Toujours plus intelligente : 3 façons dont l'IA transforme le secteur de la fabrication


2018-bl-manufacturing-and-ai-page-image




Selon un rapport récent d'Accenture and Frontier Economics (1), d'ici 2035, les technologies basées sur l'intelligence artificielle (IA) devraient améliorer la productivité de 40 % dans 16 secteurs clés, dont la fabrication. En termes monétaires, cela pourrait se traduire par une augmentation des résultats de 3,8 milliards de dollars dans ce seul secteur, soit presque 45 % de mieux que les estimations de base. Avec un tel potentiel, l'IA est devenue et restera un facteur incontournable de l'industrie.

Le secteur de la fabrication, qui repose sur des machines et équipements imposants, est considéré comme très capitalistique, ce qui en fait un candidat idéal à l'application de l'IA.

Selon Andrew Ng, créateur de Google Brain et professeur en sciences informatiques à l'Université de Stanford (2), « l'IA permet de gérer la fabrication et le contrôle de la qualité, de réduire les délais de conception, de diminuer les déchets matériels, d'optimiser la réutilisation, d'effectuer des tâches de maintenance prédictive, et bien plus encore ».

Le concept de l'IA (soit l'exécution par des machines de tâches et de processus en fonction de données pré-existantes) existe depuis les années 1950. Cette technologie imite le fonctionnement du cerveau humain en termes de mémoire, de perception, d'apprentissage, d'identification des motifs et de réalisation de calculs. De ce fait, mieux nous comprenons le cerveau humain, plus l'IA se développe. C'est ainsi que de nouvelles applications dans le secteur de la fabrication émergent. Cet article revient sur quelques-unes des manières qu'a l'IA de transformer notre industrie.

La vision par ordinateur limite les problèmes de qualité 

L'examen visuel des produits afin de s'assurer de leur qualité constitue une tâche chronophage mais incontournable du secteur. Elle oblige généralement les personnes responsables à inspecter manuellement des objets provenant d'un lot de production. En fonction de la taille et de la nature des produits, il arrive que des microscopes et autres outils soient nécessaires. Les objets non conformes sont ensuite examinés par les managers, qui évaluent la gravité du problème, le catégorisent, en étudient la cause et identifient la méthode de traitement appropriée.

Analyst Report icon

Cet article vous a plu ? Vous aimerez aussi ce rapport d'analyse :

Feuille de route pour relever les défis liés à la qualité et la fabrication dans le secteur des sciences de la vie

Télécharger le rapport gratuit

Les erreurs humaines étant inévitables, ce processus n'y échappe pas, et peut donc s'avérer inefficace. Cela étant, une start-up de la Silicon Valley fondée par Andrew Ng a développé des outils de vision par ordinateur qui, grâce à un algorithme d'apprentissage automatique entraîné avec un échantillon d'images restreint, sont en mesure de détecter les imperfections les plus minimes. Ces dernières sont ensuite signalées en vue d'un traitement en profondeur. Ce processus est appelé identification automatisée des problèmes.

La vision par ordinateur est synonyme d'amélioration de la qualité dans le secteur de la fabrication. En effet, l'IA permet d'identifier et de résoudre les problèmes à la source, et ainsi de s'assurer que les produits proposés sont immédiatement conformes et prêts à être commercialisés. De plus, les problèmes étant signalés en temps réel au sein d'un système électronique,leurs informations peuvent être intégrées à une piste d'audit et faire l'objet d'analyses avancées afin d'empêcher leur récurrence.

Vision par ordinateur basée sur #IA, un outil bénéfique pour la #qualité dans la #fabrication, selon @MCMasterControl http://bit.ly/2QelRGT

 

La maintenance prédictive, synonyme de temps d'arrêt réduits

Selon des études récentes, les coûts liés aux temps d'arrêt imprévus peuvent dépasser les 50 milliards de dollars par an (3). Il n'est donc pas surprenant que la capacité de l'IA à éliminer les temps d'arrêt (dus à des pannes ou à une mauvaise gestion des équipements) de manière quasi complète figure parmi les applications les plus prometteuses de cette technologie.

Depuis des années, les entreprises de fabrication s'appuient sur des capteurs et une maintenance préventive pour surveiller et évaluer les performances des équipements. Cependant, une telle méthode implique d'analyser manuellement d'importants volumes de données afin de produire des informations utilisables, ce qui en fait un processus réactif. A contrario, la maintenance prédictive, couplée à l'IA, tire parti d'analyses et de modèles avancés permettant de prédire les problèmes. Au fil du temps, l'apprentissage automatique permet d'optimiser la précision de ces algorithmes prédictifs. Les entreprises sont donc en mesure d'utiliser au mieux leurs équipements pour éviter les temps d'arrêt, et peuvent ainsi profiter de performances optimisées tout en contournant la méthode problématique (bien que courante) consistant à employer les équipements jusqu'à ce qu'ils présentent un problème.

