Obtenir un retour sur investissement grâce à l'IA dans les opérations de production

Cette année, les fabricants ont été soumis à une forte pression pour intégrer l'IA dans leurs activités et démontrer les retombées de cette intégration. Les marges étant plus serrées, les investissements sont réalisés par étapes plutôt que sous la forme d'un budget de transformation unique, et chaque étape doit produire un résultat mesurable.

Les résultats ont été inégaux, et ce n’est pas parce que la technologie n’a pas tenu ses promesses. La production d’une première version d’une solution est désormais plus rapide. En revanche, sa vérification, son intégration aux données auxquelles l’équipe fait confiance et sa mise en place sur un deuxième site demandent toujours autant d’efforts. La question a donc changé. Il ne s’agit plus de savoir si l’IA est capable de créer quelque chose, mais de déterminer quelles conditions doivent être remplies pour que ce qu’elle crée puisse être considéré comme fiable, audité et exploité dans plusieurs environnements.

Trois facteurs déterminants dictent les priorités des responsables opérationnels avec lesquels nous travaillons.

Les investissements sont affectés à de nouvelles lignes de production à un rythme plus rapide que ne le permet l'infrastructure informatique. Il arrive donc souvent qu'une ligne commence à produire avant même que les systèmes destinés à la gérer ne soient en place.

La productivité doit provenir de l'équipe déjà en place. Elle ne doit pas résulter d'une augmentation des effectifs, ni d'un achat important de logiciels ou de matériel informatique.

La plupart des fabricants savent déjà ce qu'il faut changer. Obtenir des résultats nettement meilleurs est un tout autre problème, et cette année, c'est celui-là qui bénéficie d'un financement.

Pour un responsable des opérations, la question n’est plus de savoir si l’IA est capable d’élaborer une solution ou d’analyser un ensemble de données. Il s’agit plutôt de déterminer ce qui doit être mis en place pour que ses résultats puissent être considérés comme fiables, faire l’objet d’un audit et être déployés sur plusieurs sites.

Mettre en place une solution consiste à transformer les connaissances de l’entreprise en éléments exploitables : les étapes, la logique, les connexions de données et les contrôles qui garantissent la conformité du travail. Ce travail a toujours reposé sur les personnes qui maîtrisent le processus, et la majeure partie de leur journée était consacrée à des tâches d’assemblage plutôt qu’à la prise de décision. L’IA supprime une bonne partie de ces tâches d’assemblage tout en laissant la prise de décision telle quelle. Elle a permis d’augmenter le rendement sans changer les personnes chargées de la vérification.

Gérer l’exploitation implique d’agir à partir de données stockées dans des systèmes conçus pour remplir des fonctions différentes. Un système de planification contient ce qui a été prévu, un contrôleur de machine contient ce qui a été exécuté, un registre papier contient ce que l’opérateur a observé, et un tableur contient ce qu’une personne a décidé de faire à ce sujet. Aucun de ces systèmes n’échange de données avec les autres ; les informations restent donc là où elles ont été créées, et les personnes doivent rapprocher les données manuellement avant que quiconque puisse prendre une décision.

C'est justement ce processus de rapprochement qui ne résiste pas à l'automatisation. Une personne est capable de rapprocher deux systèmes dont les données divergent, car elle sait à quelle source se fier. Un agent, lui, en est incapable. Soit il refuse de répondre, soit il fournit une réponse assurée, mais erronée.

La mise à l'échelle consiste à étendre à l'ensemble du réseau une solution qui a fait ses preuves sur un site donné. Une correction validée dans une usine ne parvient souvent jamais aux autres, si bien que le même problème est résolu cinq fois à cinq endroits différents. Et en l'absence de trace de l'origine de chaque copie, une équipe centrale peut vérifier qu'un élément fonctionne sur un site, mais pas s'il s'agit bien de la version actuelle.

