Pourquoi se concentrer sur la gestion de la qualité lorsqu’il est trop tard pour corriger un problème ? Avec l’intelligence artificielle (IA), vous pouvez prédire la qualité finale de vos produits et ajuster la ligne en temps réel pour obtenir un processus plus stable.
Avec des délais de production raccourcis, une production juste-à-temps, des délais de livraison plus serrés et la nécessité de proposer rapidement les produits sur le marché, il est plus difficile que jamais de contrôler la qualité, tout en respectant des réglementations et des normes plus strictes, sans compter les responsabilités légales en cas d'accident. Même lorsque des produits imparfaits peuvent encore être vendus, l'image de l'entreprise peut être considérablement diminuée, tandis que ses résultats financiers peuvent être entravés par des rappels de produits inattendus.
Dans le secteur sidérurgique par exemple, malgré l'expérience acquise depuis les débuts de la métallurgie, le résultat est souvent instable et incohérent dans le temps, et les propriétés du matériau final telles que l'aspect de base, les propriétés mécaniques et chimiques diffèrent toujours légèrement, au mieux. Fondamentalement, un processus de production continue typique démarre à partir de matières premières et applique une recette standardisée pour fabriquer un produit d'une qualité définie, en un laps de temps prédéterminé. La production réelle n'est jamais aussi facile dans la pratique. Pour les sidérurgistes, cette variation de qualité représente un défi de taille : si le produit n'est pas à la hauteur, il doit être retraité, ou simplement mis au rebut, ce qui implique des coûts plus élevés, une perte de temps et une utilisation accrue des machines.
Un résultat constant à partir de matières premières variables
Cette variation de la qualité de production découle souvent de l'hétérogénéité des matières premières, même dans un même lot, et de variables qui ne peuvent être contrôlées par les opérateurs, telles que la température extérieure, l'humidité, etc. Que faire lorsque les systèmes fondés sur des règles et l'ingénierie classique ne peuvent pas compenser en temps réel ces conditions ? "Pour obtenir une haute qualité constante, les entreprises peuvent soit inventer de nouvelles recettes, soit changer dynamiquement la recette existante", analyse Jean-Philippe Hugo, CEO de Wizata. "Aujourd'hui, les recettes sont très complexes et les méthodes traditionnelles ne suffisent pas pour garder une longueur d'avance sur la concurrence : vos ingénieurs et vos opérateurs ont besoin d'être accompagnés par une intelligence artificielle qui tire parti de la puissance prédictive des données pour connaître à l'avance la qualité du produit final, et comment sélectionner les paramètres optimaux pour obtenir un meilleur résultat".
Entraîner une IA à découvrir les réglages de production optimaux
En identifiant les paramètres qui doivent être évités, parce qu'ils sont à l'origine d'un produit d’une qualité inférieure aux normes, et les paramètres conduisant à une qualité supérieure, l'IA peut prédire les défauts de production émergents et isoler les meilleures valeurs pour chaque situation (par exemple la pression, la température et l'humidité dans un four). L'objectif est de déterminer des recommandations préventives ou prescriptives, des réglages pour des paramètres qui peuvent être modifiés dans la pratique et appliqués par les opérateurs des lignes de production. Une étroite collaboration entre les experts sur le terrain et les spécialistes des données permet donc d'obtenir le meilleur retour sur investissement, en particulier pour l'intégration future de ces nouvelles connaissances dans les systèmes basés sur des règles métier qui régissent la production, ou au sein de systèmes d'automatisation.
Maîtrise des effets en aval
L'intelligence artificielle est particulièrement bien positionnée pour résoudre des problèmes qui ne pouvaient être résolus auparavant. Non seulement les algorithmes bénéficient d’une vision claire et complète de la production en temps réel combinant une compréhension détaillée des données passées, mais ils peuvent tirer des conclusions en se concentrant sur les probabilités et les statistiques, sans avoir à reconstruire explicitement de nouvelles théories ou règles métier.
A l’aide de l’assistance fournie par l'intelligence artificielle, les opérateurs peuvent mieux gérer les réglages des machines en temps réel, tandis que les ingénieurs peuvent définir de nouvelles recettes pour une production optimale, même dans les cas délicats où des différences apparemment mineures peuvent avoir des effets considérables en aval. Pour les ingénieurs et les scientifiques de la R&D, les processus futurs peuvent être affinés davantage en utilisant l'intelligence artificielle pour analyser des causes fondamentales et identifier des motifs dans le big data au sein de laboratoires virtuels, tirant parti de la puissance du cloud.
Vous voulez en savoir plus sur la gestion de la qualité grâce à l'intelligence artificielle ? Découvrez notre cas client avec un producteur d'acier international.