Comment déployer l’IA sur toutes les opérations industrielles

L’IA, l’ajustement parfait

La première révolution industrielle a été possible grâce à la vapeur, aujourd’hui c’est l’intelligence artificielle qui fait la différence et ce à toutes les étapes la chaîne de valeur. Grâce à sa capacité à automatiser, digitaliser et optimiser, l’IA est la technologie parfaite pour répondre aux enjeux des opérations industrielles ; de la création d’un produit jusqu’au contrôle qualité.  General Motors a par exemple, grâce au « computer vision », pu détecter les signes de défaillances robotiques avant que celles-ci ne surviennent. Il a ainsi évité les coûts liés aux interruptions non planifiées qui peuvent atteindre 20 000 $ par minute d’arrêt.

Un potentiel énorme à toutes les étapes de la chaîne de valeur

La rapport du Capgemini Research Institute montre que la maintenance intelligente combinée au contrôle qualité et à la planification de la demande, constitue le point de départ des industriels pour optimiser leurs opérations.

Bien qu’il existe un consensus sur les cas d’utilisation les plus appropriés pour commencer à utiliser l’IA, l’étude souligne également le défi de la mise à l’échelle au-delà des premiers déploiements, puis de l’exploitation systématique du potentiel de l’IA au-delà de ces premiers cas d’utilisation.

Extrait

We trained an AI system to detect improper assemblies or missing components, such as small screws that are hard to detect for a human eye. The system is extremely fast and efficient, allowing defective parts to be taken off the main conveyor on a separate line to the rework area where they can be corrected. The process not only saves a lot of quality issues at the end-customer but also loss of valuable production time.

Neeraj Tiwari, Director manufacturing JV organization at Fiat Chrysler China

Working in the food industry, we have a responsibility to ensure that the food we produce is both safe for consumption and meets the toughest quality criteria. We have strict policy and procedures in place to ensure that we avoid any of the risks associated with not meeting those criteria.

Eugene Kusse, Factory director, Upfield (a spin-off of Unilever)

In the early days, when the accuracy of the system was low, it predicted a few failures which turned out to be false alarms. At these points, it is important to remind everyone that it is a prediction which has a probability of being right or wrong. As accuracy improved, the system was able to predict many failures in advance and saved a lot of cost and downtime, proving its worth.

Siddharth Verma, Global head and VP – IoT Services, Siemens

Chiffres clés

• 30 % de réduction des pertes de ventes chez Danone grâce au Machine Learning qui prédit la variabilité de la demande
• 29 % des cas d’usage sont implémentés en faveur de la maintenance
• 14 % des OEMs ont déployé largement des initiatives d’IA depuis Janvier 2019

Experts