IOT et industrie : 10 façons dont l'apprentissage automatique révolutionne la fabrication en 2019

L'IA a le potentiel de créer de 1,4 à 2,6 milliards de dollars de valeur dans le marketing et les ventes à travers les entreprises du monde, et de 1,2 à 2 milliards de dollars dans la gestion de la chaîne d'approvisionnement et la fabrication.
 D'ici 2021, 20% des principaux fabricants s'appuieront sur l'intelligence intégrée, utilisant l'IA, l'IoT et les applications blockchain pour automatiser les processus et augmenter les temps d'exécution jusqu'à 25% selon IDC.
 L'apprentissage automatique améliore la qualité des produits jusqu'à 35% dans les industries manufacturières discrètes, selon Deloitte.
  
 Selon McKinsey, 50% des entreprises qui adoptent l'intelligence artificielle au cours des cinq à sept prochaines années ont le potentiel de doubler leurs flux de trésorerie, la fabrication étant leader dans toutes les industries en raison de sa forte dépendance aux données.
 D'ici 2020, 60% des principaux fabricants dépendront des plateformes numériques pour prendre en charge jusqu'à 30% de leurs revenus globaux.
  
 48% des fabricants japonais voient plus d'opportunités pour intégrer l'apprentissage automatique et les techniques de fabrication numérique dans leurs opérations qu'on ne le pensait initialement selon l'étude historique de McKinsey, Digital Manufacturing – échappant au purgatoire pilote.
 
Conclusion: La principale stratégie de croissance pour les fabricants en 2019 consiste à améliorer la productivité de l'atelier en investissant dans des plates-formes d'apprentissage automatique qui fournissent les informations nécessaires pour améliorer la qualité des produits et les rendements de production.
L'utilisation de l'apprentissage automatique pour rationaliser chaque phase de la production, en commençant par la qualité des fournisseurs entrants jusqu'à la réalisation de la planification de la fabrication, est désormais une priorité dans la fabrication. Selon une enquête récente de Deloitte, l'apprentissage automatique réduit les temps d'arrêt imprévus des machines de 15 à 30%, augmente le débit de production de 20%, réduit les coûts de maintenance de 30% et offre une augmentation de la qualité jusqu'à 35%.
Voici dix façons dont l'apprentissage automatique révolutionne la fabrication en 2019:
 
 L'IA a le potentiel de créer de 1,4 à 2,6 milliards de dollars de valeur dans le marketing et les ventes à travers les entreprises du monde, et de 1,2 à 2 dollars dans la gestion et la fabrication de la chaîne d'approvisionnement. McKinsey prédit que la maintenance prédictive basée sur l'IA a le potentiel de fournir entre 0,5 et 7,7 milliards de dollars de valeur aux fabricants. McKinsey cite la capacité de l'IA à traiter d'énormes quantités de données, y compris audio et vidéo, ce qui signifie qu'elle peut rapidement identifier les anomalies pour éviter les pannes. L'apprentissage automatique peut déterminer si un son spécifique est un moteur d'avion fonctionnant correctement lors de tests de qualité ou une machine sur une chaîne de montage sur le point de tomber en panne. Source: McKinsey / Harvard Business Review. La plupart des utilisations commerciales de l'IA se feront dans deux domaines par Michael Chui, Nicolaus Henke et Mehdi Miremadi. Mars 2019
 
 
 
 Les fabricants acquièrent de nouvelles perspectives sur la façon dont ils peuvent devenir plus durables à l'aide de l'apprentissage automatique et de l'analyse prédictive qui évoluent sur des plateformes cloud. Les fabricants de processus utilisent Azure Symphony Industrial AI pour déployer des modèles d'équipement à partir d'une bibliothèque de modèles qui inclut des échangeurs de chaleur, des pompes, des compresseurs et d'autres actifs sur lesquels les fabricants de processus s'appuient. Process 360 AI de Symphony AI aide les utilisateurs à créer des modèles prédictifs de leurs processus. Un processus est défini au niveau élevé comme les articles (tels que les produits chimiques, les carburants, les métaux, les autres produits intermédiaires et finis) en production par le biais de l'équipement. Les exemples de modèles de processus incluent un processus à l'ammoniac, un processus à l'éthylène, un processus au GNL et un processus au polypropylène. Les modèles de processus permettent de prévoir les perturbations et les déclenchements de processus – que les modèles d'équipement seuls peuvent ne pas être en mesure de prédire. Source: blog Microsoft Azure, implémenter l'analyse prédictive pour la fabrication avec Symphony Industrial AI,
 
