5 minutes avec PwC sur l'IA et le Big Data dans le secteur manufacturier

Manufacturing Global s'entretient avec Kaveh Vessali, PwC Moyen-Orient Partenaire (Digital, Data &AI) sur l'application de l'IA et du Big Data dans le Manufacturing

Pourriez-vous définir ce qu'est l'intelligence artificielle et ce qu'est le Big Data ?

L'IA est la capacité d'une machine à percevoir son environnement et à effectuer des tâches qui nécessitent normalement l'intelligence humaine, et c'est tout un domaine de différentes technologies, techniques et applications.

Le Big Data est un ensemble d'outils et de capacités permettant de travailler avec des ensembles de données extrêmement volumineux et de les traiter.

Comment l'IA et le Big Data fonctionnent-ils ensemble ?

Le big data n'est qu'un des catalyseurs de l'IA, mais comme nous constatons une augmentation des volumes de données, c'est l'un des plus importants 

Comment cela peut-il être appliqué à un environnement de fabrication ?

D'une manière générale, l'IA et l'utilisation des données présentent de nombreux avantages, notamment la réduction des coûts, la minimisation des erreurs humaines et l'augmentation de la productivité et de l'efficacité. La chose importante à considérer est n'importe quel paramètre - pour l'utilisation de n'importe quelle technologie - quel est le problème que vous essayez de résoudre ? Qu'il s'agisse d'automatiser simplement des tâches répétitives ou de réinventer la nature du travail dans les usines en faisant collaborer les humains et les machines afin de prendre de meilleures décisions plus rapidement.

Pourquoi les fabricants devraient-ils utiliser l'IA et le Big Data lorsqu'ils adoptent des capacités de fabrication intelligente ? Quelle est la valeur pour les fabricants ?

L'un des points de vue est, encore une fois, les avantages économiques de l'IA, qui découlent de : 

1. Gains de productivité grâce à l'automatisation des processus et à l'augmentation du travail des forces de travail existantes avec diverses applications des technologies d'IA.

2. Augmentation de la demande des consommateurs en raison de la capacité accrue de personnaliser et d'adapter les produits manufacturés, ainsi que des produits et services numériques et améliorés par l'IA de meilleure qualité.

Les industries manufacturières (et de la construction) sont par nature à forte intensité de capital, et dans notre rapport de 2018, "L'impact potentiel de l'IA au Moyen-Orient", nous avons estimé que l'adoption d'applications d'IA pourrait augmenter la contribution des secteurs aux gains du PIB de plus de 12,4 % d'ici 2030. 

Comment l'IA et le Big Data peuvent-ils aider les fabricants à évoluer dans la révolution de l'Industrie 4.0 ? Qu'en est-il de ceux qui envisagent déjà l'Industrie 5.0 ?

Il s'agit vraiment de l'investissement que vous faites maintenant, afin de pérenniser votre entreprise.

Nous voyons généralement deux grandes stratégies ou approches pour l'adoption de l'IA. Il y a des choses qu'on peut faire tout de suite, sans aucun recours au Big Data, c'est-à-dire adopter des technologies que l'on qualifie de Sensing, celles qui font appel à la vision par ordinateur, par exemple. Il existe de nombreux cas d'utilisation où ceux-ci peuvent être utilisés immédiatement dans la fabrication, par exemple pour la détection automatique des défauts. Cependant, il existe un jeu à plus long terme qui nécessite d'investir dans les données - mettre en place les bons mécanismes de collecte, le stockage, la gouvernance des données, les capacités de Big Data, etc. - afin de développer des cas d'utilisation de l'IA basés sur l'apprentissage automatique de plus en plus précieux. Ceci est absolument nécessaire pour le succès de l'adoption à long terme.

Quelle est la meilleure stratégie pour les entreprises qui cherchent à exploiter la valeur de l'IA et du Big Data dans le secteur manufacturier ?

L'IA et le Big Data ne sont qu'une partie d'une usine intelligente réussie. Les organisations qui mènent l'adoption de l'IA sont celles qui ont déjà fait le plus de progrès dans la numérisation des processus métier de base. Pour aller de l'avant dans l'utilisation des solutions d'IA à grande échelle, il y a un certain nombre d'investissements technologiques et de décisions organisationnelles à prendre, notamment : 

1. La numérisation des processus conduit finalement à une meilleure capacité à générer des données, et dans le cadre de la fabrication - avec plusieurs centaines de capteurs générant des milliers de mesures en temps réel, le résultat est le Big Data. Les données sont essentielles à la construction de l'IA, c'est pourquoi l'acquisition, la gestion et la gouvernance de données fiables et précises sont essentielles. La chaîne de production et les usines jouent un rôle critique et direct dans le processus d'acquisition de données.

