L'IA d'entreprise pilote l'innovation et la stabilité dans le secteur de l'acier

Avec les avancées technologiques pilotées par l'intelligence artificielle (IA) et la création de data lakes, les organisations en viennent à reconnaître leur valeur pour la production industrielle.

L'IA d'entreprise peut être embarquée dans les modèles business fondamentaux pour augmenter la prise de décision. Elle se focalise sur les résultats plutôt que sur la technologie elle-même, permettant à une organisation de transformer les données en insights précieux pour créer une valeur client continue.

L'industrie du métal, l'une des plus anciennes de la civilisation humaine, a été le dos de la croissance industrielle moderne. L'acier est le métal le plus populaire en usage aujourd'hui, et le fer, le quatrième élément le plus commun dans la croûte terrestre, en est le constituant clé.

Selon la Worldsteel Association, la production mondiale d'acier brut a augmenté de 189 millions de tonnes métriques en 1950 à 1,8 milliard mt en 2018. La croissance rapide sur les deux dernières décennies est venue de la capacité excédentaire produite en Chine, qui contribue près de 50 % de la production mondiale d'acier. Le déséquilibre a causé des disruptions majeures à l'industrie, surtout dans le monde occidental, alors que les fabricants chinois ont commencé à exporter leur excédent d'inventaire à bas prix.

Alors que ce déséquilibre est susceptible de continuer, les entreprises travaillent à améliorer l'efficacité en modernisant leurs technologies de fabrication de fer et d'acier. Dans le processus, elles ont graduellement réduit la dépendance à la main-d'œuvre humaine, en faveur de l'automatisation.

Une usine d'acier moderne emploie bien moins de main-d'œuvre humaine qu'il y a 25 ans. Pendant une période où la production mondiale d'acier a grandi de deux fois et demie, l'industrie a perdu plus de 1,5 million de membres de la main-d'œuvre.

La chaîne d'approvisionnement de l'acier contient certains éléments uniques qui sont core à l'industrie :

• Une chaîne d'approvisionnement entrante multi-sourcée. Les mines génèrent un flux continu de matières premières. Cependant, le minerai de fer vient dans une variété de formes et qualités qui requièrent souvent un traitement additionnel avant de passer au traitement de produit final. Cela peut résulter en divers grades d'acier qui ne sont pas nécessairement ancrés aux demandes spécifiques des clients.
• Une production sensible aux pannes. Le processus de fabrication de fer et d'acier requiert un flux ininterrompu de matériaux entre les stades de production, incluant haut fourneau, convertisseur à oxygène basique, coulée continue et laminoir. Arrêter et redémarrer une opération donnée pendant le processus de fabrication d'acier peut être coûteux. Donc, le flux de production et d'inventaire doit être équilibré pour éviter les coûts de réchauffage, minimiser les changements et éliminer l'accumulation non désirée d'inventaires en cours de fabrication.
• Un réseau complexe de stockage et distribution de produits finis. Le stockage, le suivi et la distribution sont vulnérables aux inefficacités dues aux grades, poids et tailles variés des produits finis. De plus, il y a des limitations à l'utilisation de technologies de suivi pour l'industrie de l'acier, comme les tags d'identification par radiofréquence (RFID) qui interfèrent avec les propriétés physiques de l'acier.
• Canaux de vente multiples. Traditionnellement, les entreprises d'acier ont compté sur une variété de canaux de vente indirects, comme les revendeurs, agences et centres de service, tous ciblant les mêmes marchés. Les fabricants d'équipement d'origine (OEM) d'acier ont un contrôle limité sur le marché, avec une visibilité minimale aux exigences du consommateur final. De plus, les canaux indirects ralentissent le processus de vente due aux multiples handshakes et l'accumulation de frais généraux, comme les commissions d'agence. Avec l'avènement de la vente par internet et canaux de vente directs, les marketplaces électroniques et e-enchères sont devenus un moyen populaire d'améliorer la transparence, raccourcir les cycles de vente et réduire les frais généraux. Au même moment, les plateformes de marketplace électronique ont donné aux clients un accès prêt aux données de marché et cotations compétitives pour les exigences de grade spécifiées. Cela a résulté en une prolifération de grades d'acier, 75 % desquels ont été développés dans les 20 dernières années. Rencontrer les exigences des clients avec le cycle d'exécution de commande le plus court et le prix le plus compétitif sont devenus clés pour le processus de vente.
• Un marché commoditisé et volatile. Dans la chaîne d'approvisionnement de l'acier, tant les matières premières que le produit fini sont commoditisés. Donc, le business est exposé à la volatilité des prix aux points de demande et d'offre, résultant en une rentabilité diminuée.

Les entreprises génèrent de grands volumes de données quotidiennement, et ça croît exponentiellement. Les données viennent sous formes structurées et non structurées. Comme le calcul en mémoire, le stockage, et les technologies digitales deviennent fiables et abordables, de nombreuses entreprises métalliques les utilisent pour développer de l'analytique avancée et gagner des insights de processus. Jusqu'à maintenant, cependant, la plupart de ces efforts ont manqué de vision organisationnelle sous forme de stratégies de chaîne d'approvisionnement intégrées. L'industrie de l'acier a une place significative pour bénéficier de l'amélioration de sa prowess digitale.