 
 
 Le Boston Consulting Group (BCG) a constaté que l'utilisation de l'IA par les fabricants peut réduire les coûts de conversion des producteurs jusqu'à 20%, jusqu'à 70% de la réduction des coûts résultant d'une productivité plus élevée de la main-d'œuvre. Le BCG a constaté que les producteurs seront en mesure de générer des ventes supplémentaires en utilisant l'IA pour développer et produire des produits innovants adaptés à des clients spécifiques et les livrer dans un délai beaucoup plus court. Le graphique suivant illustre comment l'IA apportera une flexibilité et une échelle accrues aux processus de production sur la base de l'analyse du BCG. Source: Boston Consulting Group, AI in the Factory of the Future, 18 avril 2018.
 
 
 
 Les fabricants discrets et de processus qui s'appuient sur des actifs lourds utilisent l'IA et l'apprentissage automatique pour améliorer le débit, la consommation d'énergie et le profit par heure. Les fabricants d'équipements lourds, y compris des machines à grande échelle, explorent l'utilisation d'algorithmes pour améliorer le débit, la durabilité et les taux de rendement. McKinsey constate que l'IA peut automatiser des tâches complexes et fournir une cohérence et des points de consigne optimaux précis pour permettre aux machines de fonctionner en mode pilote automatique, ce qui est essentiel pour réaliser une fabrication sans extinction sur un ou plusieurs postes de production. Source: McKinsey, AI en production: un changement radical pour les fabricants aux actifs lourds, par Eleftherios Charalambous, Robert Feldmann, Gérard Richter et Christoph Schmitz
 
 
 
 La détection des défauts de produit et l'assurance qualité basées sur l'intelligence artificielle et l'apprentissage automatique montrent la possibilité d'augmenter la productivité de fabrication de 50% ou plus. Les avantages inhérents à l’apprentissage automatique dans la recherche d’anomalies dans un produit et son emballage ont un potentiel important pour améliorer la qualité du produit et empêcher les produits défectueux de quitter un site de production. Des améliorations allant jusqu'à 90% dans la détection des défauts par rapport à l'inspection humaine sont possibles en utilisant des systèmes basés sur l'apprentissage en profondeur. Compte tenu de la disponibilité des environnements d'IA open source et du matériel peu coûteux en termes de caméras et d'ordinateurs puissants, même les petites entreprises devraient s'appuyer de plus en plus sur l'inspection visuelle basée sur l'IA. Dans l'inspection de la qualité visuelle activée par l'IA, des exemples de référence sont créés par l'imagerie visuelle de produits bons et défectueux sous différentes perspectives qui alimentent la formation d'algorithmes d'apprentissage supervisé. Source: Smartening up with Artificial Intelligence (AI) – Quels sont les avantages pour l'Allemagne et son secteur industriel? (52 p., PDF, pas d'adhésion) McKinsey & Company.
 
 
 
 L’apprentissage automatique a le potentiel de réduire la pénurie chronique de main-d’œuvre dans le secteur manufacturier tout en trouvant de nouvelles façons de fidéliser les employés en même temps. Le secteur manufacturier est confronté à une grave pénurie de main-d’œuvre aujourd’hui, chaque enquête auprès des fabricants reflétant ce problème comme l’un des trois principaux obstacles à la croissance de l’industrie. Eightfold est l'une des entreprises les plus intéressantes à relever ce défi. Leur plateforme Talent Intelligence basée sur l'IA s'appuie sur une série d'algorithmes d'apprentissage automatique supervisés et non supervisés pour correspondre à l'ensemble unique de capacités, d'expérience et de points forts d'un candidat. Les fabricants, dont ConAgra, comptent sur Eightfold pour améliorer le recrutement et redécouvrir les talents dont ils ont besoin pour doter leurs équipes et saisir les opportunités de croissance. Le diagramme suivant explique le fonctionnement de la plateforme d'intelligence octuple:
 
 
 
 L'apprentissage automatique aide les fabricants à résoudre des problèmes auparavant impénétrables et à révéler ceux dont ils ignoraient l'existence, y compris les goulots d'étranglement cachés ou les chaînes de production non rentables. Amélioration de la précision de la maintenance prédictive pour chaque machine dans l'atelier, découvrant comment augmenter le rendement / les rendements de chaque machine et le flux de travail associé, et optimisation des systèmes et optimisation de la chaîne d'approvisionnement. Le graphique suivant illustre comment l'apprentissage automatique améliore la productivité de l'atelier en commençant d'abord au niveau de la machine, puis en évoluant vers les flux de travail et les systèmes sur lesquels ils s'appuient. Source: McKinsey, Manufacturing: Analytics déclenche la productivité et la rentabilité, par Valerio Dilda, Lapo Mori, Olivier Noterdaeme et Christoph Schmitz
 
