Intelligence artificielle dans l'industrie manufacturière: l'évolution de l'industrie -Acheter sur Amazon -51 % Réduction





L'intelligence artificielle profite à divers secteurs, notamment la santé, l'éducation et la fabrication. Mais qu'est-ce que l'intelligence artificielle? En langage Layman, un simulateur d’intelligence humaine prend la décision après avoir analysé diverses données à l’aide d’un ensemble de technologies intelligentes, notamment l’apprentissage en machine et en profondeur, l’analyse et la vision par ordinateur.

La quatrième révolution industrielle utilise l'IA pour améliorer son efficacité globale. La technologie ne permet pas seulement de réduire les coûts de fabrication, elle améliore également la productivité et la qualité.

Intelligence artificielle dans l'industrie manufacturière: comment les fabricants réduisent leurs coûts et améliorent leur productivité?

La fabrication est un processus à forte intensité de capital et, une fois qu'une usine est installée, son remplacement, son retrait ou sa rénovation sont exorbitants. Les nouvelles machines améliorent les performances; réduire les redondances, tout en améliorant les indicateurs de qualité globale. L'intelligence artificielle constitue un moyen alternatif d'atteindre cet objectif et à des prix extrêmement compétitifs.

Au lieu de remplacer maintenant les machines, les fabricants ajoutent des outils AI / ML pour pré-inspecter les matières premières, identifier les défauts, effectuer des évaluations de la qualité, etc. De nombreuses solutions d'IA actuellement déployées utilisent la vision, ce qui permet d'ajouter des fonctionnalités telles que l'étiquetage correct, la numérotation des lots, les différences de taille / dimension, ainsi que d'autres éléments d'inspection visuelle.

Les avancées rapides en robotique dans les ateliers et les entrepôts entraînent de nouveaux niveaux de Productivité opérationnelle. Les fabricants peuvent s'attendre à des améliorations de l'efficacité globale allant jusqu'à 25%.

Nilesh Auti, responsable mondial de la fabrication, Tech Mahindra

Réduction des coûts de fabrication

Le fait même que l’on puisse contrôler les résultats à chaque phase du processus de fabrication et permettre de prendre des mesures correctives au stade initial permet d’économiser beaucoup d’investissements habituellement consacrés à la réparation des produits endommagés ou à des problèmes de machinerie. De plus, AI assure également la maintenance prédictive des machines et optimise l'utilisation des actifs au sein d'une unité de production spécifique.

5 façons dont l'IA réduit les coûts de fabrication:

# Predictive Maintenance utilise Advanced AI aid pour réduire de 15% les coûts d'indisponibilité.

# Extension de la durée de vie utile restante (RUL) des machines et équipements de production grâce à la maintenance prédictive.

# Les algorithmes d'intelligence artificielle basés sur Computer Vision peuvent aider à évaluer la productivité des travailleurs en temps réel, à détecter les opérations imparfaites et à former les travailleurs.

# Amélioration du débit de 3% ou plus grâce à la planification intelligente, à la prévision et au contrôle des paramètres de processus, à la prévision des goulots d'étranglement, etc.

# Systèmes de pipettes automatiques et bras robotiques, robots de manipulation de liquides

Ci-joint quelques études de cas pour votre référence

# L’optimisation de l’atelier de peinture grâce au séquençage automatique basé sur l’IA a permis d’améliorer:

= Débit de 3%

= La confiance des utilisateurs de 70% (adhérence)

# Surveillance à distance pour le principal fabricant de moteurs:

– Améliorer l'efficacité des équipements

– minimiser les perturbations commerciales

Prédiction de la durée de vie des freins – Prédisez la durée de vie restante des freins en analysant les schémas de défaillance des freins et aide les compagnies aériennes à:

= 12% d'économies grâce à la recommandation RUL

= 20% de réduction sur la maintenance imprévue

Comment l'intelligence artificielle peut-elle augmenter la productivité?

IA permettant aux fabricants de prendre des décisions rapides et sans erreur. Il peut être utile de prendre des décisions à l’avance pour toute faute susceptible de se produire à l’avenir, afin que vous puissiez prendre les mesures qui s’imposent avant même que cela ne nuise à votre production.

L’efficacité opérationnelle d’une unité de fabrication dépend étroitement de trois facteurs principaux:

  1. Disponibilité
  2. Efficacité
  3. Qualité

Les technologies d'intelligence artificielle aident à gérer la disponibilité des machines, du matériel et de la main-d'œuvre (3M) en améliorant les prévisions et la surveillance. L'efficacité des opérations peut être améliorée par l'observation en temps réel des paramètres opérationnels à l'aide de capteurs et par des décisions immédiates basées sur les connaissances de ces paramètres à l'aide de technologies d'intelligence artificielle.

