Les leaders de l'industrie franchissent les barrières de l'IA dans la fabrication intelligente

Pourquoi davantage de fabricants aux États-Unis n'utilisent-ils pas les technologies de fabrication intelligente comme l'IA et l'apprentissage automatique pour réduire les déchets, atteindre la maintenance prédictive et améliorer leurs systèmes d'automatisation ?

Cette question était au cœur de la table ronde « Le rôle de l'IA dans la fabrication », organisée par CESMII, l'Institut de la fabrication intelligente. Les participants représentaient Procter & Gamble, Raytheon Space and Airborne Systems, Microsoft, UCLA et CESMII.

Les experts ont discuté des obstacles à surmonter : le « purgatoire des pilotes », les logiciels dépendants de plateformes, les data scientists sans connaissance du domaine manufacturier et l' « anarchie des données ».

« Il y a encore beaucoup de battage médiatique autour de cet espace, ce qui n'est pas inhabituel quand on a le potentiel de perturber une industrie entière », a déclaré John Dyck, PDG de CESMII et modérateur de la table ronde. « Mais cela rend encore plus important de comprendre la distinction entre ce qui reste aspiratif et ce qui est pragmatiquement réalisable. »

Ce qui nous ramène à la question : qu'est-ce qui freine l'adoption plus large de l'IA par les fabricants ?

De nombreuses entreprises rapportent essayer d'intégrer l'IA dans leur organisation mais restent bloquées dans le « purgatoire des pilotes », incapables de mettre à l'échelle un petit projet réussi.

Même une entreprise du Fortune 500 comme Procter & Gamble admet avoir des problèmes. Encore au début de l'adoption de l'IA, la société a réussi à déployer quelques algorithmes d'apprentissage automatique. Mais P&G bute sur leur mise à l'échelle.

« On réalise que je n'ai pas d'infrastructure capable d'extraire les données comme je le souhaite », a déclaré Jeff Kent, responsable des plateformes intelligentes de P&G. « Je n'ai pas de plateforme qui contextualise bien, et je n'ai pas d'endroit où l'algorithme peut être développé facilement par des experts non-data scientists. Nous sommes donc au stade où nous avons des pilotes réussis mais ils restent dans le contexte de qui les a développés. »

« Je pense que nous sortons du purgatoire des pilotes », a-t-il ajouté, « mais nous ne maintiendrons une adoption évolutive et n'atteindrons la pleine promesse de l'Industrie 4.0 que lorsque tout cela se réunira dans un processus de travail complet et un ensemble complet d'applications dans lesquelles P&G, nos fournisseurs et OEM pourront tous participer. »

Kelly Dodds, directrice de la technologie de fabrication avancée chez Raytheon, a indiqué que le contractant militaire a réussi à intégrer l'IA dans des applications robotiques utilisant la vision machine.

« La capacité de la vision machine à prélever ce qu'on veut prélever à chaque fois et à s'améliorer elle-même est une entreprise significative », a-t-elle déclaré.

Pour relever le défi de l'adoption de l'IA, Dodds a précisé que Raytheon promeut des programmes d'éducation en data science avec un contexte manufacturier.

« Nous avons besoin de data scientists qui ont une expertise du domaine », a-t-elle dit. « Développer ce vivier de personnes ayant ce contexte est important. »

En parlant de data scientists, Jonathan Wise, VP technologie de CESMII, est un développeur logiciel qui pense que ses collègues codeurs doivent concevoir leurs algorithmes avec la flexibilité de déploiement en tête.

« Nous avons une main-d'œuvre qui a développé de l'intelligence dans des automates programmables (PLC) depuis deux décennies, mais ces fournisseurs de plateformes n'ont construit aucune couche d'abstraction matérielle (HAL) entre le code et le PLC », a-t-il expliqué. « Dans le logiciel IT, par contraste, depuis quelques années, nous construisons nos logiciels à partir de composants, et ces composants sont faiblement couplés dans une architecture particulière et connectés par des interfaces bien définies. »

L'antidote aux logiciels dépendants de plateforme, selon Wise, est de construire des algorithmes indépendants de plateforme et dotés d'interfaces d'information communes.

De plus, les données elles-mêmes doivent être dans un format standardisé, a-t-il ajouté.

Jim Davis, vice-recteur à l'informatique à UCLA, a déclaré : « La façon de faire cela... est de réfléchir à comment vous échangez les données, les partagez, les mutualisez, les combinez, travaillez avec elles de manière collective. Il y a donc une stratégie à l'échelle de l'industrie. »

Avec la pandémie et le changement climatique perturbant les chaînes d'approvisionnement, réduire les déchets et utiliser les ressources efficacement peut être un avantage critique de l'adoption de l'IA, a indiqué Walid Ali, expert en IA manufacturière chez Microsoft.

« Les processus industriels représentant près de la moitié de la consommation d'énergie de notre espèce et un cinquième des émissions mondiales de gaz à effet de serre, c'est la chose éthique à faire, ainsi que la bonne décision business avec certaines économies nous poussant à collaborer sur des boucles de ressources fermées et le cycle de vie des produits, de la production à la consommation », a-t-il affirmé.

« C'est une période d'opportunités sans précédent qui nous permet de faire la bonne chose d'un point de vue technologique avec l'IA et la fabrication intelligente, ainsi que pour les opportunités de durabilité dans l'environnement où nous vivons. »