 
 
 L'apprentissage automatique peut considérablement améliorer la configuration du produit, et les fabricants de workflows de configuration de prix-devis (CPQ) s'appuient sur des produits sur mesure. L'approche de Siemens pour la vente, la conception et l'installation de systèmes de contrôle d'interverrouillage ferroviaire utilise l'IA et l'apprentissage automatique pour trouver la configuration optimale parmi 1090 combinaisons possibles. L'apprentissage automatique est capable de définir les configurations optimales qui répondent le mieux aux besoins des clients tout en étant les plus fiables. Source: Siemens, Next Level AI – Powered by Knowledge Graphs and Data Thinking, Siemens China Innovation Day, Michael May, Chengdu, 15 mai 2019
 
 
 
 L'IA et l'adoption de l'apprentissage automatique dans la fabrication devraient éclipser la robotique au cours des cinq prochaines années, devenant le principal cas d'utilisation dans la fabrication. La complexité et les contraintes des opérations de la chaîne d'approvisionnement sont un cas d'utilisation idéal pour les algorithmes d'apprentissage automatique pour fournir les solutions recommandées. Les fabricants poursuivent aujourd'hui des projets pilotes de maintenance prédictive, ceux qui génèrent des gains de revenus nets étant les plus susceptibles de passer à la production. Source: MAPI Foundation, The Manufacturing Evolution: How AI Will Transform Manufacturing & the Workforce of the Future par Robert D. Atkinson, Stephen Ezell, Information Technology and Innovation Foundation (PDF, 56 p., Opt-in)
 
 
 
 L'apprentissage automatique révolutionne la façon dont les fabricants sécurisent chaque surface de menace, en s'appuyant sur le cadre Zero Trust Security (ZTS) pour sécuriser et faire évoluer leurs opérations. Les fabricants se tournent vers le cadre Zero Trust Security (ZTS) pour sécuriser chaque réseau, plate-forme cloud et sur site, système d'exploitation et application à travers leur chaîne d'approvisionnement et leurs réseaux de production. Chase Cunningham de Forrester, analyste principal, est la principale autorité sur Zero Trust Security et sa récente vidéo, Zero Trust In Action, mérite d'être regardée pour en savoir plus sur la façon dont les fabricants peuvent sécuriser leurs infrastructures informatiques. Vous pouvez retrouver son blog ici. Il y a plusieurs entreprises fascinantes à surveiller dans ce domaine, y compris MobileIron, qui a créé un cadre de sécurité d'entreprise axé sur le mobile et de confiance zéro sur lequel s'appuient aujourd'hui les fabricants. L'approche de Centrify en matière de gestion des accès aux identités empêche les abus de compte privilégiés, qui sont aujourd'hui la principale cause de violations. L'enquête la plus récente de Centrify, Gestion des accès privilégiés dans le paysage moderne des menaces, a révélé que 74% de toutes les violations impliquaient l'accès à un compte privilégié. Les informations d'identification d'accès privilégié sont la technique la plus populaire utilisée par les pirates pour initier une violation afin d'exfiltrer des données précieuses des fabricants et de les vendre sur le Dark Web.
 
