSS proposait des recommandations de dispatching et les répartiteurs humains décidaient de les suivre ou non, afin de valider l'efficacité des algorithmes et de gagner la confiance des équipes. Après ces 2 semaines, le système est passé en « mode de dispatching automatique » : le MCSS transmet directement les ordres de mission aux ponts roulants, et les opérateurs ne sont responsables que de la confirmation et du traitement des anomalies.

Résultats après modernisation :

• Cycle moyen d'une opération de levage réduit de 17,6 à 9,8 minutes, soit une diminution de 44 % ;
• Taux de rendement global (TRG) passé de 52 % à 76 % ;
• Nombre quotidien d'opérations de levage passé de 380 à 580, soit une augmentation de 53 % ;
• Collisions réduites de 2 par an à zéro (18 mois consécutifs sans collision au 30 juin 2026) ;
• Effectif par poste réduit de 12 à 8 opérateurs (les 4 postes de répartiteurs étant désormais assurés par le système).

Le délai de récupération de ce projet est d'environ 14 mois — les seuls bénéfices annuels liés à l'optimisation des effectifs et à l'amélioration de l'efficacité dépassent déjà l'investissement total. L'aciérie a d'ailleurs signé le contrat pour la deuxième phase de modernisation (40 ponts roulants dans deux autres ateliers) et prévoit d'achever la mise à niveau intelligente de l'ensemble des 70 ponts roulants d'ici fin 2026.

Cas n° 2 : coordination hétérogène de 20 AGV et 10 ponts roulants dans une usine automobile

Dans l'atelier logistique emboutissage-soudage-assemblage final d'un constructeur de véhicules électriques du Centre de la Chine, le transfert entièrement automatique des pièces embouties — du stock de matières premières à la ligne d'emboutissage, puis de la ligne d'emboutissage à l'atelier de soudage — devait être assuré. Les équipements de manutention de l'atelier comprennent : 10 ponts roulants de type à pont (capacité nominale de 16 t, chargés du levage et du transport inter-ateliers des matrices lourdes et des caisses), 20 AGV à insertion au sol (charge nominale de 1,5 t, assurant le transport horizontal des pièces de taille moyenne), et 2 postes de transfert élévateurs fixes (servant de points d'échange de marchandises entre les ponts roulants et les AGV).

La particularité de ce scénario réside dans la coordination d'équipements hétérogènes : les modèles cinématiques des ponts roulants et des AGV sont fondamentalement différents, et leurs échelles de temps et leurs encombrements spatiaux doivent être précisément synchronisés. Par exemple, un AGV transporte une caisse pleine de pièces embouties depuis la ligne d'emboutissage et doit « rencontrer » le pont roulant au poste de transfert élévateur — à l'arrivée de l'AGV, le pont roulant descend son crochet, saisit la caisse, puis la soulève et la transporte le long du rail jusqu'à la zone de stockage tampon de l'atelier de soudage. Tout retard dans l'une de ces étapes entraîne une attente inutile de l'autre équipement et peut paralyser l'ensemble de la chaîne logistique.

Le système MCSS de Kelude Industries Lourdes a développé un module d'ordonnancement collaboratif spécialement conçu pour ce scénario d'équipements hétérogènes. L'approche conceptuelle centrale repose sur le principe « diviser pour mieux régner + protocole de poignée de main » :

• Couche de planification globale des tâches (échelle minute) : le moteur MILP du MCSS convertit les besoins en matières de l'atelier d'assemblage final en séquences de tâches, en assignant à chaque tâche un triplet « pont roulant + AGV + fenêtre temporelle ». Par exemple, la tâche T-1034 : l'AGV-07 arrive au poste de transfert élévateur n° 3 à 14 h 32, le pont roulant-04 effectue le levage entre 14 h 32 et 14 h 37, et l'AGV-12 ramène la caisse vide à la ligne d'emboutissage entre 14 h 37 et 14 h 45. Ce triplet garantit une synchronisation temporelle précise entre les trois équipements.
• Couche de négociation locale (échelle seconde) : lorsque l'exécution réelle s'écarte du plan (par exemple, un AGV est retardé de 40 secondes pour éviter un obstacle), le mécanisme de négociation locale du MCSS s'active — les tâches affectées sont marquées comme « à négocier », et les ponts roulants, AGV et postes élévateurs concernés redistribuent les fenêtres temporelles via un protocole de réseau à contrat amélioré (Contract Net Protocol). La négociation aboutit en 1 à 2 secondes, et le plan de dispatching mis à jour est transmis aux contrôleurs en périphérie de chaque équipement.

Les données d'exploitation après la mise en service sont éloquentes :

• Temps de transfert moyen des matières, de la sortie d'emboutissage à l'entrée en soudage, réduit de 48 à 22 minutes, soit une diminution de 54 % ;
• Taux de déplacement à vide des AGV réduit de 38 % à 14 % (grâce à l'optimisation de la répartition des tâches et de la planification de trajectoire par le MCSS) ;
• Temps d'attente moyen de correspondance entre ponts roulants et AGV au poste de transfert élévateur réduit de 4,2 à 0,8 minute ;
• Depuis sa mise en service officielle en octobre 2024, le système de coordination a fonctionné en continu pendant plus de 5 000 heures, sans aucun arrêt de production dû à une anomalie de dispatching.

Ce projet a été désigné par le constructeur automobile comme cas de référence annuel de sa transformation numérique et a fait l'objet d'une promotion technologique au sein de son groupe. Kelude Industries Lourdes en a également tiré une « solution de dispatching mixte ponts roulants + AGV » reproductible, qui a depuis été déployée dans 2 nouvelles usines de pièces automobiles.

Conclusion

Décomposer la « capacité d'ingénierie de mise en œuvre » de Kelude Industries Lourdes dans le développement de ponts roulants revient à une seule phrase : utiliser la simulation comme outil, prendre des décisions basées sur les données, et faire émerger l'intelligence au plus près des équipements.

De la validation préalable par simulation conjointe Adams + Simulink, à l'examen matériel par simulation Hardware-in-the-Loop (HIL), en passant par les essais de fiabilité sur machines complètes avec une exigence de tolérance zéro — cette chaîne, de la simulation à la production en série, garantit que chaque technologie issue du laboratoire a été validée dans des conditions de service réelles. De l'intelligence localisée des contrôleurs IA en périphérie à la coordination en cluster du système de dispatching multi-ponts MCSS — ce passage de la machine isolée au cluster intelligent transforme chaque pont roulant d'une unité d'exécution autonome en un nœud d'un réseau de collaboration intelligent.

Les deux cas typiques valident la valeur de ce système d'ingénierie sous deux angles différents : la modernisation du parc de 30 ponts roulants de l'aciérie démontre sa reproductibilité dans un scénario d'équipements homogènes à grande échelle ; la coordination de 20 AGV et 10 ponts roulants de l'usine automobile démontre sa flexibilité dans un scénario d'équipements hétérogènes exigeant une haute précision de synchronisation. Ensemble, ces deux scénarios couvrent plus de 80 % des besoins typiques de la manutention industrielle — c'est la démonstration la plus convaincante de la « capacité d'ingénierie de mise en œuvre » de Kelude Industries Lourdes.

Questions fréquentes

Q : Combien d'équipements le système de dispatching multi-ponts MCSS de Kelude Industries Lourdes peut-il gérer ?