Les fabricants adoptent l'IoT augmenté par l'IA pour supply chain, production et innovation

L'IoT étendu par l'IA apporte trois bénéfices principaux aux fabricants : optimisation supply chain, fabrication intelligente, et innovation produit ou service.

La convergence IoT-IA : un game-changer pour la fabrication

Il y a une richesse de données maintenant streamant depuis les nombreux edges de l'IoT, donc il est naturel de commencer à penser à des façons d'appliquer l'intelligence artificielle (IA) pour délivrer des insights précieux au business. Pour les fabricants, cela peut être un game-changer, coupant dramatiquement les coûts et accélérant leur entrée dans les business de services. Cependant, beaucoup ne sont qu'au début de ce voyage.

Le convergence imminente entre IoT et IA a été explorée lors d'un panel à la récente conférence AI World à Boston, modéré par Les Yeamans, rédacteur en chef exécutif de RTInsights.

Voir aussi : L'Allemagne transforme la fabrication en une forme d'art IoT

Le potentiel pour l'IoT étendu par l'IA apporte trois bénéfices principaux aux fabricants en ce moment — optimisation supply chain, fabrication intelligente, et innovation produit ou service, dit Reid Paquin, directeur de recherche chez IDC. Actuellement, il ajoute, « la fabrication intelligente est où la plupart des entreprises commencent et concentrent leurs investissements. C'est particulièrement vrai avec la fabrication de process, spécifiquement la gestion d'actifs. » Du côté fabrication discrète, il dit, « la grande opportunité est produits et services — beaucoup de fabricants essaient de sortir des produits plus vite, mais aussi d'essayer de changer leurs mixes produit vers service, passant à la servitisation. »

Passer à une entreprise pilotée par données et IA peut prendre du temps pour beaucoup de fabricants, les panelistes sont d'accord. « Dans tout projet data science ou IA, la première étape est collecter et organiser vos données, » dit Zachariah Eslami, delivery leader, expert données et IA labs et apprentissage pour IBM. Le défi est d'amener les données ensemble de parties disparates de l'entreprise, observe-t-il. « L'issue est l'input depuis données et collectes de données, warehouses sont souvent distribués parmi différents groupes IT, différentes équipes qui l'utilisent sans un repository unique ou catalogue de connaissance, que vous pouvez prendre et distribuer les données et les manipuler, extraire ces insights. »

Un autre défi aux projets IoT-IA est un manque général de compétences, continue Eslami. « C'est à la fois dans le sens d'être capable de s'adapter à l'informatique, comprendre, et apprendre et utiliser des notebooks Python ou R, et vraiment avoir une compréhension claire de ce que c'est de nettoyer les données, les préparer, et puis commencer à faire de l'analyse dessus, pour que vous puissiez construire des modèles machine dessus. »

Quand il s'agit de commencer le voyage IA, « où vous êtes dépend de où vous êtes assis, » dit Ryan Martin, analyste principal chez ABI Research. « Si vous possédez une usine de fabrication d'une taille décente — quelques centaines de milliers de pieds carrés — commencez avec la surveillance d'état ou le tracking d'actifs. Le tracking d'actifs va être de loin le plus pertinent, car cela aide les coûts, cela aide l'entreprise à rester organisée. » La maintenance prédictive est un autre point de départ, car « cela n'a pas de sens d'envoyer quelqu'un inspecter tous les différents extincteurs qui sont là dehors sur base mensuelle si seulement quatre ont besoin d'être remplacés. »

Paquin est d'accord que la gestion d'actifs est un bon point de départ pour l'IA augmentée par IoT, avec les systèmes de qualité basés vision. En plus, « tous les grands fournisseurs ERP essaient de tisser l'IA dans leurs applications, surtout côté financier et côté planification. »

Les panelistes ont aussi discuté de l'emploi de jumeaux numériques pour la fabrication, que ce soit implémenter un jumeau numérique pour une pièce, pour une machine, pour une usine entière, pour les produits dans une usine. « La fabrication est un très grand espace pour les jumeaux numériques, » dit Eslami. « NASA a commencé à l'implémenter en premier, GE le fait pour moteurs à réaction, Siemens pour énergie alternative, Chevron pour distribution champs pétrolifères. « La grande chose avec les jumeaux numériques est qu'en dessous de tous il y a un modèle, qui prend des données et peut tester diverses circonstances et situations. Avec l'IA, vous pouvez input et tester multiples variables en temps réel, et ajuster la performance, et voir comment cela réagira dans le temps. C'est une énorme économie de coûts. »

L'arrivée imminente des réseaux 5G — qui faciliteront mieux les réseaux machine-à-machine temps réel — a aussi été examinée. « La 5G va arriver comme la 4G est sortie plus vite que la 3G, la 5G viendra plus vite que la 4G, » prédit Martin. « Ce qui est intéressant avec la 5G sont les capacités qui viennent avec — réseautage déterministe. C'est-à-dire, 'okay, c'est plus important de dire à ce robot d'arrêter que d'avoir le capteur de vibration continuer.' Cela viendra avec la spécification 5G plus loin dans la ligne, dans le timeframe 2021-2025. »

Martin a ajouté que « ça va prendre un moment avant que vous commenciez vraiment à voir des choses, mais les essais précoces que nous voyons avec la 5G sont incroyablement convaincants, la technologie fait ce qu'ils disent qu'elle fera, c'est juste une question d'envelopper les bons standards autour et l'amener au marché. »