2. La stratégie d'IA, à long et à court terme, commence par les cas d'utilisation, les applications métier. Les fabricants doivent demander où ils veulent utiliser l'IA et rassembler ces cas d'utilisation et hiérarchiser les projets en fonction d'un équilibre entre l'impact attendu et la complexité de la mise en œuvre.

Bien sûr, en plus de la technologie et des processus commerciaux, les personnes sont au cœur de toute adoption réussie d'une technologie. Les équipes d'IA doivent être composées non seulement de data scientists, mais aussi d'ingénieurs de données et d'architectes de solutions pour permettre leur travail, de data stewards pour garantir l'exactitude, et de plus en plus d'appelés « traducteurs analytiques/IA » capables de communiquer avec les chefs d'entreprise et les experts en technologie. . La culture est également essentielle, et les fabricants doivent permettre une culture axée sur les données et l'IA, en renforçant la confiance dans les données et les algorithmes en éduquant leur main-d'œuvre sur l'IA et ses capacités, sur la meilleure façon d'extraire de la valeur. Ce n'est pas seulement le positif bien sûr, mais aussi les risques et les limites, car ceux-ci, lorsqu'ils sont rencontrés sans que des attentes aient été définies, peuvent avoir un impact significatif sur la volonté d'investir.

Quels sont les défis liés à l'adoption de l'IA et du Big Data dans le secteur manufacturier ?

a montré que l'un des principaux défis de la mise en œuvre de l'IA est l'incertitude entourant le retour sur investissement (ROI). Comme je l'ai dit, des investissements importants sont nécessaires pour qu'une stratégie de données et d'IA à long terme soit couronnée de succès, et les attentes à long terme pour voir des rendements tangibles doivent être définies de manière réaliste.

De nombreuses entreprises ont également du mal avec le côté données :collecter et fournir les données dont un système d'IA a besoin pour fonctionner, et s'assurer qu'elles sont exactes. Encore une fois, cela témoigne des investissements plus importants requis dans la numérisation.

Certains des principaux défis pour les entreprises manufacturières avec la mise en œuvre de l'IA à grande échelle à partir de nos recherches incluent :  

• 40 % → Technologies non matures  
• 40 % → La main-d'œuvre manque de compétences pour mettre en œuvre et gérer l'IA  
• 36 % → Retour sur investissement incertain  
• 33 % → Les données ne sont pas encore matures 
• 32 % → manque de transparence et de confiance  
• 24 % → Comités d'entreprise et syndicats  
• 22 % → Obstacles réglementaires sur les marchés nationaux et importants  

Un élément mis en évidence ici, en particulier autour du manque de confiance et des syndicats, est que l'IA est généralement présentée à tort dans les médias comme « remplaçant » les travailleurs et prenant des emplois. Oui, il y a des gains d'efficacité à tirer de l'automatisation, comme il y en a eu depuis la première révolution industrielle. Mais nous pensons que les données et l'IA sont plus utiles lorsqu'elles sont utilisées pour augmenter les travailleurs, améliorer leurs capacités et les produits fabriqués.

Un autre défi que nous commençons à voir émerger est celui des cyberattaques ciblant de plus en plus les équipements et les machines interconnectés dans les usines intelligentes. PwC a récemment organisé une webdiffusion, en coopération avec la National Association of Manufacturers aux États-Unis et Microsoft pour en discuter.

Quelles sont les tendances actuelles de l'IA et du Big Data dans le secteur manufacturier ?

• Nous voyons des entreprises mettre un peu plus l'accent sur l'ajout de solutions d'IA aux processus de production de base tels que l'ingénierie, l'assemblage et les tests de qualité 
• La sécurité revêt une importance considérable, les techniques adoptées dans les capacités de respect du protocole (par exemple, le maintien d'une distance de sécurité par rapport à des machines spécifiques) étant adoptées dans des scénarios plus quotidiens pour le respect du protocole COVID-19 
• Il existe un intérêt considérable pour la maintenance prédictive des grandes machines impliquées dans les processus de fabrication, ainsi que pour l'optimisation de la chaîne d'approvisionnement

Que voyez-vous se passer dans le secteur de l'IA et du Big Data dans le secteur manufacturier au cours des 12 à 18 prochains mois ?

Honnêtement, je pense que nous verrons une poursuite de ce que nous avons déjà fait au cours des 12 à 18 derniers mois. L'IA et les données sont déjà utilisées dans la fabrication, mais cette utilisation n'attire pas autant l'attention des médias que, disons, les soins de santé, mais les réussites sont là et elles se poursuivront à mesure que les opérations poursuivront leur parcours numérique.