4 façons dont l’IA générative répond aux défis de fabrication – IBM Blog

L’industrie manufacturière se trouve dans une position peu enviable. Faire face à une pression constante sur les coûts, à la volatilité de la chaîne d’approvisionnement et à des technologies disruptives comme l’impression 3D et l’IoT. L’industrie doit continuellement optimiser ses processus, améliorer son efficacité et améliorer l’efficacité globale de ses équipements.

En même temps, il y a cette énorme vague de durabilité et de transition énergétique. Les fabricants sont appelés à réduire leur empreinte carbone, à adopter des pratiques d’économie circulaire et à devenir plus respectueux de l’environnement en général.

Et les fabricants sont contraints d’innover constamment tout en garantissant la stabilité et la sécurité. Une prédiction inexacte de l’IA dans une campagne marketing est une nuisance mineure, mais une prédiction inexacte de l’IA dans un atelier de fabrication peut être fatale.

La technologie et les perturbations ne sont pas nouvelles pour les fabricants, mais le principal problème est que ce qui fonctionne bien en théorie échoue souvent en pratique. Par exemple, en tant que fabricants, nous créons une base de connaissances, mais personne ne peut rien trouver sans passer des heures à chercher et à parcourir le contenu. Ou bien nous créons un lac de données, qui dégénère rapidement en un marécage de données. Ou bien nous continuons à ajouter des applications, donc notre dette technique continue d’augmenter. Mais nous ne parvenons pas à moderniser nos applications, car la logique qui s’est développée au fil des années s’y cache.

La solution réside dans l’IA générative

Explorons certaines des fonctionnalités ou des cas d’utilisation qui nous semblent les plus intéressants :

1. Résumé

La synthèse reste le principal cas d’utilisation de la technologie d’IA générative (gen AI). Couplée à la recherche et à l’interaction multimodale, la génération AI constitue un excellent assistant. Les fabricants utilisent le résumé de différentes manières.

Ils peuvent l’utiliser pour concevoir un meilleur moyen permettant aux opérateurs de récupérer rapidement et efficacement les informations correctes à partir du vaste référentiel de manuels d’exploitation, de SOP, de journaux de bord, d’incidents passés et bien plus encore. Cela permet aux employés de se concentrer davantage sur leurs tâches et de progresser sans retards inutiles.

IBM® dispose d’accélérateurs de génération d’IA axés sur la fabrication pour ce faire. De plus, ces accélérateurs sont pré-intégrés à divers services d’IA cloud et recommandent le meilleur LLM (grand modèle de langage) pour leur domaine.

La synthèse est également utile dans les environnements d’exploitation difficiles. En cas de panne de la machine ou de l’équipement, les ingénieurs de maintenance peuvent utiliser la génération AI pour diagnostiquer rapidement les problèmes sur la base du manuel de maintenance et d’une analyse des paramètres du processus.

2. Compréhension des données contextuelles

Les systèmes de données posent souvent des problèmes majeurs dans les entreprises manufacturières. Ils sont souvent disparates, cloisonnés et multimodaux. Diverses initiatives visant à créer un graphe de connaissances de ces systèmes n’ont été que partiellement couronnées de succès en raison de la profondeur des connaissances existantes, d’une documentation incomplète et de la dette technique contractée au fil des décennies.

IBM a développé un système de découverte de connaissances basé sur l’IA qui utilise l’IA générative pour débloquer de nouvelles informations et accélérer les décisions basées sur les données avec des données industrielles contextualisées. IBM a également développé un accélérateur pour l’ingénierie de fonctionnalités contextuelle dans le domaine industriel. Cela permet une visibilité en temps réel sur les états du processus (normal/anormal), atténue les obstructions fréquentes du processus et détecte et prédit le lot d’or.

IBM a créé un outil de conseil en main-d’œuvre qui utilise la synthèse et la compréhension des données contextuelles avec détection d’intention et interaction multimodale. Les opérateurs et les ingénieurs d’usine peuvent l’utiliser pour se concentrer rapidement sur une zone problématique. Les utilisateurs peuvent poser des questions par la parole, le texte et le pointage, et le conseiller en génération IA les traitera et fournira une réponse, tout en étant conscient du contexte. Cela réduit la charge cognitive des utilisateurs en les aidant à effectuer une analyse des causes profondes plus rapidement, réduisant ainsi leur temps et leurs efforts.

3. Aide au codage

Gen AI aide également au codage, y compris la documentation du code, la modernisation du code et le développement du code. À titre d’exemple de la façon dont la génération AI contribue à la modernisation de l’informatique, considérons le cas d’utilisation de Water Corporation. Water Corporation a adopté Watson Code Assistant, qui s’appuie sur les capacités gen AI d’IBM, pour faciliter sa transition vers une infrastructure SAP basée sur le cloud.

Cet outil a accéléré le développement de code en utilisant des recommandations générées par l’IA basées sur des entrées en langage naturel, réduisant ainsi considérablement les temps de déploiement et le travail manuel. Grâce à Watson Code Assistant, Water Corporation a réalisé une réduction de 30 % des efforts de développement et des coûts associés tout en maintenant la qualité et la transparence du code.

4. Gestion des actifs

La génération AI a le pouvoir de transformer la gestion des actifs.

L’IA générative peut créer des modèles de base pour les actifs. Lorsqu’il faut prédire plusieurs KPI sur un même processus ou qu’il existe un parc d’actifs similaires. Il est préférable de développer un modèle de base de l’actif et de l’affiner plusieurs fois.

La génération AI peut également s’entraîner à la maintenance prédictive. Les modèles de base sont très pratiques si les données sur les échecs sont rares. Les modèles d’IA traditionnels nécessitent de nombreuses étiquettes pour fournir une précision raisonnable. Cependant, dans les modèles de base, nous pouvons pré-entraîner des modèles sans aucune étiquette et les affiner avec les étiquettes limitées.

En outre, l’IA générative peut fournir une assistance technique et une formation. Les fabricants peuvent utiliser les technologies gen AI pour créer un simulateur de formation pour les opérateurs et les techniciens. De plus, pendant le processus de réparation, les technologies gen AI peuvent fournir des conseils et générer la meilleure procédure de réparation.

Développez de nouvelles capacités numériques grâce à l’IA générative

IBM estime que l’agilité, la flexibilité et l’évolutivité offertes par les technologies d’IA générative accéléreront considérablement les initiatives de numérisation dans l’industrie manufacturière.

L’IA générative place les entreprises au cœur de leur stratégie. D’ici deux ans, les modèles de base alimenteront environ un tiers de l’IA dans les environnements d’entreprise.

Dans les premiers travaux d’IBM appliquant des modèles de base, le délai de rentabilisation est jusqu’à 70 % plus rapide qu’une approche traditionnelle de l’IA. L’IA générative rend les autres technologies d’IA et d’analyse plus consommables, ce qui aide les entreprises manufacturières à réaliser la valeur de leurs investissements.

Développez de nouvelles capacités numériques grâce à l’IA générative