Cinq points essentiels à propos de l’IA pour l’industrie

Tout dirigeant industriel désireux d’améliorer sa chaîne logistique et ses processus se tournera certainement vers l’intelligence artificielle.

Lors du salon Rendez-Vous Carnot en 2019, Graffiti a assisté à une conférence consacrée à la recherche et au développement dans l’industrie française. Les objectifs étaient de déterminer comment les acteurs industriels se préparent pour l’avenir et ce que signifie réellement l’industrie 4.0.

Éric Bevillard et Florent Penet ont présenté à leur auditoire les bonnes et mauvaises idées pour mettre en œuvre une IA.

Voici leurs cinq conseils aux responsables de l’industrie :

1 – Vous avez besoin d’une perspective

Aborder une validation de concept au-delà du stade de la conception est difficile pour les industriels, en grande partie en raison de leur manque de vision. Comment faire ?

Calculez votre retour sur investissement et collaborez avec vos clients pour que votre validation de concept passe à la phase suivante.

2 – Chaîne logistique, comment être parmi les premiers gagnants ?

Commencez par un domaine que vous souhaitez parfaire. Cela vous renvoie à la perspective. Demandez-vous ce que l’IA pourra apporter à l’industrie.

La plupart des directeurs d’entités de production désireront réduire les stocks, améliorer l’organisation interne et l’automatiser. Une fois implantée avec succès, vous pouvez vous attendre à ce que l’IA offre certains des avantages suivants :

• Automatisation des inventaires (plus d’arrêt de la chaîne de production pour compter le stock) ;
• Optimisation de la livraison ;
• Prévision de commandes ;
• Automation des recherches et de l’approvisionnement, etc.

3 – Pas d’IA sans big data

L’IA est utile seulement si des données fiables sont disponibles. Elles représentent en soi un certain nombre de défis. Dans la fabrication et la production, les données sont :

• Plus grandes que tout ce que nous ne verrons jamais dans le monde de la consommation ;
• Diverses et donc complexes à manipuler (pensez pommes et oranges) ;
• Pas systématiquement stockables en tout lieu ;
• Souvent imprécises ;
• Parfois inexactes ;
• Presque toujours chères et difficiles à tester (la création d’un algorithme prédictif peut coûter entre 40$ et 1 000$ contre 0,001$ pour Amazon) ;
• Délicates à protéger.

Cela implique de consacrer beaucoup de temps à la programmation des dispositifs pour fournir les bonnes données et définir comment et où les stocker. En considérant que la préparation et le paramétrage d’une machine peuvent prendre jusqu’à deux mois, vous comprenez rapidement quelle est la plage nécessaire si vous possédez 10 machines.

4 – La structure informatique d’abord, l’IA ensuite

Une fois que votre vision est en place et que vous savez comment traiter vos données, vous devez vous assurer que votre structure informatique est suffisamment solide pour faire face à la charge.

80 % des projets sont d’abord consacrés à l’informatique et aux données avant de mettre en œuvre l’intelligence artificielle.

En effet, l’absence de système informatique performant rend impossible la gestion de toutes les données générées par plusieurs machines communicantes. Et sans données fiables, vous ne pouvez pas implémenter l’IA.

5 – Mesurez le risque avant de vous engager

Les fabricants ont leurs propres risques. Si Amazon fait une précision incorrecte pour votre prochain achat, les conséquences sont pratiquement nulles. En revanche, si des données erronées indiquent avec six mois de retard qu’une machine doit être réparée, une unité de production entière peut être sacrifiée pendant une longue période.

Les exigences élevées en matière de sécurité, les environnements de production sensibles et les niveaux de données volumineux constituent un ensemble unique de défis. Les industriels doivent les prendre en compte de manière avisée avant de se lancer dans l’aventure de l’intelligence artificielle.

À suivre…

Histoires de réussites de Recherche et Développement Percées dans la maintenance prédictive