Panasonic Industry estime que l’utilisation de l’intelligence artificielle dans la fabrication ne commence pas par le choix d’un modèle ou d’un outil prêt à l’emploi, mais par la construction d’une base de données opérationnelle fiable. Selon l’article publié dans MONOist Japan, l’entreprise a consacré plus de dix ans à transformer les données des lignes de production et les connaissances qui leur sont associées en une structure pouvant être utilisée pour améliorer les processus.
Cette expérience vient d’une entreprise fondée en 1969 qui produit notamment des condensateurs électrolytiques en aluminium. Ces composants sont utilisés dans des domaines comprenant les véhicules électriques, les applications d’intelligence artificielle et les infrastructures de télécommunications. Dans ce contexte, l’entreprise affirme que l’amélioration de la production nécessite de gérer les différences entre les lignes de fabrication, de fournir les ressources nécessaires et de répondre à l’évolution du volume de la demande.
Les données avant l’intelligence artificielle
Il y a environ dix ans, près de la moitié des anciens équipements de production, datant d’avant 2010, étaient incapables de collecter directement des données. Panasonic Industry a donc œuvré à l’introduction d’équipements capables de fournir des données et à l’installation de contrôleurs logiques programmables, ou PLC, sur les lignes de production existantes.
Selon l’article, ce processus a permis de collecter des données provenant de plus de 600 lignes de production. La standardisation ne s’est pas limitée à des indicateurs généraux : il est devenu possible d’organiser des données telles que la qualité de la production, les taux de défaillance des équipements, les défauts des produits et les défauts liés au volume, ainsi que l’efficacité de la production et d’autres indicateurs opérationnels.
De la mesure aux connaissances opérationnelles
L’entreprise ne considère pas la collecte des données comme une fin en soi. La disponibilité des données de tous les équipements aide à analyser les conditions de fonctionnement et à déterminer les causes des problèmes, tout en permettant de comparer les performances des équipements et des processus. Panasonic Industry établit un lien entre les données et les connaissances accumulées par les employés, considérant que la question pratique est de savoir comment comprendre la relation entre ce que font les employés et les changements observés dans les performances des processus.
L’article indique que l’entreprise travaille à construire un cadre de connaissances opérationnelles fondé sur la conversion de l’expérience de terrain en une forme réutilisable, plutôt que de la laisser liée à des personnes déterminées. Ce point est particulièrement important dans les environnements de fabrication où les spécifications des produits et les méthodes de production varient d’un client à l’autre et peuvent nécessiter des milliers de procédures de réglage et d’exploitation.
Qu’est-ce qui change concrètement ?
La transformation effective consiste à passer de l’utilisation de l’intelligence artificielle comme outil distinct à son intégration avec les données des équipements et les connaissances opérationnelles. L’article explique que Panasonic Industry a commencé à employer des technologies comprenant des agents d’intelligence artificielle pour soutenir les opérations, mais que cette étape est intervenue après la préparation de l’infrastructure de données et la standardisation des indicateurs de performance.
La principale conclusion est que l’intelligence artificielle ne compense ni l’absence de données ni l’incohérence de leurs définitions. Une usine incapable d’accéder aux données de ses équipements ou dépourvue d’une méthode uniforme pour décrire les pannes et la qualité de la production rencontrera des limites avant même l’étape du choix d’un modèle d’intelligence artificielle. Dans le cas de Panasonic Industry, la numérisation de plus de 600 lignes de production a fourni une base sur laquelle s’appuyer pour analyser les processus et étendre l’automatisation des connaissances.
L’article ne prouve pas que tous les problèmes de production ont été résolus ni que les agents d’intelligence artificielle sont devenus un substitut à l’expertise humaine. Il présente toutefois une démarche claire : collecter les données des équipements, les standardiser, les relier aux connaissances de terrain, puis utiliser l’intelligence artificielle dans les processus de fabrication. L’efficacité de cette démarche reste liée à la qualité des données, à la précision de la modélisation des connaissances et à la capacité des employés à vérifier les résultats avant de les transformer en décisions opérationnelles.