Les séries chronologiques, l'avenir de la production
Robert Weber
Position: Le podcast sur l'IA industrielle
L'intelligence artificielle et l'apprentissage automatique constituent la prochaine étape logique de l'automatisation industrielle. Alors que les solutions d'automatisation classiques deviennent de plus en plus interchangeables, les entreprises sont à la recherche de nouveaux éléments de différenciation. Ce qui suit est vrai : De nombreuses applications d'IA fonctionnent déjà aujourd'hui de manière rentable. Le progrès ne nécessite pas d'agents autonomes.
Actuellement, quatre domaines présentent un grand potentiel : L'ingénierie, la simulation, la vision et surtout les séries temporelles. Dans le domaine de l'ingénierie, les systèmes d'IA soutiennent la conception, le paramétrage et la documentation. Dans le domaine de la simulation, des modèles basés sur l'IA sont créés pour représenter des processus physiques complexes plus rapidement et plus facilement que les outils conventionnels. La vision reste la pierre angulaire de l'IA industrielle, tandis que le prochain saut technologique se profile à l'horizon dans le domaine des séries temporelles.
Les systèmes de vision démontrent déjà à quel point l'IA peut fonctionner dans un environnement industriel : Les tests de qualité, la reconnaissance d'objets et les inspections sont prêts pour la production. L'analyse des séries temporelles est le prochain grand domaine à l'ordre du jour. Les machines communiquent par le biais de données de capteurs, de valeurs de processus et de consommation d'énergie, et les modèles d'IA modernes sont capables d'analyser ces informations avec une grande précision. Par conséquent, la maintenance prédictive, la qualité prédictive, l'efficacité énergétique ou la prévision de la demande peuvent être réalisées de manière rentable, souvent sans nouveau matériel et même sur des unités centrales existantes.
Bien que nous entendions beaucoup parler de systèmes d'agents autonomes ou de machines auto-optimisantes, ces approches sont encore à 10 ou 15 ans de distance. L'absence de normes, d'exigences en matière de sécurité et de modèles commerciaux freine le couplage direct des modèles d'IA aux systèmes de contrôle. Aujourd'hui, les optimisations sont généralement effectuées dans le jumeau numérique du système avant d'être transférées dans la production réelle.
Les humains restent dans la boucle de contrôle - pour l'instant.
Les systèmes d'assistance basés sur l'IA, tels que les grands modèles de langage (LLM), pourraient à l'avenir faciliter le fonctionnement et la configuration des machines et contribuer ainsi à pallier la pénurie de main-d'œuvre qualifiée. Mais il en va de même ici : Les coûts d'application et d'exploitation doivent être rentabilisés. Toutes les innovations ne sont pas immédiatement viables d'un point de vue commercial - bien qu'il existe de nombreuses preuves de concept, une véritable mise à l'échelle reste rare.
En particulier dans le domaine des séries chronologiques, de grands modèles de base sont actuellement développés, qui - comme pour les données textuelles - sont formés sur une large base de données.
L'industrie est assise sur un trésor de données qui ne doit pas être abandonné à la légère.
Robert Weber
Ceux qui contrôlent ces données peuvent non seulement optimiser leurs propres produits, mais aussi développer de nouveaux modèles commerciaux, y compris l'optimisation des produits concurrents.
Le changement viendra, mais pas du jour au lendemain. Bien que les cycles d'automatisation se raccourcissent, il faudra encore des années pour que les chaînes de production soient totalement autonomes. Une chose est sûre : L'IA ne remplacera pas l'automatisation, mais la développera plutôt - et conduira progressivement l'industrie des systèmes de contrôle traditionnels vers des systèmes d'apprentissage basés sur les données.
À propos de Robert Weber
Robert Weber est un journaliste spécialisé dans la robotique, l'IA et l'automatisation. Avec Peter Seeberg, il dirige le "Industrial AI Podcast", qui rend l'IA industrielle et l'apprentissage automatique compréhensibles pour les utilisateurs. Weber travaille de manière indépendante depuis 2019 et fait des rapports sur les tendances et les développements de la numérisation industrielle.