Quand l'IA entre en action : transformer l'automatisation industrielle

Résumé des épisodes

Industrial AI est en train de déménager du laboratoire à l'usine. Dans cet épisode de Perspectives optimistes dans cinq ans, Lauren Espin explore comment l'IA peut aider les fabricants à faire face à la pénurie de main-d'œuvre qualifiée et à améliorer la productivité de l'ingénierie.

Au centre de l'histoire se trouve AGENT D'INGÉNIERIE PROPRE, développé par le centre d'intelligence artificielle de Siemens à Seattle. En combinant l'IA à des données d'ingénierie spécifiques à l'usine, Eigen peut aider les ingénieurs en automatisation à coder et à configurer des systèmes industriels, en effectuant des tâches d'ingénierie complexes à une vitesse cinq fois supérieure à celle humaine. Lors de déploiements pilotes dans plus de 100 entreprises dans 19 pays, Eigen a amélioré l'efficacité de l'ingénierie jusqu'à 50 %.

Mais intégrer l'IA aux environnements industriels ne se limite pas à de puissants modèles. L'expertise humaine, la simulation et la validation restent essentielles pour garantir que le travail généré par l'IA est sûr, fiable et adapté au monde réel.

Le résultat ? Un aperçu de la façon dont Industrial AI pourrait transformer le secteur manufacturier, non pas en remplaçant les ingénieurs, mais en aidant les personnes qualifiées à en faire plus.

Transcription complète

Je suis Lauren Espin, et voici The Optimistic Outlook in Five, une brève mise à jour sur une évolution importante qui façonne l'avenir.

Les États-Unis se sont fixé l'objectif ambitieux de réindustrialiser leur économie. Cela implique de renforcer de nouvelles capacités de fabrication, de moderniser les opérations existantes et de rester compétitive au niveau mondial, tout en faisant face à des pénuries persistantes de main-d'œuvre qualifiée.

Industrial AI pourrait être l'un des outils les plus importants pour relever ce défi. Elle peut s'appuyer sur des décennies de progrès en matière d'automatisation, de logiciels et de jumeau numérique pour aider les ingénieurs, les opérateurs et les techniciens à gagner en productivité, à accélérer l'innovation et à résoudre des problèmes de plus en plus complexes.

Mais pour saisir cette opportunité, il ne suffit pas de puissants modèles d'IA. Nous devons déployer l'IA dans le monde réel, à grande échelle, de manière à générer des gains de productivité mesurables.

Cela nous amène à une technologie à laquelle la plupart d'entre nous pensent rarement, à moins, bien sûr, que vous ne travailliez dans le secteur manufacturier.

Le PLC, ou contrôleur logique programmable. L'une d'elles a peut-être contrôlé la conduite qui remplissait la bouteille d'eau de votre bureau. Un autre a aidé à fabriquer un composant de la voiture que vous avez conduite aujourd'hui. Et un autre a peut-être aidé à emballer la boîte de livraison qui s'est présentée sur votre porche.

Les automates programmables sont omniprésents dans l'industrie moderne. Siemens en fabrique de nombreux. En fait, environ un tiers des machines du monde sont contrôlées par des automates Siemens.

Et chacune de ces manettes doit être programmée.

C'est le travail des ingénieurs en automatisation. Ils écrivent le code de contrôle, configurent les systèmes et les réseaux, testent les connexions et s'assurent que les systèmes industriels de plus en plus complexes fonctionnent comme prévu.

Et aujourd'hui, ces ingénieurs qualifiés sont rares.

Alors, la question évidente : pourquoi ne pas utiliser l'IA pour augmenter la productivité de nos effectifs ?

L'IA fonctionne déjà d'arrache-pied dans les usines aujourd'hui. Les caméras détectent les défauts sur les chaînes de production. Les systèmes prédisent quand les moteurs sont sur le point de tomber en panne. D'autres trouvent des moyens d'augmenter le débit d'une ligne critique.

Ces candidatures fonctionnent parce qu'elles sont vraiment douées pour un travail spécifique. Une caméra. Une chaîne de production. Donnez suffisamment d'exemples à l'IA et elle apprendra très bien à faire ce travail.