L'intelligence artificielle peut prédire la qualité du résultat en analysant plusieurs centaines de paramètres – fondamentaux et ambiants – et en réduisant les facteurs clés ayant une incidence sur la qualité finale du produit.

L'intelligence artificielle a également un rôle clé à jouer dans l'amélioration d'autres aspects de la fabrication, tels que la consommation d'énergie ou le traitement des effluents. De telles améliorations réduisent le coût unitaire global de fabrication sans compromettre la qualité globale et la livraison rapide du produit.

Quel est l'impact de l'IA sur l'industrie manufacturière?

Les technologies d'intelligence artificielle auront un impact généralisé sur l'avenir de la fabrication. Le degré d’impact dépend étroitement de la complexité et des besoins opérationnels de l’unité de fabrication. La valeur de l'impact augmente considérablement à mesure que l'adoption de l'IA évolue d'applications de diagnostic vers des applications prédictives, prescriptives et éventuellement cognitives.

Même les unités de fabrication indiennes, qui exigent généralement beaucoup de main-d’œuvre et soucieuses des coûts, peuvent tirer un avantage considérable des technologies d’IA. Les produits fabriqués par les entreprises de niveau 1 doivent faire face à une concurrence mondiale en termes de prix et de qualité constante. L'adoption de l'IA aux niveaux appropriés devient impérative pour leur réussite. Par conséquent, cela renforce également la nécessité d'une IA pertinente dans la chaîne d'approvisionnement de fabrication.

L’industrie manufacturière est l’un des principaux bénéficiaires du numérique, enregistrant une croissance du marché de près de 8 000 milliards de dollars offrant une nouvelle expérience client, une efficacité accrue des processus et une meilleure utilisation des actifs. L’avenir de la fabrication repose sur une intelligence intégrée qui permettra aux entreprises de:

Innover dans les opérations Transformation du modèle d'opération: L'intelligence artificielle permet l'automatisation de l'auto-réparation dans les usines, les chaînes d'approvisionnement et d'autres processus via:

# Optimisation des processus robotiques / numérisation des processus manuels activés par l'IA

# Niveaux supérieurs de prise de décision automatisée

Générer de nouveaux flux de revenus – Nouveaux modèles commerciaux:

# Fonctionnalités du système ADAS (conduite autonome et assistance avancée au conducteur)

# Offre personnalisée basée sur UniqueID

# Commande vocale dans le véhicule

# Navigation de nouvelle génération

# Calendrier de maintenance

# Gestion avancée du parc de véhicules partagés

Data Enabled Services pour offrir de nouvelles expériences client:

# Expérience de vol améliorée

# Service amélioré – dès la première phase de la gestion des connaissances sur les services activés par l'IA

# Assistants virtuels pour répondre aux requêtes des clients

# Assistants de navigation pour prendre en charge la recherche et l'achat de produits sur des sites Web

Prashant Gupta, responsable des solutions, Verizon Enterprise Solutions India

Avec l’émergence de l’intelligence artificielle, le secteur de la fabrication crée des environnements d’exploitation plus sûrs, accroît l’efficacité de ses opérations 24 heures sur 24, 7 jours sur 7, prédit les pannes de machines et permet à des tâches reproductibles d’être exécutées par des robots dirigés par l’intelligence artificielle.

Un exemple est l'utilisation de véhicules à guidage automatique (AGV) transportant des palettes, des cartons et des produits dans une installation de fabrication. Si un véhicule rencontre un obstacle sur le lieu de fabrication, le véhicule concerné réagira et se déplacera rapidement.

Le deuxième exemple pourrait être illustré sur la façon dont la robotique industrielle est utilisée pour tester des matériaux dangereux. Un bras robotique connecté permet aux utilisateurs portant un gant tactile dans un endroit éloigné de ressentir différentes textures et températures d'objets sur le sol de l'usine. L'objectif ici est d'améliorer la sécurité. Les travailleurs peuvent gérer un déversement ou un accident sans mettre les personnes en danger.

AI va-t-il créer ou détruire des emplois?

Les 4-5 prochaines années seront une période de lune de miel pour tout le monde, où les solutions d'intelligence artificielle amélioreront les performances et la qualité. Nous voyons déjà des industries ajouter l'IA à leur processus d'automatisation. Une fois cette barrière franchie de 4 à 5 ans, nous verrons qu'IA devient synonyme de robotique et que les emplois sont menacés. Pour les propriétaires, c’est une économie de coût, mais cela aura un impact considérable sur la société. La robotique avec intelligence artificielle apportera une vitesse et une efficacité imbattables, ainsi qu'une surveillance réduite.

R. Venkateswaran, Vice-président principal, Solutions IoT, Systèmes persistants

Il est important de dissiper toute idée fausse sur la perte d'emplois due à l'IA. Plusieurs études menées par des organisations mondiales telles que le Forum économique mondial ont conclu que même si certains types d'emplois courants affectant environ 30% de la population active seront déplacés, il est également important de noter que plusieurs emplois supplémentaires seront créés.