Pourquoi l'expérience requise n'est pas une expérience dans le domaine de l'IA

Aucun de ces trois points ne relève de l'IA. Chacun d'entre eux concerne ce qui entoure l'IA : qui l'a approuvée, quelles données elle a lues et quelle version est exécutée où.

Tulip a passé plus d'une décennie dans des secteurs où la moindre erreur a des conséquences, tels que l'industrie pharmaceutique, celle des dispositifs médicaux et la défense. Les autorisations, les validations et les pistes d'audit ont été intégrées à la plateforme bien avant qu'il n'y ait d'agent à gérer, ce qui signifie que l'IA s'inscrit dans le cadre de contrôle au sein duquel votre équipe travaille déjà, plutôt que de s'y ajouter. Aucun élément de l'infrastructure existante n'est remplacé.

La construction : de l'assemblage à l'évaluation

Les ingénieurs et les constructeurs ont toujours utilisé les outils les plus adaptés à la résolution de leurs problèmes, qu'il s'agisse de papier, de tableurs ou, plus récemment, d'applications numériques. L'intelligence artificielle est la prochaine étape, et elle remplit la même fonction.

Quel que soit l’outil utilisé, les processus qui ont perduré sont ceux qui ont été conçus par ceux qui comprenaient le mieux leurs propres opérations. Afin de remédier aux goulots d’étranglement entre l’accès aux outils et les connaissances opérationnelles, nous avons développé l’« Authoring Agent ». L’« Authoring Agent » fonctionne au sein de l’éditeur d’application : il élabore une solution opérationnelle à partir des documents déjà gérés par le service, notamment les procédures opérationnelles standard (SOP) et les consignes de travail, puis modifie ce projet sur demande.

Ce qui change, c'est la manière dont se déroule la journée de l'expert. Plutôt que d'assembler manuellement les étapes, la logique, les liaisons de données et les contrôles de conformité, ce sont les personnes qui connaissent le processus qui décident de ce que la solution doit faire. Lorsqu'une ébauche s'avère presque correcte, elles modifient elles-mêmes le champ au lieu de déposer une demande et d'attendre que des ressources soient disponibles.

Plus les solutions sont mises en place rapidement, plus elles sont nombreuses, et une modification apportée à l'une d'entre elles peut en perturber une autre avant même que l'on se rende compte que les deux étaient liées.

Les projets permettent de concevoir l’ensemble du système plutôt que de se limiter à une application à la fois. Les applications, les structures de données, les automatisations et les connexions au service d’une seule « cas d'utilisation » sont regroupées et mises en correspondance avec l’espace physique qu’elles prennent en charge, de sorte que les relations entre les cas d’utilisation sont explicites et non pas supposées. Une modification peut être évaluée par rapport au système auquel elle appartient. Et une solution qui a fait ses preuves est déployée sous la forme d’une unité unique versionnée, plutôt que d’un ensemble de composants que quelqu’un devra réassembler sur le site suivant.

Fonctionnement sur un seul enregistrement

Le système de planification, le contrôleur de la machine, le document papier et la feuille de calcul ne ne forment un seul et même enregistrement que si un élément les place sur un pied d'égalité.

TulipLa capacité de connectivité industrielle de [nom de l’entreprise] relie nativement les appareils et les systèmes d’entreprise via des protocoles industriels standard. Elle harmonise ensuite leurs données de sortie, de sorte qu’un « Ordre de travail », l’état d’une machine, un lot et une action d’opérateur aient la même définition dans chaque application, Tableau de bord et agent. Les données machine peuvent alors être croisées avec les enregistrements de commandes, les codes de défauts et l’activité des postes de travail. C’est ce qui permet à une équipe d’établir une corrélation entre les rebuts et les changements de série, ou entre les défauts et un poste de travail ou un lot de matière, sans avoir à mettre en place d’intégration au préalable. Les relevés à haute fréquence sont agrégés en périphérie avant de quitter le site ; ainsi, seules les données nécessaires à l’analyse sont transmises.

