L'IA propulse la fabrication zéro déchet : transformation des usines et des chaînes d'approvisionnement

Si nous aspirons à un monde sans déchets, il nous faudra peut-être autre chose que le cerveau humain pour y parvenir.

La réponse, comme pour tant d'autres aspects de l'entreprise aujourd'hui, réside dans l'intelligence artificielle — plus précisément dans sa capacité à éliminer les déchets industriels dans la fabrication.

Stephen Pratt, PDG de Noodle.ai, une entreprise qui utilise l'IA pour rationaliser les opérations de flux industriels, considère cette technologie naissante comme un outil pour « revenir à la manière dont les usines et les chaînes d'approvisionnement sont censées fonctionner ». Cela signifie atteindre « un flux sans couture des matières premières jusqu'aux rayonnages ».

Bien sûr, l'élimination des déchets dans l'usine et au-delà est une obsession des dirigeants de la chaîne d'approvisionnement depuis des décennies. Le célèbre système de production Toyota, qui identifie sept formes de muda, le mot japonais pour « déchet », remonte à la fin des années 1940. Plus récemment, les théories du Lean et du juste-à-temps (JAT) pour l'approvisionnement en pièces aux usines et en produits finis aux entrepôts ont éliminé ce que les gestionnaires considéraient comme des stocks excédentaires. (Au point, malheureusement, que de nombreux détaillants se sont retrouvés sans assez de produits pour satisfaire la demande croissante de biens de consommation pendant la pandémie de COVID-19. La chaîne d'approvisionnement « lean » de l'un est la rupture de stock de l'autre.)

On peut se demander si les théories précédentes pour éliminer les déchets du système ont produit plus de livres et d'articles universitaires que de résultats réels en usine. Selon Pratt, la Banque mondiale estime que les déchets industriels mondiaux sont aujourd'hui 18 fois plus importants que les déchets municipaux solides — « ce que nous appelons les ordures ».

Pour être juste, le Lean, le JAT, la méthodologie Six Sigma, la théorie des contraintes et d'autres outils de planification avancée ont tous marqué les pratiques de gestion en usine et au-delà. Les déchets de production ont été drastiquement réduits, mais demeurent un problème de 2 000 milliards de dollars aujourd'hui. (Pratt décompose ce chiffre ci-dessous.) « Il n'y a nulle part un état parfait de flux », dit-il. « Beaucoup de chaînes d'approvisionnement ont des règles de gestion fixes, mais demandez à n'importe quel planificateur de stocks, et il vous dira que la seule chose qu'il sait, c'est que ces règles sont fausses. »

Arrive l'IA avec une approche inédite du contrôle des déchets. La différence, selon Pratt, réside dans l'utilisation d'algorithmes complexes pour prédire quand l'excès de pièces, de produits et de pratiques menace d'enrayer le fonctionnement. De telles alertes permettent aux humains d'agir pour prévenir le problème avant qu'il n'affecte le flux des produits.

L'utilisation de l'IA spécifiquement pour s'attaquer aux déchets de production a moins de dix ans, dit Pratt, mais s'est déjà révélée « incroyablement efficace ». Les applications manufacturières précédentes, notamment la planification des besoins en matières (MRP) et la planification des ressources de l'entreprise (ERP), étaient freinées par des ordinateurs lents et des données coûteuses.

« Le fléau de ces technologies, c'est qu'elles supposaient des moyennes pour le rendement de production et les délais de livraison », explique Pratt. « C'est comme parler de la pointure moyenne d'une personne sur la planète. La différence entre la moyenne et la réalité représente environ la moitié de tous les déchets dans le monde. »

Les sept formes de muda de Toyota, identifiées par l'ingénieur industriel japonais Taiichi Ohno, sont : transport, stock, mouvements, attente, surproduction, surqualité et défauts. Avec l'IA, Pratt étend le concept au-delà de l'usine pour délimiter ce qu'il considère comme les quatre principaux domaines de gaspillage dans la chaîne d'approvisionnement aujourd'hui :

• Produits défectueux. Un article défectueux qui traverse tout le processus de production doit être jeté. Le coût pour les fabricants, selon Pratt, s'élève à environ 861 milliards de dollars par an.
• Pannes d'usine. Les arrêts non planifiés sont « un problème géant », coûtant 689 milliards de dollars par an.
• Erreurs de distribution. L'usine sort un produit parfait, qui stagne à l'étape de distribution parce que les systèmes informatiques actuels ne peuvent pas respecter les objectifs de livraison en termes de temps, lieu et quantité. Le coût des stocks excédentaires : environ 446 milliards de dollars par an.
• Rayons vides. L'absence de produit ne semble pas être une forme de gaspillage. Pourtant, la peur des détaillants face aux ruptures de stock quand les clients veulent acheter — ce qui arrive environ 9 % du temps — les pousse à inonder la chaîne d'approvisionnement de stocks. Résultat, dit Pratt : « ils produisent plus qu'ils n'ont à le faire. »

Pour la première fois, une puissance de calcul sans cesse croissante permet de s'attaquer efficacement à ces quatre domaines. L'ordinateur moyen utilisé pour de tels calculs aujourd'hui est 2 000 fois plus rapide que le superordinateur le plus puissant du monde en l'an 2000, note Pratt.

Le rôle de l'IA évolue rapidement, passant de l'analyse descriptive à l'analyse prescriptive. Un système piloté par l'IA peut aujourd'hui détecter des anomalies, alerter les gestionnaires de leur imminence, prédire les conséquences de tels événements et recommander des actions correctives. De plus, dit Pratt, « il vous dit comment ajuster votre usine pour ne pas produire de produits défectueux. »

Cela ne signifie pas que les humains sont exclus. Pratt envisage un système idéal combinant la puissance de calcul brute de l'IA avec la créativité et les insights du cerveau humain. Et par tout critère, l'IA a encore un long chemin à parcourir avant de tenir ses promesses dans les environnements manufacturiers, sans parler du monde au sens large.

Comme pour toute technologie de pointe, l'adoption de l'IA sera progressive. Mais Pratt estime que sa maturité est accélérée par les exigences des grands détaillants comme Walmart pour une performance sans faille de la part des fournisseurs. Leur capacité à répondre à de tels critères « pourrait faire la différence entre l'existence et la disparition », affirme-t-il.