Briser les mythes sur l'intelligence artificielle

Les fabricants sont confrontés à la tâche difficile de jongler avec le "programme d'innovation" actuel. Aujourd'hui, l'Internet industriel des objets (IIoT), l'automatisation robotique et l'intelligence artificielle (IA) sont tous sur le point de devenir la prochaine grande nouveauté. Mais ceux qui sont en première ligne de la fabrication sont prudents pour adopter l'innovation, et à juste titre. Trop souvent, les attentes ne sont pas satisfaites, les investissements en capital sont faits en vain et l'expérimentation ne se traduit pas positivement par des bénéfices.

Au lieu de cela, de nombreuses entreprises adoptent une approche attentiste. Ils attendent que les grandes entreprises, avec des budgets plus importants, trouvent comment rendre ces nouvelles technologies viables, éduquant ainsi le reste du marché. Mais l'IA est différente. L'IA industrielle se concentre sur l'utilisation des données des équipements et des capteurs pour faire des prédictions intelligentes et automatiser la prise de décision opérationnelle. Les fabricants ne peuvent pas se permettre d'attendre pour mettre en œuvre l'IA industrielle - les récompenses sont bien trop importantes. Malgré les mythes à son sujet, l'IA industrielle est un cas rare d'innovation abordable sans défauts inhérents. Passons en revue les mythes un par un.

Mythe n° 1 :l'IA coûte cher

Bien que toutes les innovations aient le potentiel d'améliorer la fabrication, elles nécessitent souvent des investissements importants. Mais l'IA peut obtenir des résultats tangibles sans investissement important. Le secret est de savoir l'appliquer et de tirer parti des efforts de R&D déjà réalisés par les sociétés basées sur Internet. En effet, les algorithmes utilisés par Amazon et Netflix peuvent désormais être transférés vers des implémentations hors ligne en atelier. Pour les fabricants, le gros du travail - développer et tester la technologie de base - a déjà été accompli et payé.

Cependant, les fabricants doivent comprendre où, dans l'atelier, l'IA sera le mieux appliquée. Ne vous laissez pas tromper par l'idée futuriste des "usines connectées". L'IA peut se présenter sous une forme beaucoup moins extravagante et très pratique :optimiser les processus existants avec des données existantes. Compte tenu des processus de fabrication traditionnels (flux de travail établis, opérations 24h/24 et 7j/7 et longs cycles de vie des équipements), l'IA a beaucoup à faire.

Ce sera bientôt l'IA que nous connaissons. Invisiblement intégré, il améliorera des domaines tels que les dépenses en matières premières, l'efficacité énergétique et le débit avec une prise de décision plus précise à chaque étape. De plus, aucune dépense en capital ou nouveau matériel ne sera nécessaire.

Mythe n° 2 :l'IA ne produit de vrais résultats qu'à long terme

Le coût initial n'est pas la seule crainte des fabricants lorsqu'ils investissent dans l'innovation. Le souci du temps nécessaire au retour sur investissement (ROI) peut également occulter les ambitions technologiques. Dans le secteur manufacturier, le déploiement d'une technologie innovante peut prendre des années, avec un retour sur investissement parfois mesuré en décennies. D'autres priorités interviennent et les managers peuvent devenir moins motivés lorsque les résultats finaux ne sont pas garantis.

La situation est différente avec l'IA industrielle. La construction de modèles basés sur l'IA prend des mois, pas des années. Les tests pour mesurer les résultats de l'IA sur des processus continus ne nécessitent que des jours ou des semaines. Une fois le modèle appliqué, il génère immédiatement de la valeur en produisant des résultats qui orientent d'autres changements stratégiques.

Mythe n° 3 :l'IA perturbe les processus existants

Les gens appréhendent naturellement le changement, surtout lorsqu'il s'agit de modifier un processus qui fonctionne déjà. Un changement en entraîne souvent un autre et, comme le savent les gestionnaires expérimentés, même lorsque la technologie fonctionne, le processus d'intégration et d'adoption peut être difficile. Cependant, lorsque l'IA est utilisée pour optimiser les processus, rien de tout cela ne s'applique.

Lorsque l'IA est utilisée pour l'optimisation, il n'est pas nécessaire de réorganiser la chaîne de production ou de former le personnel à l'utilisation de nouveaux contrôles de processus. Les projets d'intégration informatique complexes, souvent à l'origine de griefs parmi les DSI et les utilisateurs finaux, ne sont pas non plus nécessaires. Au lieu de cela, les mêmes processus métier sont exécutés par les mêmes moyens, mais d'une manière beaucoup plus efficace. Par exemple, l'IA peut suggérer les meilleurs modes de fonctionnement des équipements ou la quantité exacte de matières premières nécessaires, le tout dans la même interface que vos opérateurs utilisent déjà. La seule chose affectée par l'IA est le résultat net du fabricant.

L'IA est depuis longtemps sur le radar de la fabrication. Mais aujourd'hui, avec à la fois une puissance de calcul suffisante et des données critiques disponibles, l'IA peut être poursuivie efficacement. Il y a peu de raisons de retarder un projet d'IA ; la technologie est déjà là et les craintes concernant l'innovation ne s'appliquent pas. Dans le cas de l'IA, il n'y a vraiment pas de meilleur moment que le présent.