Intelligence artificielle et MES : une alliance au service de l’industrie du futur

SOMMAIRE

• L’IA au service de l’analyse et de l’exploitation des données MES
• L’IA comme vecteur de transmission des savoir-faire et d’aide à la décision
• Les ingrédients d’une intégration réussie de l’IA dans les projets MES
• Exemples d’applications concrètes de l’IA dans le MES

Le quatrième webinaire du Club MES (Digital Experience MES 4) a mis en lumière l’intérêt grandissant de l’intégration de l’intelligence artificielle dans les systèmes de pilotage de la production MES. 

L’événement a réuni des experts du MES, des industriels et des chercheurs pour explorer les cas d’usage concrets et les bénéfices de cette association, soulignant comment cette synergie redéfinit les opérations industrielles : Marc-Antoine Serillon (Responsable de la commission évènements du Club MES et Manager marketing chez Sofyne), Eric Nicole (Responsable commercial France et pays d’Europe du Sud chez Infor), Florent Tonson (Dirigeant d’isiTecc),  Aurélien Verleyen (Fondateur de DataSwati, devenu VIF), Patrick Viloin (Chef de projet extrusion chez Sepalumic), Olivier Vallemont (Responsable des projets industriels et techniques chez Eurial), Damien Pellier (Enseignant-chercheur, professeur à l’université Grenoble-Alpes) et Olivier Guillon (Journaliste et réalisateur en chef de la revue Productions Maintenance).

L’IA au service de l’analyse et de l’exploitation des données MES

L’un des principaux axes de ce webinaire portait sur l’apport de l’IA dans le traitement et l’analyse des données générées par les MES.

Génération de rapports et d’analyses avancées

L’IA offre la possibilité d’analyser de grands volumes de données et de produire des rapports synthétiques, facilitant ainsi l’identification rapide des tendances et des anomalies. Les utilisateurs peuvent interroger les données via des requêtes en langage naturel (prompts) et recevoir des analyses personnalisées. Cette capacité transforme la manière dont les informations sont extraites et utilisées pour la prise de décision, en automatisant l’interprétation de données complexes.

Selon Éric Nicole d’Infor, l’IA permet de passer d’une masse de données brutes à des résumés d’analyses pertinents, accélérant ainsi la prise de décision.

Maintenance prédictive

Dans ce contexte, l’utilisation de l’IA peut aider à anticiper les pannes et à optimiser les opérations de maintenance, réduisant ainsi les arrêts de production et les coûts associés. En analysant les données des capteurs et des équipements, l’IA décèle les signes avant-coureurs de défaillance, ce qui permet une intervention proactive.

Aurélien Verleyen de VIF souligne comment l’IA peut surveiller en continu les signaux faibles et anticiper les problèmes avant qu’ils ne surviennent, optimisant ainsi les interventions.

Optimisation des process

De manière plus globale, l’IA permet, en utilisant une base de connaissance structurée, de réduire les phases de R&D et préparer la mise en production d’un nouveau produit en proposant (par simulation), les paramètres de productions optimaux pour une meilleure efficacité. Le temps précieusement gagné fait chuter les coûts (matière, énergie, temps machine et humain) dû à la mise au point.

Florent Tonson d’isiTecc illustre cela avec un cas d’usage dans l’extrusion d’aluminium, où l’IA aide à déterminer les réglages d’outillage qui minimisent les rebuts et la consommation d’énergie.

L’IA comme vecteur de transmission des savoir-faire et d’aide à la décision

Le webinaire a également souligné le rôle de l’IA dans la capitalisation et la diffusion des connaissances au sein des entreprises industrielles.

Aide à la décision pour les opérateurs 

Le recours à l’IA permet de fournir aux opérateurs des informations contextualisées et des recommandations, les aidant ainsi à prendre des décisions éclairées en temps réel. En interprétant les données de production et signalant les écarts ou les situations à risque, l’IA contribue à la diminution des erreurs et améliore la réactivité.

Olivier Vallemont d’Eurial met notamment en avant l’intérêt de l’IA pour traduire instantanément les instructions de travail dans la langue de l’opérateur, facilitant ainsi la compréhension et l’exécution des tâches

Capitalisation des connaissances des experts

Grâce à ses capacités de récolte et de formalisation des savoir-faire des experts, l’IA peut être utilisée pour assurer la transmission de ces savoirs aux nouvelles générations d’opérateurs. Cette fonction est essentielle dans un contexte de vieillissement des équipes et de difficulté à recruter.

Patrick Viloin de Sepalumic témoigne de la manière dont l’IA a permis de modéliser et de reproduire le savoir-faire des experts en extrusion, réduisant ainsi la dépendance aux compétences individuelles.

Accompagnement face à la complexité croissante

Dans un univers industriel de plus en plus dense, l’IA peut s’avérer utile afin d’aider les opérateurs à gérer la complexité des process de production modernes et la quantité importante de données à traiter. En synthétisant les informations et en mettant en évidence les éléments importants, l’IA peut alléger la charge cognitive des opérateurs.