Les entrepôts de commerce électronique sont d'excellents exemples de ce que nous allons voir. Amazon semble gérer entièrement son entrepôt en automatisation complète, où la sélection des produits, l'emballage, le transport en entrepôt jusqu'à la livraison aux camions / navires d'expédition, ne sont pas visibles.

Étant donné que nous ne disposons pas d'un écosystème mature d'automatisation industrielle, de robotique et d'intelligence artificielle, il reste encore un certain temps avant de rencontrer des problèmes au niveau des emplois. La plupart des usines indiennes utilisent beaucoup de ressources humaines. Des usines similaires en dehors de l'Inde (disons pour un exemple extrême, la Corée), ont 15 humains pour un robot. En Inde, nous n'avons qu'un robot pour 333 humains.

Rohan Shravan – Fondateur et directeur de Inkers

Même si nous atteignons le chiffre de la Corée, disons, dans 10 ans, nous assisterons à un chômage massif, et ce nombre ne fera que diminuer. Les gens dans les pays étrangers ont déjà vu la fabrication haut de gamme, et malheureusement en Inde, ce serait fait par des machines. L'expertise et les compétences du domaine seraient limitées à quelques privilégiés.

AI a pénétré des entreprises de tous les niveaux, des plates-formes en ligne telles que la livraison de produits alimentaires et la vente au détail aux fabricants aux actifs lourds. La mise en œuvre de l’intelligence artificielle a amélioré l’efficacité, amélioré la commodité et renforcé la capacité d’une entreprise à prévoir les besoins futurs à une fraction des coûts normalement imputés aux solutions traditionnelles. "Les données sont la nouvelle huile et l'IA est le meilleur outil pour extraire, traiter et mettre en œuvre ces données afin de fournir une prise de décision commerciale optimisée et micro-ciblée."

Défi

L’un des plus longs problèmes du secteur manufacturier a été l’absence de mécanisme de qualité permettant une gestion adéquate des stocks. En raison des fluctuations constantes de la demande des consommateurs, les fabricants ont tendance à surestimer ou sous-estimer la quantité de stock dont ils ont besoin.

En conséquence, tout leur cycle de production subit des retards constants, ce qui entraîne une insatisfaction des clients ou des stocks inactifs, qui entraînent tous deux des pertes. AI a aidé les fabricants à marcher correctement sur la corde raide en analysant exactement la quantité d’inventaire qu’ils doivent conserver à un moment donné.

Pour ce faire, il étudie les données du marché et obtient des estimations précises de la demande future des produits de la société.

Créez des milliers de designs en une fraction de temps – Des sociétés telles qu'Airbus utilisent l'IA pour créer des milliers de conceptions en une fraction du temps nécessaire aux équipes humaines. Des technologies telles que l’impression 3D aident également les fabricants à réduire considérablement le temps nécessaire au transport et au test de nouveaux produits et idées. Le coût d’établissement de plusieurs centres de fabrication a été réduit, tandis que l’infrastructure logistique, en termes d’économie de temps et de sécurité, ne cesse de croître en raison de l’IA.

Communication de machines AI Enabled – De plus, les équipements de l'industrie manufacturière sont de plus en plus contrôlés par des systèmes distribués connus sous le nom de machine à machine (M2M). La technologie M2M utilise des capteurs pour enregistrer les données alimentées par ces réseaux. Grâce à l'Internet des objets industriels (IIoT), ces données fournissent ensuite des informations importantes pour la variété de machines utilisées pour effectuer différentes tâches. De nos jours, plusieurs usines de fabrication utilisent des capteurs AI dans leurs turbines à gaz pour ajuster les vannes de carburant afin de réduire les émissions.

L'intelligence artificielle joue un rôle essentiel dans la communication M2M. Il permet aux machines de communiquer entre elles, avec les responsables des opérations et avec certaines parties de la chaîne d'approvisionnement. Il permet également à l'équipement d'afficher des alertes en cas de problème ou si une machine est sur le point de tomber en panne. Cela facilite les réponses proactives des équipes humaines, afin d'éviter les interruptions susceptibles de ralentir ou d'affecter les opérations. Ces pratiques garantissent donc une réduction des coûts en cas d’augmentation de la productivité ou de risque imminent.

Impact de l'IA sur l'emploi: il faudra éliminer 1,8 million de personnes et créer 2,3 millions de personnes – Arup Roy, vice-président de la recherche chez Gartner

Quel sera l'avenir de l'IA dans la fabrication?

AI vient tout juste de commencer en Inde à s'implanter dans ce secteur. Les fabricants de petites et moyennes entreprises (PME) tentent toujours de décoder les implications et les perspectives économiques globales de l'adoption de cette technologie nouvelle. La mise à niveau technologique est lente en raison de la pénurie de fonds et du manque de sensibilisation à l’importance de cette technologie.

