L’impact de l’automatisation basée sur les données en temps réel sur les industries finit par devenir de plus en plus évident. Aucune n’est due à des perturbations plus importantes que les entreprises manufacturières. Dans certains cas difficiles, ces environnements de fabrication ont connu ces dernières années des baisses remarquables des coûts unitaires de détection, ce qui a à son tour ouvert les portes à des informations en temps réel préparées pour l’analyse. Avec un besoin croissant de connaissance de la situation et d’informations en temps réel, les architectures d’intelligence artificielle deviennent de plus en plus importantes pour comprendre les détails acquis.
Désormais, les producteurs de toutes tailles collectent des informations basées sur la vision des systèmes informatiques à chaque étape de la procédure de fabrication. Vision ramasser pourrait être le leader dans la poussée vers l’avant. Cependant, les capteurs de pression, de chaleur, de localisation et autres de toutes sortes créent des flux d’informations qui sont numérisés et stockés en quantités énormes. Par conséquent, l’analyse manuelle n’est plus pratique pour des lignes uniques, et encore moins pour des usines entières ou des réseaux d’usines.
En d’autres termes, le secteur manufacturier connaît une évolution constante et la chaîne de montage parcourt le Web avec un effet dramatique sur les procédures, les opérations et efficacités.
L’ampleur de la modification est parfois négligée, mais l’évolution est claire. L’IdO international sur le marché de la fabrication était évalué à 205,8 milliards de dollars en 2021, selon l’étude de Precedence Research. Il devrait atteindre environ 1 520 milliards de dollars USD d’ici 2030, avec une croissance de 24,91 % [CAGR] entre 2022 et 2030.
L’IA dans la production et l’approvisionnement connexe- chain systems change également la donne. Selon Gartner, plus de 75 % des fournisseurs d’applications de gestion de la chaîne d’approvisionnement industrielle fourniront des analyses avancées (AA), de l’IA et/ou des sciences de l’information intégrées d’ici 2026. De tels systèmes intègrent directement les décisions d’IA dans des flux de travail complexes.
L’importance du temps réel
Dans le monde de la fabrication, la prise de décision éclairée est depuis longtemps cruciale pour maintenir la qualité, les dates d’échéance des conférences et prévenir les pannes inattendues, les failles ou les problèmes de sécurité. Les techniques ont considérablement changé il y a quelques années lorsque les usines et les systèmes de chaîne d’approvisionnement associés ont commencé à tirer parti du Web des objets et à remplacer les procédures analogiques par des procédures numériques. Un effort à l’échelle de l’industrie est en cours pour soutenir l’action immédiate et l’action nécessaire pour reconnaître et traiter les problèmes avant qu’ils ne s’aggravent.
L’utilisation de services basés sur l’IA dans la production, les chaînes d’approvisionnement et la logistique introduit une nouvelle ère appelée Market 4.0, ou IIoT, pour le Web industriel des objets. L’objectif est de maintenir l’ensemble de la chaîne d’approvisionnement sans aucune intervention manuelle. De plus, grâce aux usines intelligentes alimentées par l’IA, la production peut fonctionner plus efficacement, réduire les temps d’arrêt et améliorer l’expérience globale du consommateur.
Les solutions d’IA telles que le traitement intelligent des fichiers (IDP) gagnent du terrain, aidant les producteurs à réduire le temps investi dans le traitement des documents en transformant des informations désorganisées et semi-structurées en données fonctionnelles en temps réel. Non seulement cela transforme totalement le processus d’enregistrement des données, mais cela élimine également le goulot d’étranglement de documentation courant que les entreprises de production voient quotidiennement.
Rolls-Royce roule en temps réel
Des entreprises commerciales innovantes traitent désormais les informations qu’elles collectent, en utilisant fréquemment des systèmes d’analyse avancés qui, il n’y a pas si longtemps, étaient réservés aux entreprises de cloud computing à grande échelle et aux méga-entreprises de réseaux sociaux.
Comme l’explique Shiv Trisal, un leader international du marché de la fabrication chez le fournisseur d’analyse d’informations Databricks, l’IA et l’analyse d’informations sont essentielles pour fournir des résultats clients plus individualisés, une prestation de services sur le terrain proactive et des applications critiques distinguées à leurs clients. clients. Un exemple est Rolls-Royce.