Damien Pellier de l’Université Grenoble-Alpes souligne ici que l’IA peut aider à résoudre des problèmes d’ordonnancement et de planification complexes, pour lesquels il n’existe pas de solution algorithmique exacte.

Les ingrédients d’une intégration réussie de l’IA dans les projets MES

Lors de ce webinaire, plusieurs intervenants ont souligné les facteurs à considérer pour mener à bien un projet d’intégration d’IA dans un MES.

Définition claire des objectifs

Il est primordial de définir en amont les objectifs visés par l’intégration de l’IA (amélioration de la performance, réduction des coûts, etc.). Cette étape décisive oriente le projet et permet de mesurer son succès.

Florent Tonson insiste sur l’importance de cadrer le projet et de déterminer les gains attendus, qu’ils soient quantitatifs (réduction des rebuts, économies d’énergie, etc.) ou qualitatifs (diminution du temps de conception, meilleure traçabilité, etc.).

Collaboration entre les différents acteurs

Le projet doit impliquer une collaboration étroite entre les experts métiers, les consultants en IA, les intégrateurs MES et les data scientists. Chaque partie prenante apporte ses compétences et sa vision, ce qui enrichit le projet et optimise les chances de réussite.

Olivier Vallemont a particulièrement insisté sur le triptyque « data scientist – expert métier – IA » comme étant la clé du succès, soulignant la nécessité d’une communication fluide et d’une validation croisée des résultats.

Qualité des données

L’IA se nourrit de grandes quantités de données, il est donc primodial de disposer de données structurées, fiables et pertinentes. De son côté, un MES bien conçu facilite la collecte et l’organisation des données de production.

Florent Tonson revient notamment sur l’importance d’avoir une base de données « propre », c’est-à-dire exempte d’erreurs et représentative de la réalité du terrain, pour garantir la pertinence des analyses de l’IA.

Phases de prototypage et d’expérimentation

Il est recommandé de procéder par étapes, en commençant par des projets pilotes et en validant les résultats obtenus. Cette approche diminue les risques et permet d’ajuster le projet en fonction des retours d’expérience. Plusieurs intervenants ont partagé leurs expériences de prototypage, insistant sur l’intérêt de confronter les résultats de l’IA avec l’expertise humaine et d’itérer pour améliorer la précision des modèles afin de garantir la bonne intégration de cette combinaison MES et IA.

Conduite du changement et formation 

Afin d’embarquer et de fluidifier le déploiement de ces solutions, il est primordial d’accompagner les utilisateurs dans l’adoption de ces nouveaux outils et de les former à leur utilisation. La communication et la pédagogie sont alors essentielles pour favoriser l’adhésion et maximiser les bénéfices de l’IA.

Olivier Vallemont souligne l’importance de la « bienveillance » dans la conduite du changement, en expliquant aux opérateurs comment l’IA peut les aider à mieux travailler et à se concentrer sur les tâches à plus forte valeur ajoutée.

Exemples d’applications concrètes de l’IA dans le MES

Le webinaire a été riche en illustrations concrètes de l’apport de l’IA dans divers secteurs industriels. Voici un échantillon d’exemples abordés :

Réduction des pertes de matière et optimisation énergétique

Dans l’agroalimentaire, l’IA a permis d’optimiser les process de production pour diminuer les pertes de matière et les consommations d’énergie. Aurélien Verleyen a présenté un cas d’usage où l’IA a permis de réduire de 40% les pertes de matière dans la production de biscuits et d’économiser 2% d’énergie sur la consommation de gaz. L’IA a ainsi pu être capable d’identifier les paramètres de production ayant une incidence sur ces variables et de proposer des ajustements en temps réel.

Amélioration de la conception d’outillage

Dans la production de profilés aluminium, l’utilisation de l’IA a réduit le temps de conception des filières et diminué les rebuts de production. Florent Tonson et Patrick Viloin ont décrit un projet où l’IA aide à choisir les outillages optimaux à partir des plans de conception, diminuant ainsi le temps de conception de 75% et les rebuts de 17%. Ici, l’IA fut très utile pour simuler le comportement des outils et prédire leurs performances, ce qui a permis d’éviter des essais coûteux sur les lignes de production.

Adaptation en temps réel des instructions de travail

Dans un contexte davantage orienté utilisateurs, l’IA peut faciliter la traduction instantanée des instructions de travail pour les opérateurs, améliorant ainsi leur efficacité et leur confort. L’expérience d’Olivier Vallemont a montré l’importance de cette fonction dans les environnements multiculturels, où l’IA a permis de s’affranchir des barrières linguistiques et de garantir la bonne compréhension des consignes.

Ce quatrième webinaire du Club MES fut l’occasion de démontrer le fort potentiel de l’IA pour transformer les systèmes MES et apporter une nouvelle dynamique à l’industrie. En fournissant des outils d’analyse et d’aide à la décision plus performants, l’IA aide les industriels à optimiser leurs opérations, à améliorer leur compétitivité et à préparer l’usine du futur.