Intelligence artificielle

L’épidémie de COVID-19 a créé des incertitudes et des changements dans tous les aspects de la vie quotidienne et du travail. Cela pousse également les chefs d’entreprise et les propriétaires d’usines à agir plus rapidement que jamais, pour survivre et surpasser les autres. Cela a offert davantage de possibilités aux technologies d’IA et a accéléré son déploiement dans le secteur manufacturier.

D'un point de vue pratique, nous verrons davantage d'applications basées sur l'IA spécifiquement ciblées sur divers aspects de la prise de décision, tels que l'amélioration de l'efficacité de la production/opération, la réduction des temps d'arrêt, la maintenance prédictive, l'optimisation de la chaîne d'approvisionnement et la réduction de la consommation d'énergie.

Les capacités humaines et IA se complètent. Les humains sont créatifs, peuvent voir au-dessus de la tâche en cours et appliquer les connaissances acquises lors d’autres expériences dans une tâche en cours. Cependant, les humains sont moins parfaits dans les tâches répétitives. L’IA est performante et assidue, mais moins créative. Il existe un grand potentiel de collaboration entre l’humain et l’IA, et les humains doivent interagir en collaboration avec l’IA tout en continuant à remplir les rôles de propriétaires de projet, de formateurs de systèmes, d’utilisateurs finaux et interagiront avec l’IA tout au long du cycle de vie d’un projet.

L’IA est appliquée à un large éventail d’applications et d’industries. Dans le domaine du contrôle des processus, l’IA et l’apprentissage automatique sont appliqués aux applications avancées de contrôle des processus (APC) et aux opérations autonomes des usines. Dans la fabrication discrète, l’IA est appliquée à la robotique. Tous les processus pourraient théoriquement être contrôlés à long terme par une forme d’intelligence artificielle. Quelle que soit l'application, l'ARC a identifié quelques étapes de base pour garantir le succès de votre déploiement d'IA :

Basé sur les présentations du Forum européen ARC 2022, ce rapport stratégique fournit les derniers cas d'utilisation de l'IA et une comparaison complète des forces et des défis des humains par rapport à l'IA. Ce rapport présente comment les humains et l’IA peuvent collaborer efficacement et quelles dimensions et applications clés prendre en compte. Les entreprises qui ont soutenu l'événement incluent Microsoft Project Bonsai, Dow Chemical, NNaisense, ABB et Throughput AI.

Les cas d’utilisation industrielle suivants des technologies d’IA ont tous été partagés lors du Forum européen ARC 2022.

Microsoft Project Bonsai a partagé son point de vue sur les systèmes autonomes et sur la manière dont la plateforme Bonsai peut optimiser les équipements et les processus en détectant et en répondant en temps réel. Selon Microsoft, la transformation autonome est un processus évolutif composé de quatre étapes :

À partir de la deuxième étape, les entreprises peuvent utiliser l’apprentissage supervisé et non supervisé pour réaliser des choses comme une meilleure maintenance prédictive et une meilleure prévision de la demande. La plateforme Bonsai combine simulation, apprentissage approfondi de l’application des règles et apprentissage automatique. Bonsai peut aider les utilisateurs à créer des modèles d'IA avec leur propre expérience et leur savoir-faire industriel et à accélérer le développement des trois dernières étapes. Vous trouverez ci-dessous quelques études de cas sur les bonsaïs :

Dow Chemical a expliqué comment le cloud a permis la maintenance prédictive en optimisant les données et analyses de fabrication. Les temps d'arrêt imprévus représentent d'importantes pertes de revenus pour les industries de transformation. Tirer parti de la maintenance prédictive pour agir avant qu’une panne ne se produise est l’une des principales applications de l’IA dans le secteur manufacturier.

Dans le cadre du projet de Dow Chemical, trois personnes distinctes travaillent en équipe. Les data scientists entraînent les modèles et vérifient l'environnement Azure Cloud. Les développeurs Azure Cloud envoient les données des usines vers le cloud et alimentent les modèles en données. Les opérateurs sur site effectuent une surveillance, prennent des mesures lorsqu'ils reçoivent des informations des systèmes et fournissent des commentaires aux systèmes. Ce cycle de travail se poursuit continuellement pour construire des algorithmes et des modèles plus efficacement. Dans ce projet, le cloud computing est nécessaire pour résoudre quelques problèmes, notamment :

Throughput AI a expliqué comment l'IA contribue à optimiser la chaîne d'approvisionnement et à convertir la visibilité en capacité d'action. La chaîne d’approvisionnement est constamment opaque, fragmentée et inefficace. L’épidémie de COVID-19 a rendu ses goulots d’étranglement plus évidents que jamais ces dernières années. Pendant ce temps, les entreprises sont confrontées à des pressions croissantes pour améliorer l’efficacité de la chaîne d’approvisionnement et trouver des opportunités pour obtenir de meilleurs résultats commerciaux, opérationnels, financiers et durables et surperformer les secteurs à long terme. En tant que catalyseur, l'IA peut aider à exploiter les données existantes et l'expertise du domaine des équipes existantes, pour augmenter la production, la rotation des stocks et la rentabilité, minimiser les stocks excédentaires et réduire les déchets et le CO2. Quelques cas partagés ici :