Un jumeau numérique est la réplique virtuelle des processus de chaîne d'approvisionnement physiques, et le dos pour l'intégration cyber-physique. Il assure la transmission seamless de données entre mondes digitaux et entités physiques. Pour activer l'IA d'entreprise, les attributs suivants de jumeaux numériques sont nécessaires :

• Une plateforme commerce écosystème pour l'échange d'information avec tous les partenaires business internes et externes, via des logiciels commerciaux off-the-shelf disponibles.
• Plateforme d'écoute et souscription à l'information, pour capturer l'information au-delà des frontières du contrôle direct.
• Connectivité équipement physique et capture d'événements via des appareils Internet des Objets (IoT). Le jumeau numérique assure une collecte de données continue, temps réel, à divers nœuds de chaîne d'approvisionnement, comme le stockage de minerai (par mineurs, fournisseurs et opérateurs de navires), production (par four à coke, usine de sinter, haut fourneau, coulée et laminoir), stockage et distribution de produits (par cours et transporteurs de fret), et canaux de vente (incluant marketplaces électroniques, centres de service et revendeurs).

Un big-data lake est le lieu unique de stockage pour toutes les données d'entreprise dans leur format natif. Il peut être utilisé pour une variété de buts, comme l'analytique avancée pilotée par la data science et le machine learning. Pour les entreprises d'acier, un big-data lake peut stocker des données business non liées de divers nœuds de chaîne d'approvisionnement, incluant fosses, cours, hauts fourneaux, coulées et laminoirs, en formats bruts. Le big data peut être utilisé pour obtenir des insights dans les domaines suivants :

• Intelligence de marché, composée d'informations sur la macroéconomie, politiques monétaires, tarifs, échanges de métaux, fluctuations prix commodités, information concurrents et situations géopolitiques.
• Données usine acier, fournissant détails de capacité et opérations à divers stades, comme la fabrication de fer et acier, gestion de cours, et transport.
• Données plan business, incluant plans de production et d'expédition.
• Données écosystème partenaires, générées par parties prenantes externes comme clients, agences, centres de service, mineurs, freight forwarders et opérateurs de navires. L'écosystème partenaires devrait fournir accès aux données dans un réseau business multi-entreprise (comme une plateforme commerce écosystème) depuis des organisations externes avec qui les entreprises d'acier font du business.

L'IA d'entreprise comprend les fonctions suivantes :

• Détection d'événements à divers stades dans la chaîne d'approvisionnement acier. Avant d'atteindre le pas de porte du consommateur, un produit acier doit subir un cycle de fabrication complet. Alors que le minerai de fer en vrac est converti en produits acier discrets, les matières premières traversent de multiples équipements et étapes de processus. Toute perturbation ou changement à n'importe quelle partie de la chaîne d'approvisionnement aura un impact majeur sur d'autres phases de production. Un jumeau numérique, avec attributs associés comme IoT, reconnaîtra immédiatement les changements et collectera les données pour analyse ultérieure.
• Analyse des événements et détermination de leur impact sur les indicateurs clés de performance (KPIs) à différents horizons temporels. Une fois les données d'événement collectées, une plateforme analytique avancée est déclenchée pour identifier les influences possibles sur les activités planifiées. Cette étape crée de nombreux scénarios « what-if » en une fraction de seconde, permettant la comparaison de résultats de changements possibles à travers le réseau d'approvisionnement. L'évaluation peut déterminer les impacts sur divers KPIs dans l'horizon de planification.
• Recommandation de solutions alternatives. Tandis que la collecte et l'analyse de données sont essentielles, la vraie valeur de l'IA d'entreprise réside dans sa capacité à analyser l'étendue complète des impacts, et fournir des recommandations associées. Si l'impact est au-delà du seuil de certains KPIs, les règles business et leçons de l'expérience cognitive antérieure peuvent aider l'IA d'entreprise à recommander des solutions qui délivrent les résultats business désirés. De telles recommandations doivent considérer les influences à travers le réseau de chaîne d'approvisionnement, et recommander des plans optimaux.
• Optimisation des résultats par apprentissage cognitif continu. Un big-data lake fournit des insights via la data science. L'IA d'entreprise, à son tour, utilise l'information pour activer l'optimisation continue des résultats. Un big-data lake est une masse d'informations non liées qui prendrait la vie d'un humain à comprendre. Sans structure, cette information ne peut pas être utilisée pour des buts business. Les techniques de data science peuvent filtrer les données non structurées dans des dimensions business spécifiques, comme cadre temporel, géographie et produit, et déterrer des connexions cachées pour activer l'auto-apprentissage continu.

L'IA d'entreprise pilote la fiabilité, l'efficacité et la productivité dans l'industrie de l'acier par la réduction de la main-d'œuvre manuelle, la remplaçant par de la connectivité machine-à-machine et de l'analytique prescriptive. Elle peut détecter des éléments tels que l'insight de marché, la volatilité de la demande, et les perturbations en production et approvisionnement. L'utilisation industrielle des technologies IA, avec les investissements dans big-data lakes et jumeaux numériques, promet de transformer les entreprises d'acier en opérations plus réactives et rentables. Une vue pragmatique de l'IA d'entreprise peut dramatiquement augmenter les efficacités de la chaîne d'approvisionnement acier, menant à des coûts de portage d'inventaire réduits et raccourcissant le time-to-market dans le marché volatile de l'acier.

Hiranmay Sarkar est managing partner chez Tata Consultancy Services' (TCS) Consulting and Services Integration Practice.