Le gouvernement doit organiser des séances de formation intensives pour les travailleurs de l’industrie sur l’utilisation de la machine intelligente et des outils fonctionnant avec une intelligence artificielle dans l’atelier. Le gouvernement a récemment alloué 6 000 milliards de roupies au développement de salles d’outils à travers le pays afin d’aider les petits acteurs du secteur manufacturier en apportant un soutien en termes de conception et de qualité.

Les gouvernements indien DHI (Département de l’industrie lourde) et CII ont récemment formé le conseil Samarth Udyog, chargé de promouvoir les technologies numériques dans la fabrication. Une des initiatives clés est AI-ML-analytics en usine pour aider à améliorer la productivité. IISc, IIT et de nombreux grands groupes tels que Mahindra, Tata, ainsi que des experts en technologie, tels que Siemens, font partie de cet organisme chargé de promouvoir AI-ML.

L'intelligence artificielle est considérée comme le moteur de la quatrième révolution industrielle qui fera de la fabrication basée sur la connaissance une réalité. Ceci comprend:

Fabrication éteinte – Usines autonomes sans présence humaine ni éclairage (les machines peuvent fonctionner dans l'obscurité)

Usines sans équipage – Transport des équipements vers des camions de transport non habités vers des entrepôts par des contrôles robotiques centralisés

Développement de produit accéléré – Conception générative intégrant la robotique dans le processus de fabrication physique par essais et erreurs

Travailler à l'échelle nanométrique exige de la précision au-delà des capacités humaines et la robotique sera la voie à suivre

Double numérique Activation des prévisions pour aider à la planification liée à la fabrication

Transport amélioré modalités d'accès aux informations en temps réel de chaque taxi, autobus ou avion, permettant d'améliorer l'expérience des passagers et l'efficacité des processus

Assistants numériques / assistants de recherche émergera qui va numériser des documents et compiler toutes les informations

L'industrie manufacturière implique de nombreuses opérations dirigées par des machines, qui incluent des logiciels complexes et une programmation de base. Cependant, ces machines étaient totalement dépendantes de l’être humain pour détecter et résoudre même les erreurs les plus élémentaires et les difficultés techniques. Grâce à la mise en œuvre de l'IA, cet inconvénient peut être éliminé.

Ce n’est qu’après l’intelligence artificielle que l’on parviendra à une véritable automatisation, et même les machines lourdes impliquées dans la fabrication deviennent plus intuitives. De plus, l'IA a permis aux équipes humaines de se concentrer davantage sur des tâches basées sur l'ajout de valeur. Les industries manufacturières peuvent mettre en œuvre l'IA pour améliorer les processus existants, notamment pour améliorer et personnaliser les produits, créer des chaînes d'approvisionnement intelligentes et créer de nouveaux modèles commerciaux.

L'intégration de l'intelligence artificielle dans les processus opérationnels de l'industrie manufacturière facilite la préservation et la normalisation des connaissances. Cela aidera les entreprises à accroître la productivité de leurs effectifs, car AI a la capacité de s’adapter et d’apprendre par lui-même en se basant sur de grands ensembles de données et des algorithmes d’apprentissage automatique.

Ainsi, il est également capable de fournir des décisions opérationnelles intelligentes et des résultats cohérents basés sur des prévisions précises. L'adoption précoce de l'IA par des sociétés telles que Google, Amazon et Uber a mis en lumière les avantages qui en découlent, ce qui a renforcé leur capacité à s'adapter à un certain nombre de conditions dynamiques et à conserver une longueur d'avance.

Afin de créer un environnement plus productif et de prendre des décisions proactives, plusieurs fabricants ont recours à l'IA et à ses technologies associées, telles que l'apprentissage automatique (ML), l'apprentissage en profondeur et l'Internet des objets (IoT). Les entreprises manufacturières aux marges volatiles et aux pressions des marchés des capitaux doivent donc s’adapter rapidement pour ne pas se laisser distancer par la concurrence. Pour ce faire, ces entreprises doivent être en mesure d'évaluer l'évolution des besoins de leurs différentes parties prenantes en utilisant leurs données pour réaligner les processus et améliorer les performances globales.

Dans un avenir proche, ces robots pourraient fonctionner sans surveillance et atteindre une manœuvrabilité humaine. AI contribue énormément à la composition des produits, aux simulations, aux séquences d'automatisation des processus, à l'analyse structurelle, à l'évaluation de la qualité et à l'inspection visuelle. Actuellement, ces choses sont encore supervisées, nécessitant une intervention humaine, et avec le temps, les algorithmes s'améliorent et seront très bientôt complètement non supervisés.

La revue du MIT (Massachusetts Institute of Technology) a publié sa dixième technologie de pointe en 2018 et l'intelligence artificielle a été mise en avant.