Selon @MCMasterControl, la maintenance prédictive (basée sur #IA) permet de tirer profit d'analyses et de modèles avancés pour prédire les pannes avant qu'elles ne surviennent http://bit.ly/2QelRGT

Lorsque ces données sont rendues disponibles pour tout un réseau de solutions de fabrication, les services de maintenance et d'assurance qualité peuvent y accéder librement pour agir de façon plus rapide. Il s'agit là d'un exemple renforçant l'importance des systèmes de fabrication intégrés et entièrement numériques,qu'il s'agisse de progiciels de gestion intégrée (ERP),de la maintenance et de l'étalonnage,ou même des dossiers de production..

La production en tant que service, solution pour la taille de lot 1

Le coût lié au déploiement de technologies avancées dans le secteur de la fabrication continue de diminuer partout dans le monde. Ajoutons à cela une main-d'œuvre dont les coûts sont stables, et les entreprises sont plus libres que jamais en termes d'implantation des sites, ce qui permet de rapprocher matières premières, usines et consommateurs. De plus, l'alliance de l'IA avec d'autres technologies rend le secteur plus réactif et agile, ce qui ouvre la voie à de tous nouveaux modèles d'entreprise.

La capacité des algorithmes à identifier les motifs récurrents s'avère utile dans tous les contextes. Ils peuvent, par exemple, reconnaître des motifs de consommation sur le long terme, en fonction du lieu ou selon le marché, tout en prenant en compte des facteurs variables très imprévisibles comme les cycles macroéconomiques, les évolutions politiques, et même les conditions climatiques (4). Il est avéré que les algorithmes sont capables d'interpréter avec assez de précision les sentiments exprimés sur les réseaux sociaux pour prédire des changements affectant le marché boursier. Les chercheurs pensent qu'il permettront bientôt d'analyser les interactions entre les consommateurs et leurs appareils intelligents pour anticiper la demande de certains produits ou de certaines marques.

Pour @MCMasterControl, les algorithmes #IA identifiant les motifs peuvent prédire les demandes des consommateurs sur le long terme, en fonction du lieu ou selon le marché http://bit.ly/2QelRGT

Alliée à diverses technologies (impression 3D, contrôle qualité centralisé, conception numérique des produits, l'Internet des objets ou l'informatique en nuage),l'IA rend possible le concept de taille de lot 1 (ou personnalisation en masse), selon lequel les entreprises collaborent avec les consommateurs pour produire des articles personnalisés répondant à leur demande, de manière fiable et efficace. Ainsi, la fabrication des produits devient non seulement possible, mais surtout rentable. Les solutions Click2Make de Siemens et Brilliant Manufacturing Suite de GE en sont des exemples (5).

Le changement est inévitable

L'industrie 4.0, qui correspond aux tendances technologiques actuelles dans le secteur de la fabrication, regroupe certes des concepts tels que la transformation, mais cette industrie a toujours été définie à travers le changement. Elle est née d'avancées majeures lors de la première révolution industrielle de la fin du XVIIIe siècle, et a continué d'évoluer au gré des innovations.

Notons toutefois que les promesses de l'IA ne concernent pas que la machinerie. L'automatisation des tâches répétitives et la simplification des analyses de données chronophages permettent de donner une meilleure place à la main-d'œuvre et d'affecter le personnel à des tâches plus importantes. L'industrie 5.0, qui constitue l'étape à venir, sera basée sur la mise en avant de l'élément humain au sein des processus de fabrication et permettra une collaboration symbiotique entre employés et technologies.

Selon Paul Daugherty, directeur des technologies et de l'innovation chez Accenture et co-auteur du rapport sur l'IA susmentionné : « pour bien saisir les possibilités de l'IA, les entreprises doivent développer dès à présent des stratégies positionnant leur main-d'œuvre au centre des processus, et s'engager à concevoir des systèmes responsables, basés sur des valeurs éthiques et morales qui favorisent des résultats positifs et encouragent les employés à se surpasser en imaginant, en créant, en innovant ».

La fabrication et l'IA ? Une histoire qui ne fait que commencer. On en reparle !


Références

1. How AI Boosts Industry Profits and Innovation,2017. Accenture Research and Frontier Economics. Consulté le 19 novembre 2018.

2. Artificial Intelligence Transforms Manufacturing,2018. The American Society of Mechanical Engineers. Consulté le 16 novembre 2018.

3. Predictive Maintenance and the Smart Factory Floor,2017. Deloitte. Consulté le 19 novembre 2018.

4. 3 Advances Changing the Future of Artificial Intelligence in Manufacturing,2018. Autodesk. Consulté le 16 novembre 2018.

5. Machine Learning in Manufacturing – Present and Future Use Cases,2018. TechEmergence. Consulté le 19 novembre 2018.



2016-nl-bl-author-beth-pedersenBeth Pedersenest spécialiste du contenu marketing au siège social de MasterControl à Salt Lake City (Utah, États-Unis). Elle a rédigé des contenus techniques et marketing pour des entreprises comme Microsoft, Novell, NetIQ, SUSE et Attachmate. Titulaire d’une licence en communication de l’université du Wisconsin à Madison, elle dispose également d’un master en communication et conception numérique qui lui a été décerné par l’université IT de Copenhague.