Factory Playback considère les caméras déjà installées dans un atelier de production comme une source de données opérationnelles. Les séquences vidéo sont synchronisées avec la même chronologie que les données relatives aux machines et aux commandes ; ainsi, une enquête s’appuie sur la vidéo associée à l’enregistrement plutôt que sur la mémoire des intervenants. Il est possible de rechercher dans l’historique des événements pour lesquels aucune alerte n’avait été configurée, car un modèle de langage visuel interprète ce qui se trouve dans le cadre plutôt que de se contenter de comparer les images à une règle définie au préalable. Ces mêmes caméras permettent de répondre à de nouvelles questions sans matériel supplémentaire : nombre d’éléments sur un poste de travail, temps de séjour dans une zone, état actif ou inactif d’un poste.

Les agents agissent en fonction de cet historique global. Ils y puisent pour répondre aux questions, produisent une analyse lorsqu’on leur en demande une et agissent selon un calendrier préétabli plutôt que d’attendre qu’on leur demande d’intervenir. L’organisation définit les actions que l’agent peut entreprendre de sa propre initiative, celles qui nécessitent une validation et celles qui sont interdites. Les personnes qui connaissent le processus mettent leur expérience au service de la prise de décision plutôt que de la mise en concordance.

Évolutivité maîtrisée

La gouvernance remplit trois fonctions : la visibilité, le contrôle et la confiance.

OpsMoto offre une visibilité optimale. Il regroupe dans une vue unique les déploiements, les applications, les automatisations et l'activité des utilisateurs sur l'ensemble des sites et des instances, et consigne l'historique de chaque solution. Une équipe centrale est ainsi en mesure de déterminer quels sites exécutent quelle version, et à quel endroit une divergence est apparue. Pour obtenir cette vue d'ensemble, il faudrait autrement se connecter à chaque instance l'une après l'autre.

OpsMoto fonctionne également indépendamment du cycle de publication de la plateforme principale, ce qui signifie que son adoption et sa mise à jour n'entraînent pas la remise en validation d'un système déjà validé.

Enterprise Library assure la maîtrise. Une équipe centrale publie une seule fois une solution validée, et chaque site installe la version actuelle à partir d’un catalogue consultable, plutôt que de recevoir un fichier à importer manuellement. Une correction validée est déployée sur l’ensemble du réseau. Et chaque site peut adapter ce qu’il a installé à ses processus locaux sans perdre le lien avec le modèle d’origine, de sorte que l’adaptation locale ne compromette plus la visibilité centrale.

La confiance n’est pas un produit. C’est la condition dans laquelle tout le reste s’inscrit : l’emplacement des données, la manière dont elles sont sécurisées et ce que l’IA est autorisée à faire. Ce sont là les contrôles sur lesquels l’exploitation s’appuie déjà dans des environnements réglementés et sécurisés, et non un ensemble distinct conçu pour l’IA.

Deux journées aux côtés de fabricants qui tirent d’ores et déjà profit de l’IA et qui vous expliqueront ce que cela leur a coûté pour y parvenir. Vous pourrez présenter une idée à quelqu’un qui l’a déjà mise en pratique et découvrir où cela a échoué.

L'espace de démonstration permet de tester concrètement ces trois solutions. Vous élaborez une solution à partir d'une procédure opérationnelle standard (SOP). Vous travaillez avec des machines connectées et des données vidéo. Vous transférez une solution d'un site à l'autre et voyez ce que voit l'équipe centrale.

Les sessions suivent toutes le même schéma : des équipes en pleine phase de déploiement, des équipes centrales chargées de la gestion d'un réseau, et le travail d'ingénierie consistant à mettre en œuvre l'IA dans un environnement de production en temps réel.

Operations Calling aura lieu à Somerville les 6 et 7 octobre, puis à Lyon les 3 et 4 novembre. Nous vous présenterons les fonctionnalités de ces produits. Quant aux résultats obtenus, ce sont les fabricants présents qui vous en parleront. Achetez votre billet dès aujourd'hui!