L’une des technologies les plus intrigantes en cours de développement est l’architecture de réseau neuronal appelée Generative Adversarial Network (GAN). Les GAN opèrent en opposant deux réseaux de neurones: un réseau tente de simuler des échantillons de données après avoir examiné un ensemble de données réelles et l'autre réseau tente de discriminer les échantillons de données simulés des échantillons de données réels.

Cette concurrence entre réseaux aboutit à un réseau générateur capable d’appréhender la structure sous-jacente des données de manière non supervisée afin de créer des simulations extrêmement réalistes. La plupart des applications du GAN se concentrent actuellement sur l'imagerie et produisent des échantillons d'ordinateurs photoréalistes.

Une analyse: Les modèles d'intelligence artificielle capables d'apprendre automatiquement la structure des données de manière «non supervisée» (par opposition à l'approche «supervisée» actuelle qui oblige les humains à étiqueter minutieusement des millions d'échantillons de données) constituent la prochaine frontière de l'IA / ML et l'une des fonctionnalités que produira une autre explosion de gain de performance. Le monde de la technologie explore activement l’utilisation du GAN dans diverses efficiences de fabrication.

Comment l'IA renforcerait-elle la gestion de la qualité?

La qualité est impérative dans la fabrication. Une dégradation de la qualité peut être due à un emballage médiocre du produit, à des problèmes de transport, à des défauts de la machine, à des défauts de processus du fournisseur ainsi qu’à des défauts métallurgiques. Chacune de ces défaillances peut entraîner une perte considérable en termes de taux de rejet plus élevé des clients, de coûts de production élevés et, éventuellement, de perte de revenus pour l'entreprise de fabrication. L'amélioration de la qualité a un rôle plus important à jouer dans ces domaines.

Dans le monde d’aujourd’hui de l’industrie 4.0, l’utilisation croissante de l’analyse Big Data dans la fabrication prédictive Un algorithme avancé d’apprentissage automatique peut analyser les données traitées collectées à partir du système de production pour fournir –

a) Alerte précoce pour perturbation du processus

b) Prédire la qualité du produit

Vikas Gupta, directeur général, Wiley India

À l'aide de l'IA, les fabricants peuvent collecter des données à chaque phase et agir plus rapidement sur un problème qui se pose, que ce soit le contrôle de la qualité des matières premières, le transport ou les performances de l'équipement des divers équipements utilisés.

Celles-ci aident finalement les entreprises manufacturières à réduire le taux de rejet de leurs produits tout en gardant un œil constant sur les causes profondes de chaque problème lié au processus de fabrication.

Les algorithmes activés par l'IA peuvent avertir les équipes de fabrication des défauts de production émergents (susceptibles de causer des problèmes de qualité), notamment des déviations par rapport aux recettes et des anomalies subtiles du comportement de la machine. Les données du marché secondaire sur les performances, l'historique des réclamations et les données de qualité sur le terrain peuvent être utilisées pour améliorer la qualité en production, permettant ainsi une réingénierie plus rapide et un contrôle visuel de la qualité.

Comme l’évaluation de la qualité est un processus laborieux qui exige l’attention d’un très grand nombre de détails. L'intelligence artificielle par la perception visuelle a déjà battu l'homme dans les tâches de reconnaissance, de mesure et d'inspection. De plus en plus de sociétés ajoutent des outils basés sur l'IA pour mesurer la qualité et, puisque vous pouvez faire évoluer les ordinateurs efficacement, vous pouvez augmenter la vitesse d'inspection de la qualité à votre guise. Parallèlement aux algorithmes d'intelligence artificielle et à la robotique, la qualité de la caméra a considérablement augmenté.

Aujourd'hui, les caméras industrielles peuvent fonctionner à plus de 100 degrés Celsius tout en capturant 250 images par seconde. Cela signifie que l'inspection peut être effectuée directement au niveau de la production, sans réduire la vitesse de production.

En raison de la nature des algorithmes d'intelligence artificielle et de vision, chaque produit peut être testé pour sa conformité, tandis que l'inspection de la qualité était généralement effectuée sur quelques échantillons, en extrapolant les résultats à l'ensemble du lot. Il s’agit d’une augmentation massive du nombre de points de données, ce qui ne ferait qu’aider à obtenir des métriques de qualité très précises.

Comment l'apprentissage machine est-il appliqué dans la fabrication?

Les algorithmes d'apprentissage automatique sont la colonne vertébrale de l'intelligence artificielle. Dans l'apprentissage automatique, les algorithmes sont formés sur des objectifs. Ces objectifs pourraient être d'identifier des objets, de lire du texte, de mesurer des surfaces ou des volumes, de déterminer les défauts, de calculer des alignements d'articulations, de déplacer des bras robotiques en fonction d'une trajectoire spécifique tout en évitant les objets, de déterminer l'orientation des objets, de trouver la structure appropriée pour un composant, etc. Une collection de ces objectifs et de beaucoup d’autres créerait un flux d’activités dans le secteur manufacturier.