Mais programmer une manette n'est pas une tâche.

On peut demander à un ingénieur en automatisme de résoudre un certain nombre de problèmes, et la bonne réponse dépend de l'installation en question : l'équipement, la configuration, le câblage et même les conventions de dénomination.

Il est donc difficile de faire évoluer l'IA de la même manière. Vous ne pouvez pas créer et entraîner un nouveau modèle pour chaque usine et chaque client.

Entre-temps, l'IA polyvalente résout en partie ce problème. Les modèles les plus puissants d'aujourd'hui peuvent raisonner, écrire des logiciels et effectuer un bien plus large éventail de tâches. Mais ils ne comprennent pas votre usine en soi. Les données techniques qui décrivent une usine, son équipement, sa configuration et ses systèmes électriques, sont spécifiques à cet environnement et sont souvent privées.

C'est là que le contexte industriel est important.

Pensez à un nouvel ingénieur brillant dès son premier jour. Ils s'y connaissent en ingénierie, mais ils n'ont jamais mis les pieds dans votre usine. Vous ne les renvoyez pas à l'école. Vous leur donnez accès aux bonnes informations concernant le système spécifique sur lequel ils travaillent, et ils y contribuent très rapidement.

C'est l'idée qui sous-tend l'Eigen Engineering Agent.

Développé au centre d'intelligence artificielle de Siemens à Seattle, Eigen travaille au sein des logiciels d'ingénierie que les ingénieurs en automatisation utilisent déjà. Elle peut accéder aux informations du projet qui décrivent la configuration d'une usine, ainsi qu'aux schémas électriques et à d'autres données techniques pertinentes.

Un ingénieur peut décrire ce qu'il veut en langage clair. Eigen ne se contente pas de générer des suggestions pour exécuter de manière autonome des tâches d'ingénierie complexes. Elle peut comprendre le défi et se mettre au travail, en écrivant du code ou en configurant des systèmes, jusqu'à atteindre l'objectif de performance fixé par l'ingénieur.

Et il est déjà en cours de déploiement.

Lors de déploiements pilotes dans plus de 100 entreprises dans 19 pays, Eigen a amélioré l'efficacité technique de 50 %. Il peut exécuter des tâches d'ingénierie à une vitesse deux à cinq fois supérieure à la vitesse humaine.

Lorsque les ingénieurs en automatisation qualifiés sont rares, ces gains sont importants.

Pour que Industrial AI soit déployée à grande échelle, il faut également lui faire confiance.

C'est pourquoi la supervision et la validation humaines sont intégrées au processus. Le code peut être testé à l'aide d'outils de simulation qui modélisent le comportement de la manette avant qu'elle n'atteigne l'équipement sous tension, un ingénieur revoyant et approuvant le travail.

C'est une distinction importante. Industrial AI ne consiste pas simplement à intégrer de puissants modèles d'IA dans une usine. Il s'agit de combiner l'IA avec un contexte industriel approfondi et une expertise en ingénierie afin qu'elle puisse être déployée de manière sûre et fiable dans le monde réel.

Et Eigen fait partie d'un effort bien plus vaste. Siemens investira 1 milliard de dollars dans des capacités et des offres d'IA au cours des trois prochaines années, en s'appuyant sur des décennies d'expérience dans l'application de technologies à l'industrie et aux infrastructures.

Parce que le prochain chapitre de l'IA ne sera pas défini uniquement par des modèles plus puissants. Cela sera également défini par notre capacité à les déployer dans le monde réel, avec le contexte industriel et l'expertise humaine nécessaires pour résoudre de vrais problèmes et apporter une valeur mesurable.

C'est un progrès plus discret qu'un chatbot qui devient plus intelligent. Cela se passe dans les usines, en collaboration avec des ingénieurs et, en fin de compte, dans ces automates que la plupart d'entre nous ne verront jamais.

Mais nous en connaîtrons tous les résultats.

Je suis Lauren Espin, et voici Les perspectives optimistes.