 
Lecture supplémentaire:
Rapport sur les tendances de fabrication 2019, Microsoft (PDF, 72 p., Sans option)
Accenture, Manufacturing The Future, L'intelligence artificielle alimentera la prochaine vague de croissance pour les entreprises d'équipements industriels (PDF, 20 p., Pas de opt-in)
Anderson, M. (2019). Apprentissage automatique dans la fabrication. Conception et production automobile, 131 (4), 30-32.
Bruno, J. (2019). Comment l'IIoT peut changer les modèles commerciaux. Génie de la fabrication, 163 (1), 12.
Greenfield, D. (2019). Conseils sur la mise à l'échelle des projets IIoT. ProFood World
Hayhoe, T., Podhorska, I., Siekelova, A., et Stehel, V. (2019). Fabrication durable dans l'industrie 4.0: réseaux intersectoriels de chaînes d'approvisionnement multiples, systèmes de production cyberphysiques et prise de décision axée sur l'IA. Journal of Self-
Gouvernance et économie de la gestion, 7 (2), 31-36.
Honeywell, The Honeywell Connected Plant, juin 2018 (PDF, 36 p., Pas d'adhésion)
Comment et pourquoi numériser votre chaîne d'approvisionnement. (2019). Manufacturing.Net.
Comment les technologies émergentes peuvent transformer la chaîne d'approvisionnement. (2019). Manufacturing.Net,
IRI propose l'IA et l'apprentissage automatique dans une suite de solutions analytiques de premier plan. (2019). Gros plan sur la fabrication
Kazuyuki, M. (2019). Numérisation des processus de fabrication et innovation ouverte: résultats de l'enquête auprès des petites et moyennes entreprises au Japon. Saint-Louis: Banque fédérale de réserve de Saint-Louis.
Machine Learning in Manufacturing – Present and Future Use-Cases, Emerj Artificial Intelligence Research, dernière mise à jour le 20 mai 2019, publiée par Jon Walker
L'apprentissage automatique et l'IA sont les technologies de chaîne d'approvisionnement les plus percutantes. (2019). Manutention et logistique
MAPI Foundation, The Manufacturing Evolution: How AI Will Transform Manufacturing & the Workforce of the Future par Robert D. Atkinson, Stephen Ezell, Information Technology and Innovation Foundation (PDF, 56 p., Opt-in)
McKinsey Global Institute, Visualizing the uses and potential impact of AI and other analytics, Interactive Visualization Tool. Avril 2018
McKinsey, les fabricants de phares ouvrent la voie – le reste du monde peut-il suivre?, Par Enno de Boer, Helena Leurent et Adrian Widmer; Janvier 2019.
McKinsey, AI in production: Un changement de jeu pour les fabricants aux actifs lourds, par Eleftherios Charalambous, Robert Feldmann, Gérard Richter et Christoph Schmitz
McKinsey, Digital Manufacturing – échapper au purgatoire du pilote (PDF, 24 p., Sans option)
McKinsey, Driving Impact and Scale from Automation and AI, février 2019 (PDF, 100 p., Pas d'adhésion).
McKinsey, Manufacturing: Analytics leashes productivité and profitability, par Valerio Dilda, Lapo Mori, Olivier Noterdaeme et Christoph Schmitz, mars 2019
McKinsey / Harvard Business Review, la plupart des utilisations commerciales de l'IA se feront dans deux domaines,
Morey, B. (2019). Fabrication et IA: promesses et pièges. Génie de la fabrication, 163 (1), 10.
Otto, S. (2018). Comment la maintenance prédictive améliore l'efficacité des actifs. Conception de la machine.
Réduire les barrières à l'entrée dans les analyses avancées. (2019). Manufacturing.Net,
La surveillance en temps réel de sept façons stimule la fabrication intelligente. (2019). Manufacturing.Net,
Siemens, Next Level AI – Powered by Knowledge Graphs and Data Thinking, Siemens China Innovation Day, Michael May, Chengdu, 15 mai 2019
Smart Factories: Issues of Information Governance Manufacturing Policy Initiative School of Public and Environmental Affairs Indiana University, mars 2019 (PDF, 68 p., Pas d'adhésion)
Se perfectionner avec l'intelligence artificielle (IA) – Quels avantages pour l'Allemagne et son secteur industriel? (52 p., PDF, pas d'adhésion) McKinsey & Company.
L'équipe prédit la durée de vie utile des batteries avec données et IA. (2019, 28 mars). R & D.
L'avenir de l'IA et de la fabrication, Microsoft, Greg Shaw (PDF, 73 p., PDF, pas d'adhésion).
The Use of Machine Learning in Industrial Quality Control Thesis by Erik Granstedt Möller for the degree of Master of Science in Engineering. KTH Royal Institute of Technology, publié en 2017. (PDF, 55 p., Pas d'adhésion)
Top 8 des cas d'utilisation de la science des données dans la fabrication, ActiveWizards: une entreprise d'apprentissage automatique Igor Bobriakov, 12 mars 2019
Walker, M. E. (2019). Armé d'analyses: la fabrication comme art martial. Semaine de l'industrie
Whittle, T., Gregova, E., Podhorska, I., & Rowland, Z. (2019). Technologies de fabrication intelligentes: algorithmes basés sur les données dans la planification de la production, la création de valeur durable et l'amélioration des performances opérationnelles. Économie, gestion et marchés financiers, 14 (2), 52-57.
Pourquoi le logiciel pilotera l'usine intelligente et l'avenir de la fabrication. (2019). Manufacturing.Net
Zulick, J. (2019). Comment l'apprentissage automatique transforme la production industrielle. Conception de la machine

Laisser un commentaire