« Nous travaillons avec Rolls-Royce pour examiner de nombreux points d’information par seconde afin de réduire les temps d’arrêt et les émissions de leurs moteurs d’aviation. Les compagnies aériennes du monde entier peuvent désormais utiliser ce tri. d’informations pour exécuter un service de services technologiques qui démontre une plus grande évolutivité », a déclaré Trisal à VentureBeat.
Par le passé, il était possible de prédire que les fabricants produisaient un problème, mais généralement, la prévision arrivait beaucoup trop tard dans la procédure de production. Au moment où les signes de défauts ont été détectés, les dommages étaient déjà suffisamment importants pour nécessiter l’arrêt d’un appareil coûteux.
« Selon l’American Society of Quality, les dépenses de mauvaise qualité peuvent atteindre jusqu’à 20 % des ventes. La détection proactive des matériaux non conformes dans la procédure de fabrication peut réduire considérablement les rappels coûteux, réduire les déchets, augmenter la qualité des produits et améliorer la traçabilité des produits », a déclaré Trishal.
Selon Trisal, les développements en matière de collecte et d’analyse d’informations ont transformé ce processus. En particulier, l’IA est également devenue un outil crucial dans le contrôle de la qualité.
En utilisant la vision du système informatique, les algorithmes d’IA peuvent identifier même les plus petits défauts du processus de production, tels que des pièces mal alignées ou des pièces endommagées. Cela a aidé les fabricants à produire des articles de haute qualité constante, réduisant ainsi le risque de rappels de produits coûteux et améliorant la crédibilité de la marque.
« Nous avons vu de plus en plus d’entreprises utiliser des outils et des plates-formes d’analyse de données pour utiliser efficacement les capacités de vision du système informatique dans leur usine et automatiser la procédure de contrôle de la qualité, en analysant des images haute résolution avec une latence très faible. » ajouta Trisal. Au fur et à mesure que chaque produit progresse dans le processus de fabrication, il fournit aux opérateurs des informations à la pointe en temps réel.
Renforcement de l’ESG et de la sécurité sur le lieu de travail
Un autre élément essentiel L’avantage des données en temps réel et de l’IA dans la fabrication est la capacité d’améliorer la gestion de la chaîne d’approvisionnement, composée de processus autrefois basés sur le papier. Avec des informations en temps réel, les fabricants peuvent garder un œil sur les niveaux de stock, suivre les expéditions et prévoir la demande, ce qui leur permet de faire des choix plus judicieux quant au moment et à la quantité de production. Cela a en fait réduit le risque de ruptures de stock et de surproduction, ce qui a permis de réduire les dépenses et d’augmenter la satisfaction totale des consommateurs.
« Les données en temps réel et l’IA aident la fabrication grâce à la prévision des pannes et à la planification de la maintenance, ainsi qu’à la reconnaissance précise, contextualiser et traiter le volume croissant de factures et de documents pour accélérer le processus de production », a déclaré Petr Baudis, CTO et principal concepteur d’IA à la plate-forme de traitement de fichiers intelligent Rossum, à VentureBeat.
Baudis a expliqué que de la gestion des stocks à l’achat et à l’expédition, les documents sont une véritable ligne de communication entre les fournisseurs, les entreprises et les clients, et l’IA basée sur les données est la base qui comprend – et peut agir sur – chaque format spécial et point d’information.
Kjell Carlsson, responsable de la technique et de la gestion des sciences de l’information chez Domino Data Laboratory, estime qu’en tirant parti de l’apprentissage en profondeur, les fabricants ont considérablement élargi la gamme des tâches d’évaluation au-delà de ce qui pourrait être automatisé avec des approches d’évaluation traditionnelles non basées sur l’apprentissage automatique.