Pour chacun de ces objectifs, les ingénieurs collecteraient les données (donc supervisées), puis formeraient un modèle (par exemple un réseau de neurones profonds) pour atteindre le même objectif. À mesure que les données d'apprentissage s'améliorent en qualité et en variation, l'algorithme s'améliore. Ces algorithmes supervisés sont déjà très répandus de nos jours. Dans quelques années, nous verrions des algorithmes non supervisés les remplacer, où toute nouvelle variante peut être automatiquement gérée par les programmes d'intelligence artificielle.

Vous trouverez ci-dessous des facteurs de croissance explosive de l'IA:

# Puissance de calcul avancée

# Disponibilité accrue des données

# Disponibilité des algorithmes Open Source

L'apprentissage automatique aiderait à exploiter la croissance de 20 à 25% du segment connecté à forte intensité d'ingénierie over les cinq prochaines années.

Les cas d'utilisation de ML comprennent:

$ Algorithmes d'analyse de séries chronologiques et de détection d'anomalies permettant d'identifier à l'avance l'usure et les défaillances et permettant une maintenance prédictive

$ La vision par ordinateur ainsi que d'autres entrées structurées et une surveillance en temps réel, pour identifier les défauts et les écarts dans les chaînes de production –

1. Réduire les taux de rejet des produits

2. Améliorer la qualité

3. Réduire les besoins en main-d’œuvre.

4. La reconnaissance des formes aide les experts en la matière

$ Analyse de la cause originelle

$ Concessions de réparation

$ Identification des principaux facteurs influant sur les paramètres de production

$ Trouver des goulots d'étranglement dans la production

$ Travailleurs assistés vocaux dans l'atelier pour obtenir rapidement des informations et des connaissances

$ Optimisation globale des processus de fabrication dans des domaines tels que la gestion de la chaîne logistique, la gestion des actifs, la gestion des stocks et la prévision de la demande.

Quels sont les éléments clés à garder à l'esprit lors de l'adoption de l'IA?

Premièrement, pour le succès des initiatives numériques, il est très important que les entreprises de fabrication évoluer vers une décision centrée sur les donnéesorganisation faisant. Il s'agit d'un changement radical de mentalité pour les dirigeants ainsi que pour les employés.

Avec cet état d'esprit en place, l'adoption de l'IA devrait se concentrer sur les domaines pertinents sur la base d'un évaluation approfondie de l'état actuel et de la stratégie de l'unité de fabrication. Les priorités de l'organisation sont décidées par la direction et ces priorités déterminent la feuille de route globale pour la transformation via l'adoption de la technologie.

La révolution numérique nécessite que les décisions clés liées à la fabrication soient basées sur les données générées à partir des systèmes opérationnels centraux ainsi que d'autres systèmes organisationnels (p. Ex. ERP, RH, etc.). La valeur de l'adoption de l'IA est fortement corrélée à la qualité et à la précision des données.

La précision des données peut être assurée en les collectant le plus près possible de la source. – soit dans l'atelier utilisant l'IoT, soit directement à partir des systèmes de l'entreprise via des API (interfaces de programmation d'applications) bien définies. Toute intervention manuelle dans ce processus est susceptible de compromettre la qualité des données. Les données historiques constituent une source riche en analyses puissantes et peuvent améliorer la qualité des informations fournies par les systèmes d'intelligence artificielle.

Aujourd'hui, la majeure partie de l'IA est confondue avec l'apprentissage automatique (différences clés entre l'IA et le ML) ou des algorithmes supervisés. Lorsque les algorithmes sont supervisés, ils sont aussi bons que les données sur lesquelles ils sont formés. Il faut beaucoup se concentrer sur la création du jeu de données pour que les algorithmes prennent en compte toutes les variations possibles. Un bon exemple serait – la détection d'objet. Avec l'éclairage, la distance de la caméra, l'objectif de la caméra ou la vitesse de la courroie du convoyeur, les enregistrements de la caméra sont modifiés. Tous les modèles de détection d'objet changeraient à moins que les données d'apprentissage incluent tous ces éléments et bien d'autres éléments.

L'apprentissage machine n'est pas une solution parfaite permettant de gérer automatiquement tous ces écarts.et il faut y investir temps et énergie. Mais une fois qu'un modèle robuste est formé, le retour sur investissement est inégalé. L'apprentissage automatique est en train d'améliorer la robotique, et c'est actuellement un problème qui fait l'objet de nombreuses recherches. Il nous reste encore 3 à 5 ans pour faire fonctionner des robots avec une intelligence artificielle (algorithmes non supervisés). Ce serait une décision très difficile pour tout fabricant qui investit dans les robots et l’automatisation d’aujourd’hui, sachant qu’ils seraient obsolètes dans les 3 à 5 prochaines années, ou au moins deux générations derrière de nouveaux.

