Le Big Data dans les usines du futur
INTRODUCTION
La France s’est donnée comme objectif de devenir un des leaders de l’Intelligence Artificielle, plan présenté par Emmanuel Macron, Président de la République, en mars 2018. Les industries utilisent déjà massivement les outils de l’information et de communication à des fins d’optimisation de processus. La manipulation de grands ensembles de données (Big Data) se démocratisent de jour en jour. Ce n’est donc qu’une question de temps avant que l’IA ne devienne incontournable dans la gestion et la prise de décision d’une usine 4.0.
Les associés du cabinet ont été rencontrer à San Francisco en novembre 2019 le conseiller du président sur ce sujet : Grégory RENARD Professeur au sein des écoles Princeton, Stanford, intervenant chez Google, la Nasa puis gérant de la société XBRAIN.
DE LA DONNÉE BRUTE PARTOUT DANS NOS USINES
Le Big Data représente les quantités gigantesques de données, structurées ou non qui sont collectées par les différents outils de l’information. On les trouve en premier lieu dans les logiciels industriels (automates, robots…) depuis de nombreuses années. Aujourd’hui, on peut ajouter les objets connectés (IoT) dont les usines du futur se dotent. 96% des entreprises souhaitaient y recourir dès 2018.
Ce gisement d’informations est principalement utilisé pour contrôler un aspect du processus à un moment “t” unique. Les données sont sous des formats exotiques peu pertinents. Les grandes quantités stockées deviennent alors vites inopérables par les outils classiques de base de données et de gestion.
C’est ici qu’intervient les méthodes d’analyse et de représentation intelligentes des données (Smart Data). La Smart Data va contribuer à plus de modélisation, d’optimisation et de flexibilité. En modélisant les cycles de production grâce aux historiques de données environnementales, on pourra optimiser l’outil de production de manière globale. L’analyse en temps réel apportera une optimisation instantanée et de la flexibilité.
EXPLOITER AU MAXIMUM LA DONNÉE INTELLIGEMMENT
Dans l’informatique habituelle, quelque soit le niveau de complexité, c’est un modèle créé à l’avance qui détermine les actions du programme. Dans le cas d’une approche Smart Data, ce sont des règles statistiques qui permettent au programme de réaliser le modèle à partir des données récoltées.
Le monde de la recherche informatique foisonne d’initiatives pour générer ces modèles rapidement et avec le moins d’intervention humaine. Le Machine Learning ou Apprentissage Automatique est une technologie d’Intelligence Artificielle permettant aux ordinateurs d’apprendre à prédire des résultats. On passe à un niveau supérieur de l’analyse de données.
Il existe différentes branches du Machine Learning :
- L’apprentissage supervisé : L’algorithme a d’abord besoin qu’on lui présente des exemples validés par le Data Scientist. L’algorithme va réaliser dans un premier temps des associations de données qui correspondent aux exemples. Dans un seconds temps, l’objectif sera de prédire la nouvelle donnée.
- L’apprentissage non-supervisé : L’algorithme classe lui-même les données par groupe homogène afin de déterminer des exemples
- L’apprentissage par renforcement
Chaque branche est composée d’algorithmes divers qui vont s’attaquer à des familles de problématiques.
CAS D’UTILISATION DANS L’INDUSTRIE
Une étude du cabinet américain McKinsey (décembre 2016) étudiait les possibilités d’impact de l’IA dans une dizaine de secteurs d’activités. De nombreux cas concrets existent aujourd’hui. Dans l’industrie, c’est dans la maintenance prédictive que l’impact devrait être le plus grand, puis l’optimisation des opérations et/ou de la logistique en temps réel et enfin les prévisions de commande.
Parmi les initiatives françaises, on peut noter :
Kheoos : une startup française qui propose une nouvelle approche de la gestion des pièces de maintenance. Sous la forme d’une plateforme communautaire, elle automatise la mise en relation entre industriels, fabricant et distributeurs
L’oréal déploie des solutions d’IoT suivi par de l’intelligence artificielle pour optimiser sa chaîne de production. Cela dans le but de conserver un parc de machines en bon état mais non conçu avec les protocoles informatiques récents.
Airbus applique l’intelligence artificielle (AI) et Machine Learning à sa plateforme de collaboration Airbus AIGymto, afin d’identifier les changements dans le comportement des systèmes surveillés, ainsi que d’analyser plus efficacement et plus rapidement les comportements suspects pour les défauts et les erreurs potentiels.
CONCLUSION
Toutes ces données vont jouer un rôle important dans la transformation des processus industriels. Les décisions seront prises plus rapidement de façon plus certaines, grâce à l’analyse poussée d’informations internes mais également externe à l’entreprise. Souhaitons que la France multiplie les initiatives dans ce sens pour booster sa compétitivité industrielle.
contact@baldwin-partners.com +33 (0) 2 85 52 68 39
Rédigé par Rémi OLIVON, ICAM 2017, Consultant Baldwin Partners
Sources :
https://usitab.com/big-data-et-innovation-industrielle/
https://www.dataversity.net/big-data-vs-smart-data/#
https://www.lebigdata.fr/definition-big-data
https://namr.com/fr/big-data-usine-futur/
https://www.groupe-hli.com/machine-learning-dans-industrie/