« Un cas d’utilisation particulièrement remarquable ici est la capacité des fabricants à extraire de grandes quantités d’informations désorganisées pour obtenir un avis innovant des perturbations potentielles de la chaîne d’approvisionnement », a déclaré Carlsson . « Lockheed, par exemple, exploite des techniques NLU (compréhension du langage naturel) basées sur l’apprentissage en profondeur pour exploiter une vaste gamme de sources d’informations – par exemple, des informations sur les acquisitions de fournisseurs ou des commandes importantes ; pour des indications précoces d’interruptions potentielles. »
L’utilisation des données en temps réel et de l’IA dans le secteur manufacturier a également accru la sécurité sur le lieu de travail. Les algorithmes d’IA alimentés par des systèmes de capteurs de vision peuvent détecter des scénarios dangereux, tels que des dysfonctionnements de machines ou des erreurs humaines, et alerter les employés pour qu’ils prennent les mesures appropriées. De plus, l’utilisation de robots alimentés par l’IA a réduit la nécessité pour les employés humains d’effectuer des tâches physiquement exigeantes, réduisant ainsi le risque de blessure.
« L’IA aide à maintenir la sécurité sur le lieu de travail en déterminant les anomalies des données en temps réel. Grâce aux données en temps réel et à l’IA, les producteurs ont la possibilité de surveiller et de dépanner en permanence, en résolvant tout problème de production avant qu’une perturbation ou un danger ne se produise », a déclaré Baudis.
La combinaison des informations en temps réel et de l’IA a en fait aidé les fabricants à réduire leur empreinte carbone. En analysant les informations en temps réel, les algorithmes d’IA peuvent détecter des moyens d’améliorer l’apport énergétique et de minimiser les déchets. Cela a en fait permis aux fabricants d’adopter des pratiques plus durables, de réduire leur impact sur l’environnement et d’aider à construire un avenir plus vert.
De toute évidence, les producteurs à la pointe de l’information, de l’analyse et de l’IA fixent des objectifs basés sur la science et générer des résultats favorables en matière de développement durable aujourd’hui en tirant de bien meilleures informations de leur fonctionnement, de leur chaîne d’approvisionnement et des résultats que leurs produits produisent pour leurs clients finaux.
Les données en temps réel et l’IA forment un tout nouveau type
Mike Babiak, directeur de la technique de la chaîne d’approvisionnement de la société de conseil et d’innovation Longbow Advantage, a déclaré nous verrons rapidement que les données en temps réel et l’IA dans l’industrie de la production finiront par devenir une exigence au lieu d’être quelque chose de « super à avoir ».
« Grâce à la présence en temps réel (RTV), les équipes, les jours et les semaines ont plus de succès. Les responsables d’entrepôt ne commenceront plus avec un déficit. L’IA aide également à changer à la volée sans avoir à dépendre de l’instinct ou repères visuels », a déclaré Babiak à VentureBeat.
Babiak prévoit que le tout nouveau régulier utilisera des données et des analyses faisant autorité tout au long des opérations. On s’attendra également à ce que les données puissent collaborer à travers plusieurs innovations et lieux et être toujours affichées en temps réel.
« La nouvelle avancée ici sera l’adoption rapide d’un système informatique basé sur l’apprentissage en profondeur modèles de vision sur la chaîne de montage pour la détection automatisée des problèmes », a déclaré Kjell Carlsson de Domino Data Lab.
La production, pour des raisons très compréhensibles, est un domaine vraiment conservateur, a-t-il noté. Possibilités d’intégrer l’IA dans les procédures lorsqu’une ligne est en cours d’établissement ou totalement repensée.
Il anticipe un développement stable. « Cela indique que l’adoption prend du temps, mais ce n’est qu’une question de temps », a-t-il déclaré.
De même, Petr Baudis de Rossum pense qu’il est crucial de rechercher une technologie d’IA pratique basée sur les données plutôt qu’ambitieuse, en particulier tout au long de une récession économique.
« Pour certaines entreprises, la mise en œuvre peut prendre des mois. Si vous ne pouvez pas mettre votre nouvelle robotique au travail dans votre entreprise au cours du tout premier mois, en montrant sa valeur, son impact et son retour sur l’investissement financier peut sembler difficile », a-t-il déclaré.
Les producteurs ont besoin d’une innovation IA qui résout les problèmes pratiques de l’entreprise à partir d’une plate-forme conviviale et nécessite un temps d’application minimal, a-t-il déclaré. « Cependant, c’est l’avenir. »
La mission de VentureBeat est d’être une place publique numérique permettant aux décideurs techniques d’acquérir des connaissances sur les technologies d’entreprise transformatrices et de négocier. Découvrez nos Rundowns.
.
Toute l’actualité en temps réel, est sur L’Entrepreneur