4 Les éléments clés à garder à l’esprit lors de la planification de l’administration de l’IA?

1. Les organisations qui envisagent d'adopter l'IA devraient se concentrer sur la gestion des données, les réseaux de sécurité et les plateformes d'IA qui répondront à leurs besoins.

2. Des indicateurs de performance clés (KPI) clairement définis pour évaluer le retour sur investissement (ROI), car l'IA est un investissement coûteux

3. L'intégration des sources de données et le nettoyage des données sont essentiels

4. Les autres considérations comprennent:

$ Capacité de stockage dynamique et évolutive pour accueillir des volumes de données énormes

$ Des réseaux à haute efficacité à grande échelle sont nécessaires

$ Unités de traitement graphique pour optimiser l'infrastructure du centre de données et améliorer l'efficacité énergétique

Quel est le rôle clé de l'IdO dans le déploiement de l'intelligence artificielle?

L'IdO est le catalyseur de l'IA serait un euphémisme. IoT fournit uniquement les données des actifs connectés, mais le rôle de le rendre exploitable repose sur AI. Il offre un contexte et de la créativité sur les données IOT, aboutissant ainsi à une intelligence connectée. L'intelligence artificielle est bien plus avancée dans l'identification des patterns et la création d'actions que les méthodes traditionnelles telles que le traitement post-événement ou le traitement en temps réel.

De nos jours, plusieurs technologies de rupture sont introduites dans toutes les industries, toutes ayant des objectifs et des fonctions spécifiques contribuant à un objectif plus large. L'IoT et l'IA ne font pas exception à la règle: l'IoT connecte les machines et utilise les données générées à partir de celles-ci pour exécuter des tâches, tandis que l'IA permet aux machines de fonctionner avec un comportement intelligent et humain.

Rajat Narang, directeur, Asolutdata Analytics

La technologie IoT stocke des données qui permettent la surveillance et la gestion à distance de processus qui sont ensuite mis en œuvre par AI en temps réel. Cela contribue à améliorer les résultats en fournissant des informations permettant d’accélérer la production et d’améliorer la qualité générale et les processus en réduisant les déchets.

Dans l’industrie manufacturière, l’élément «intelligent» est introduit en utilisant l’IdO et l’IA pour traiter les données afin d’aider les entreprises à prendre des décisions éclairées qui amélioreront considérablement la production. Cette opération est effectuée via des capteurs et des machines qui envoient ces informations au cloud via des systèmes connectés en IdO en usine. Les données sont ensuite analysées par les systèmes d'IA dans le contexte approprié pour créer des informations exploitables permettant d'améliorer les opérations commerciales et le retour sur investissement.

L'IdO et l'IA travaillent ensemble et se complètent. L'IoT se concentre sur la connexion de périphériques et d'entités jusqu'ici déconnectés. Les données de ces entités deviennent une source riche pour le fonctionnement des technologies d’IA. Les systèmes IoT garantissent que les données sont disponibles en temps réel et que leur caractère sacré est assuré en les collectant le plus près possible du point d'origine des données.

Quels sont les usages et applications de l'intelligence artificielle dans l'industrie manufacturière?

La mise en œuvre de l'intelligence artificielle dans le secteur de la fabrication à l'échelle mondiale a entraîné une immense transformation. L'une des principales préoccupations concerne la maintenance en cours des équipements de fabrication et la production de machines de ligne entraîne des dépenses énormes en raison des temps d'arrêt imprévus.

Les robots activés par l'IA peuvent révéler des informations sur chaque étape de la procédure de fabrication et fournir ultérieurement des données accumulées via un logiciel d'analyse, ce qui permet d'obtenir des prévisions précises et un comportement comportemental dans diverses circonstances, notamment le temps, la quantité et la qualité de la fabrication.

L'application de l'IA en tant que solutions de gestion de décision flexibles et intelligentes est susceptible de transformer le secteur de la fabrication: ingénierie, approvisionnement, gestion de la chaîne d'approvisionnement, opérations industrielles (fonctions de production et fonctions connexes), marketing, vente et services à la clientèle. Il fait partie des principaux composants technologiques d'Industrie 4.0.

Selon un récent article publié dans Wiley Innovation Black Book sur les technologies émergentes 2019 – «Adopter et s'adapter à ces changements technologiques n'est plus une option… il est impératif que les fabricants répondent rapidement aux demandes changeantes de leurs clients et maximisent les nouveaux débouchés».

L'application de l'IA s'étend à toute la gamme de la chaîne de valeur manufacturière.

Produit

$ Les véhicules autonomes sont synonymes d'IA

$ Solutions d'assistance à la conduite telles que la détection / l'évitement d'obstacles, les avertissements de maintien de voie / de départ de voie, la planification de trajectoire, etc.

