La transformation numérique des entreprises doit évoluer vers la conception d’indicateurs de performance propulsés par l’intelligence artificielle
Dans la foulée des efforts de transformation numériques, Smart Industry signale que les entreprises doivent dépasser le stade des tableaux de bord globaux sur l’efficacité des équipements et explorer l’analyse prédictive. Ainsi, il serait possible d’améliorer décisivement la santé des actifs et les rendements, le débit et la durabilité des processus.
Smart Industry fait le constat que les industries collectent des données depuis des années, mais qu’encore aujourd’hui, beaucoup d’entre elles ne les utilisent que de manière rétrospective pour la conception d’indicateurs de performance qui rassemblent les données d’une période donnée. L’irruption de l’intelligence artificielle (IA) modifie ce processus, car elle dépasse la portée des modèles statistiques par l’ajout de nouvelles informations issues du contexte, des modèles, des normes industrielles et, surtout, des apports de plusieurs processus de fabrication, pour noter les risques associés et suggérer des actions potentielles.
L’objectif pour les entreprises serait la conception d’indicateurs de performance par l’IA. Selon Smart Industry, les meilleurs indicateurs de performance de ce type sont capables de proposer aux cadres intermédiaires des informations qui leur permettent de gérer les opérations de l’usine avec des informations exploitables à l’avance (par exemple, prédiction et prévision). Ces indicateurs de performance peuvent également fournir à un PDG, ou à la direction commerciale d’une entreprise, des pistes pour gérer la rentabilité et l’empreinte carbone.
Le défi pour les entreprises est donc d’adopter l’IA et l’analyse multivariée, qui constituent les éléments de base permettant de prédire ce qui va se passer suffisamment à l’avance pour permettre de s’y préparer. Il s’agit cependant d’une transition complexe, car les fabricants des secteurs économiques les plus variés sont confrontés au dilemme de gérer leurs opérations en faisant usage de l’IA et de l’analyse multivariée tout en maintenant un succès continu dans les indicateurs de performance clés.
Tout d’abord, il y a la question de la pénurie de compétences. De nombreux fabricants ne savent pas comment faire en sorte que leurs employés puissent acquérir des connaissances pour travailler avec l’IA et les analyses multivariées. Dans certains cas, il peut y avoir un projet scientifique dans une usine qui a fait ses preuves, mais les fabricants ne savent pas comment déployer une solution fiable dans un parc d’usines.
Pour ce qui est de l’embauche à l’externe, il ne serait pas toujours facile de trouver des professionnels possédant à la fois le savoir-faire en ingénierie et l’expérience dans le traitement de nombreux types de données telles que les séries chronologiques, les vibrations, les images, les vidéos, les informations commerciales, etc. Enfin, il semblerait que bon nombre de fabricants travaillent à augmenter la « densité de talents » pour faire fonctionner les nouvelles technologies.
Dans la foulée des efforts de transformation numériques, Smart Industry signale que les entreprises doivent dépasser le stade des tableaux de bord globaux sur l’efficacité des équipements et explorer l’analyse prédictive. Ainsi, il serait possible d’améliorer décisivement la santé des actifs et les rendements, le débit et la durabilité des processus.
Smart Industry fait le constat que les industries collectent des données depuis des années, mais qu’encore aujourd’hui, beaucoup d’entre elles ne les utilisent que de manière rétrospective pour la conception d’indicateurs de performance qui rassemblent les données d’une période donnée. L’irruption de l’intelligence artificielle (IA) modifie ce processus, car elle dépasse la portée des modèles statistiques par l’ajout de nouvelles informations issues du contexte, des modèles, des normes industrielles et, surtout, des apports de plusieurs processus de fabrication, pour noter les risques associés et suggérer des actions potentielles.
L’objectif pour les entreprises serait la conception d’indicateurs de performance par l’IA. Selon Smart Industry, les meilleurs indicateurs de performance de ce type sont capables de proposer aux cadres intermédiaires des informations qui leur permettent de gérer les opérations de l’usine avec des informations exploitables à l’avance (par exemple, prédiction et prévision). Ces indicateurs de performance peuvent également fournir à un PDG, ou à la direction commerciale d’une entreprise, des pistes pour gérer la rentabilité et l’empreinte carbone.
Le défi pour les entreprises est donc d’adopter l’IA et l’analyse multivariée, qui constituent les éléments de base permettant de prédire ce qui va se passer suffisamment à l’avance pour permettre de s’y préparer. Il s’agit cependant d’une transition complexe, car les fabricants des secteurs économiques les plus variés sont confrontés au dilemme de gérer leurs opérations en faisant usage de l’IA et de l’analyse multivariée tout en maintenant un succès continu dans les indicateurs de performance clés.
Tout d’abord, il y a la question de la pénurie de compétences. De nombreux fabricants ne savent pas comment faire en sorte que leurs employés puissent acquérir des connaissances pour travailler avec l’IA et les analyses multivariées. Dans certains cas, il peut y avoir un projet scientifique dans une usine qui a fait ses preuves, mais les fabricants ne savent pas comment déployer une solution fiable dans un parc d’usines.
Pour ce qui est de l’embauche à l’externe, il ne serait pas toujours facile de trouver des professionnels possédant à la fois le savoir-faire en ingénierie et l’expérience dans le traitement de nombreux types de données telles que les séries chronologiques, les vibrations, les images, les vidéos, les informations commerciales, etc. Enfin, il semblerait que bon nombre de fabricants travaillent à augmenter la « densité de talents » pour faire fonctionner les nouvelles technologies.