Les petits fabricants exploitent l'IA pour des opérations allégées et une efficacité accrue

L'intelligence artificielle est largement reconnue comme un aspect crucial de ce que l'on appelle généralement l'Industrie 4.0. Bien que personne ne sache encore exactement comment l'IA sera intégrée dans la prochaine phase de la révolution industrielle, la plupart s'accordent à dire qu'elle permettra une plus grande connectivité entre les personnes, les machines et les technologies de l'information, permettant aux fabricants d'optimiser leurs processus et de prévoir les problèmes.

Comment les petits et moyens fabricants (PME), qui n'ont généralement ni le temps ni le capital pour tester les technologies émergentes, sont-ils censés évaluer l'impact potentiel de l'IA sur leur organisation — et jouer un rôle dans leur préparation à l'Industrie 4.0 ?

Attendre que le secteur manufacturier tranche, pour ainsi dire, n'est certainement pas une option. Un retard d'un, deux ou cinq ans pourrait laisser un fabricant sur le carreau. Le moment d'agir est maintenant, mais la voie à suivre n'est pas claire.

Une approche consiste à évaluer l'intelligence artificielle à travers une transformation continue que de nombreuses PME ont déjà adoptée : la fabrication allégée (lean manufacturing).

Mettre le « continu » dans l'amélioration continue grâce à l'intelligence artificielle

Au cœur de la philosophie lean se trouve l'idée d'amélioration continue. C'est un engagement envers le changement permanent. Pour faire du lean, une volonté de changer doit être maintenue en permanence afin que lorsqu'une opportunité d'amélioration est identifiée, elle puisse être rapidement mise en œuvre.

Les améliorations lean passent par des interventions. Si un problème est identifié, disons dans un processus, le travail est arrêté. Les membres de l'équipe sont appelés à observer, tirer des conclusions, porter des jugements et finalement prendre des mesures qui adressent la cause du problème. Ce fonctionnement par à-coups est la manière dont le lean opère, bien que son rythme arrêt-démarrage semble fondamentalement en contradiction avec l'idée d'amélioration continue. C'est ce qui est actuellement faisable — ou du moins humanement possible.

Et si vous n'aviez pas à arrêter le travail pour effectuer une opération lean ? Et si vous pouviez réaliser la majeure partie du processus lean fondamental (observer, conclure, juger, agir) pendant que le travail se poursuit, rendant le processus lean plus continu ? C'est l'une des principales promesses de l'intelligence artificielle pour les opérations de fabrication à toute échelle.

Par où les opérations lean peuvent commencer avec l'intelligence artificielle

L'intelligence artificielle est un vaste domaine qui englobe une large gamme de technologies — des algorithmes capables d'apprendre à partir de jeux de données aux robots qui ressemblent à quelque chose sorti d'un film de science-fiction.

En ce qui concerne les petits fabricants, le type d'IA qui devrait principalement les intéresser est une sous-discipline appelée apprentissage automatique (machine learning). Comme le définit Amit Manghani dans son « Premier sur l'apprentissage automatique » :

Manghani décrit ensuite quatre types d'apprentissage automatique, tous pouvant avoir des applications pour la fabrication lean. Cela suppose toutefois qu'un petit fabricant soit prêt à investir dans la puissance de calcul nécessaire pour rendre les données requises disponibles pour l'analyse computationnelle :

1. Apprentissage supervisé
2. Apprentissage non supervisé
3. Apprentissage semi-supervisé
4. Apprentissage par renforcement

Examinons chacune de ces quatre opportunités d'appliquer l'apprentissage automatique à la fabrication lean plus en détail :

1. Apprentissage supervisé

Dans l'apprentissage supervisé, les algorithmes analysent les données entrantes, attribuant des étiquettes à toute donnée répondant à des critères prédéfinis. Les fabricants lean pourraient utiliser cette technique pour automatiser le contrôle qualité de pièces complexes, par exemple, en supposant que les données pertinentes des pièces puissent être enregistrées et mises à disposition de l'algorithme.

2. Apprentissage non supervisé

Avec l'apprentissage non supervisé, il n'y a pas de réponses préétablies qu'un algorithme pourrait utiliser pour trier les données. Au contraire, l'algorithme doit observer et évaluer les données au fur et à mesure qu'elles s'accumulent, identifiant des motifs et créant des étiquettes émergentes. Ce type d'apprentissage automatique pourrait être utilisé par les fabricants lean pour surveiller une machine de production — ou une série de machines en réseau — pour détecter un comportement inhabituel et ainsi anticiper une panne.

3. Apprentissage semi-supervisé

Comme son nom l'indique, l'apprentissage semi-supervisé mélange les approches supervisée et non supervisée. Dans un scénario semi-supervisé, il existe certaines étiquettes existantes pour les données. D'autres critères sont également développés par l'algorithme au fil du temps avec l'assistance d'une supervision humaine. Un scénario semi-supervisé pourrait être utile pour optimiser la production de pièces répétitives, éliminant potentiellement à la fois le gaspillage de pièces et de processus.

4. Apprentissage par renforcement

Dans un scénario par renforcement, un algorithme projette quelle action, parmi un ensemble d'actions possibles, aboutira à la récompense la plus élevée. Les PME engagées dans un processus de transformation lean pourraient utiliser ce type d'apprentissage automatique pour évaluer différents chemins vers les changements orientés processus qu'elles envisagent.

L'apprentissage automatique peut compléter la fabrication lean

En se concentrant sur l'apprentissage automatique, on commence à voir comment il existe des applications de l'IA qui sont utiles et accessibles pour la plupart des fabricants, quelle que soit leur taille. Dans certains cas, des pièces du puzzle peuvent déjà être disponibles sous forme de données collectées par des capteurs de machines déjà installés, l'infrastructure technologique de l'information (IT) et technologique opérationnelle (OT) existante.

Alors que les PME commencent à envisager des applications pour l'IA, il est important de se rappeler que aucun de ces scénarios ne menace automatiquement la disponibilité d'emplois pour les humains. Au contraire, ces idées peuvent être poursuivies de manière complémentaire à un processus lean qui responsabilise les travailleurs, en donnant aux employés un accès à l'information en temps réel et de meilleurs outils pour la résolution de problèmes et l'exécution sur le terrain.

Une analogie utile est la technologie actuelle des capteurs automobiles, qui complète la conscience et les perceptions des conducteurs humains. Non seulement cette technologie améliore la sécurité, elle aide aussi à garantir qu'il y a moins de friction dans l'ensemble du système de conduite en alignant le comportement de tous sur la route. Ainsi, la technologie de sécurité automobile ne retire personne de l'équation de la conduite — elle rend la conduite plus sûre et plus efficace.

Si l'on adopte cette perspective, l'intelligence artificielle peut être vue comme un simple outil de plus dans la boîte à outils lean — bien que potentiellement très puissant.