Nous utilisons des cookies pour vous garantir la meilleure expérience sur notre site. Si vous continuez à utiliser ce dernier, nous considérerons que vous acceptez l'utilisation des cookies.
Le site de la transformation digitale des entreprises et de l’entreprise mobile par GPOMag
Production et Supply Chain, l'IA élément clé de prédictibilité
Intelligence Artificielle

Production et Supply Chain : l’IA élément clé de prédictibilité

Jusqu’à peu, la récupération des données de production offrait surtout un aperçu des événements passés, en un tableau synthétique. Elles fournissaient aux gestionnaires de sites industriels une photographie de la production à un instant T telle que, par exemple, l’arrêt d’un moteur avec alarme (description) à cause d’un déclenchement de relais surchargé (diagnostic). Ce type de programme contribuait déjà à l’optimisation de l’exploitation d’une ligne de production ou d’une usine. Combiné à de l’intelligence artificielle, il peut alors permettre à ces sites d’adapter la cadence des outils de production, d’augmenter le taux d’occupation des machines, d’épauler un opérateur sur la ligne de production, de gérer les stocks de manière optimale… Enfin et surtout, l’intelligence artificielle ouvre la voie aux mesures prédictives (ce qui est sur le point d’arriver) et prescriptives (ce que je peux faire pour l’éviter).

L’intelligence artificielle au service de la prédictibilité

Avec l’IA, quand le responsable d’atelier ou le directeur d’usine interprète les données avant de prendre une décision, l’analyse avancée (fondée sur l’IA) interprète les données avant qu’il y ait un problème. Techniquement, cette analyse avancée s’appuie sur des algorithmes fondés sur des modèles mathématiques. Elle a pour vocation de prédire les événements futurs et de les transmettre aux systèmes de contrôle en temps réel.

Elle permet ainsi de réaliser de la maintenance prédictive pour réparer les équipements ou les systèmes critiques (à savoir ceux dont l’arrêt ou le dysfonctionnement peuvent potentiellement coûter très cher) avant que ne survienne une panne. Si une panne potentielle est détectée, elle est signalée afin de la prévenir entre deux productions, en changeant une pièce défectueuse par exemple. Cela évite les temps d’arrêt en cours de production – coûteux financièrement et en termes de qualité. Par exemple, le transport aérien est l’un des secteurs qui a investi le plus pour éviter l’arrêt imprévu d’une machine. Des dizaines de capteurs renvoient en permanence des données permettant d’anticiper les risques d’arrêt du moteur d’un avion et de réduire le temps au sol. Ces données sont analysées par des systèmes intelligents pour générer des alertes. Le rôle des experts est alors d’infirmer ou de confirmer ces alertes. Dans l’exploration pétrolière, l’intelligence artificielle est notamment utilisée pour détecter les risques de fuite.

Chaque année, General Electric (GE) génère environ 1000 kilomètres carrés d’images prises à l’intérieur de pipelines grâce à des robots dotés de caméras. Selon l’Agence Internationale de l’Énergie, l’ensemble de ces technologies pourra, au total, réduire les coûts de 10 à 20%. De telles applications sont donc déjà opérationnelles, mais il faudra un certain temps pour que cela devienne une pratique courante.

Optimisation des systèmes de gestion de production complexes

Les applications d’intelligence artificielle permettent également d’optimiser la planification et la gestion des systèmes complexes afin de mieux contrôler les paramètres d’un processus comprenant des machines multiples et des sources d’incertitudes. Ces dernières peuvent être liées à la qualité variable des éléments entrants dans la production (les intrants), aux conditions météorologiques (impact de la température ou de l’humidité de l’air sur un processus chimique) ou à des interventions humaines.

Renault s’appuie par exemple sur sa suite logicielle Alternova combinée aux études de conception réalisées par EURODECISION à partir de technologies d’intelligence d’artificielle pour dimensionner des systèmes complexes qui répondent à des critères de résistance, de sécurité, de coût, d’émission de CO2, etc., dans la conception de ses véhicules. Les études d’optimisation de la caisse de certains des véhicules Renault comportent entre 30 et 200 paramètres de conception relatifs à une centaine de pièces environ. En automatisant les chaînes de calcul, la durée des études d’optimisation a été divisée par trois.

Les entreprises du secteur industriel, de toutes tailles, sont ainsi déjà nombreuses à avoir intégré l’IA au sein de leur process de production, que ce soit au niveau des machines ou dans les logiciels de planification. L’IA fait partie de ces éléments qui dessinent l‘industrie de demain, l’industrie 4.0, et participera à optimiser sa productivité tout en diminuant coûts et délais.

Anne Del Pozo collabore depuis près de 20 ans à différents magazines en qualité de journaliste. Elle y traite de sujets articulés essentiellement autour de la finance, des flottes automobiles, du voyage et du tourisme d'affaires ou encore des ressources humaines et du numérique. Anne del Pozo participe également à la rédaction de nombreux témoignages clients et de newsletters d'entreprise.