$ Optimisation de la conception – 30% de réduction des coûts de conception.

Production:

$ Amélioration de la fiabilité des actifs – Surveillance / analyse normative basée sur les conditions pour la maintenance des machines, etc.

Après vente :

$ Amélioration de l'efficacité de la main-d'œuvre grâce à l'inspection de réparation basée sur CV, à la concession cognitive, à l'acheminement optimisé des techniciens, grâce à l'IA

Logistique :

$ Les solutions de logistique intelligente activées par l'IA dans la chaîne d'approvisionnement comprennent la prévision de la demande, l'analyse des dépenses, la surveillance automatisée des stocks, l'optimisation des itinéraires, le suivi et la surveillance à distance.

Exemple: Analyse de la chaîne d'approvisionnement – Une ML supervisée et non supervisée pour extraire des informations à partir des données de la chaîne d'approvisionnement permet d'atténuer les risques liés à la chaîne d'approvisionnement

Ventes et Marketing:

$ Hyper personnalisation, analyse de la confiance des clients et offres promotionnelles ciblées pour une meilleure conversion des ventes et une augmentation des revenus

Venkateswaran, Vice-président principal, Solutions IoT, Systèmes persistants

AI peut surveiller et exploiter de manière autonome les unités de fabrication de manière autonome afin de produire des produits de haute qualité avec une grande prévisibilité.

Intelligence artificielle dans l'industrie manufacturière: modes de déploiement

L'intelligence artificielle a été déployée de différentes manières pour aider à la fabrication de produits transformés, réduisant ainsi les coûts et améliorant la productivité. Certains d'entre eux sont:

$ Utilisation améliorée des actifs: La mise en œuvre de mesures telles que la maintenance prédictive (Machine Learning) a permis d'accroître la disponibilité des ressources critiques et de réduire les temps d'arrêt imprévus.

$ Amélioration du rendement de fabrication: Models leveraging machine learning are constructed using historical data to predict Yield from near real-time production data and optimized by adjusting input parameters.

Improved Manufacturing Quality: Similarly, models leveraging machine learning are constructed using historical data to predict quality from near real-time production data and optimized by adjusting input parameters so that the output satisfies customer CTQs

Enhanced Quality through Image Analytics: Models to detect flaws that otherwise would be invisible to human eye ensure better quality of product

Improved alignment of Supply & Demand through data driven forecasting. Production is flexibly rescheduled based on fluctuations in demand near real-time. The inventory is managed through better planning and real time supply chain optimization. This leads to making thinking supply chains a reality.

Improved Labor Productivity by Human-Robot (COBOTICS) collaborations. Hazardous, repetitive/ monotonous, or heavy-lifting tasks can be performed by robots enabling employees to concentrate on other tasks that are more value add in nature.

Sreenivasan V, President, Lines of Business, ITC Infotech

There is tangible benefit in greenfield scenarios using the above implementations. Additionally, brown-field situations can benefit on a case-to-case basis depending on the availability of data and the flexibility of adding or replacing a line or an asset with latest equipment and the use of robotics.

What are the Possibilities with AI in Conventional Industries such as Manufacturing or Supply Chain?

With AI penetrating the manufacturing industries of today at a rapid pace, the future of the industry is geared towards ‘Smart Factories’ and other smart spaces which make use of AI and ML algorithms to process data and streamline production processes.

Generative design is one such process that is helping designers and engineers plan and carry out the designing process by feeding it into the software. The generative design software then analyses all the data, studying every possible option to produce alternative designs. Using ML, it is able to test and learn about what is required based on the data gathered from each interaction. Thus, in this way, those responsible for product design are able to easily select and create one particular design based on all their requirements after a thorough AI machine-based analysis.

Additionally, using a function called ‘digital twins’ has also made it easier for companies to carry out remote work. A digital twin is a virtual version of a particular product, service or process that works using IoT supported by ML and AI tools. It collects information about a physical item through embedded sensors, which then send this data to a cloud-based system. Based on this, teams can make appropriate changes and improvements accordingly. Similarly, smart manufacturing also uses similar processes to help manufacturers predict and quickly address errors or problems in products and services.

Since most manufacturing businesses involve warehouses, companies are increasingly beginning to use a process called ‘reinforcement learning’ to manage their warehouses. For this, robotics-based systems are used to carry out reinforcement based algorithms, which help with managing inventory, space, and tracking transit time. This has helped companies monitor processes efficiently and ensure increased and improved production.

Prashant Gupta, Head of Solutions, Verizon Enterprise Solutions India

We are looking at a future where a factory can run end to end without any supervision. This, though would affect jobs, would help move factories out of cities and very close to raw material sources (since not many humans would be required to re-locate).  Future factories would be a testament of human engineering and efficiency, where not only raw material consumption is reduced, but waste is efficiently recycled and re-used.





Laisser un commentaire