MICHELIN, FORVIA & CELONIS à AI for Industry by Artefact - L'IA pour l'automobile : État de l'art et cas d'utilisation

La session “AI for Automotive” a réuni des représentants clés de Michelin, Forvia et Celonis, qui ont expliqué comment l'IA révolutionne l'industrie automobile. L'IA transforme en particulier l'optimisation des processus, la maintenance prédictive et le contrôle de la qualité, grâce à des applications concrètes de l'apprentissage automatique, de la vision par ordinateur et de l'IA générative, remodelant ainsi les opérations automobiles.

Prashant Dhanraj, de Celonis, a souligné le potentiel de l'IA à transformer les processus commerciaux tels que le développement de produits et la gestion de la chaîne d'approvisionnement. Il a expliqué comment les jumeaux numériques, modèles virtuels de processus physiques, permettent aux entreprises de tirer des enseignements de vastes ensembles data et d'optimiser leurs opérations. Par exemple, l'IA générative permet d'estimer le coût des nouvelles pièces en analysant les dessins techniques, en identifiant les pièces similaires et en suggérant des fournisseurs. L'IA aide également à la gestion des commandes, en utilisant les LLM pour évaluer les blocs de crédit dans les commandes de vente et fournir des recommandations basées sur les data passées, améliorant ainsi la prise de décision.

Jean-Vianney Chiron, de Michelin, a expliqué comment l'IA améliore la fabrication grâce à la vision par ordinateur et à l'analyse des séries chronologiques. Dans la production de pneus, les caméras alimentées par l'IA détectent les défauts dans le caoutchouc, qui sont difficiles à inspecter manuellement. Cette technologie garantit une meilleure qualité des produits et rationalise le processus. En outre, l'IA établit une corrélation entre les data des machines, telles que la température et la pression, et la qualité du produit final, ce qui améliore l'efficacité en permettant aux travailleurs de s'attaquer aux problèmes critiques plutôt que de surveiller les data manuellement.

Jean-Vianney Chiron a expliqué comment l'IA générative permet d'intégrer des décennies de connaissances provenant des usines Michelin du monde entier. Le personnel de maintenance peut saisir les symptômes des machines et recevoir des suggestions de diagnostic basées sur des cas antérieurs. Le système apprend en permanence à partir des commentaires des utilisateurs, créant une base de connaissances robuste et évolutive accessible dans le monde entier, ce qui améliore le temps de réponse aux problèmes de maintenance.

Caroline Connan, de Forvia, a présenté des cas d'utilisation similaires, notamment l'IA pour la maintenance prédictive afin d'éviter les arrêts de la chaîne de production. En analysant l'historique data et les paramètres machine en temps réel, l'IA alerte les opérateurs sur les problèmes potentiels, réduisant ainsi les temps d'arrêt coûteux. Un système basé sur le LLM génère des plans de maintenance et aide à hiérarchiser les actions. En outre, les systèmes de vision artificielle alimentés par l'IA dans les usines de Forvia détectent les défauts de qualité dans les intérieurs automobiles, réduisant ainsi les erreurs et améliorant la qualité des produits.

Michelin et Forvia utilisent l'IA pour suivre et réduire la consommation d'énergie dans leurs usines. Des modèles d'apprentissage automatique analysent en temps réel les capteurs data pour surveiller la consommation d'électricité et d'eau. Ces informations permettent aux entreprises de fixer des objectifs, de prévoir la consommation et d'ajuster les opérations pour réduire leur impact sur l'environnement et leurs coûts d'exploitation. La capacité de l'IA à fournir un retour d'information en temps réel est essentielle pour atteindre les objectifs de durabilité.