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

La session « L'IA dans l'automobile » a réuni des représentants de premier plan de Michelin, Forvia et Celonis, qui ont mis en avant la manière dont l'IA révolutionne l'industrie automobile. L'IA transforme notamment l'optimisation des processus, la maintenance prédictive et le contrôle qualité grâce à des applications concrètes de l'apprentissage automatique, de la vision par ordinateur et de l'IA générative, redéfinissant ainsi les opérations dans le secteur automobile.

Prashant Dhanraj, de Celonis, a souligné le potentiel de l'IA pour transformer les processus métier tels que le développement de produits et la gestion de la chaîne d'approvisionnement. Il a expliqué comment les jumeaux numériques, ces modèles virtuels de processus physiques, permettent aux entreprises de tirer des enseignements de vastes ensembles de données et d'optimiser leurs opérations. On peut citer, par exemple, l'utilisation de l'IA générative pour estimer le coût de nouvelles pièces en analysant les dessins techniques, en identifiant des pièces similaires et en suggérant des fournisseurs. L'IA facilite également la gestion des commandes, en utilisant des modèles de langage (LLM) pour évaluer les blocages de crédit dans les commandes clients et fournir des recommandations basées sur data historiques, 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, des caméras équipées d'IA détectent les défauts du caoutchouc, difficiles à inspecter manuellement. Cette technologie garantit une meilleure qualité des produits et rationalise le processus. De plus, l'IA établit des corrélations entre data des machines, telles que la température et la pression, et la qualité du produit final, ce qui améliore l'efficacité en permettant aux opérateurs de se concentrer sur les problèmes critiques plutôt que de surveiller data .

Jean-Vianney Chiron a souligné comment l'IA générative permet de capitaliser sur des décennies de savoir-faire issu des usines Michelin à travers le monde. Le personnel de maintenance peut saisir les symptômes rencontrés sur les machines et recevoir des suggestions de diagnostic basées sur des cas antérieurs. Le système apprend en permanence grâce aux retours des utilisateurs, créant ainsi une base de connaissances solide et évolutive, accessible partout dans le monde, ce qui permet d'améliorer les délais de réponse aux problèmes de maintenance.

Caroline Connan, de Forvia, a présenté des cas d'utilisation similaires, notamment le recours à l'IA pour la maintenance prédictive afin d'éviter les arrêts de production. En analysant data historiques data les paramètres des machines en temps réel, l'IA alerte les opérateurs en cas de problèmes potentiels, ce qui permet de réduire les temps d'arrêt coûteux. Un système basé sur un modèle de langage (LLM) génère des plans de maintenance et aide à hiérarchiser les actions. De plus, des systèmes de vision par ordinateur alimentés par l'IA, mis en place dans les usines de Forvia, détectent les défauts de qualité dans les intérieurs automobiles, ce qui réduit les erreurs et améliore la qualité des produits.

Michelin et Forvia ont toutes deux recours à l'intelligence artificielle pour suivre et réduire la consommation d'énergie dans leurs usines. Des modèles d'apprentissage automatique analysent data des capteurs en temps réel data surveiller la consommation d'électricité et d'eau. Ces informations permettent aux entreprises de fixer des objectifs, de prévoir leur consommation et d'adapter leurs opérations afin de réduire leur impact environnemental et leurs coûts d'exploitation. La capacité de l'intelligence artificielle à fournir des informations en temps réel est essentielle pour atteindre les objectifs de développement durable.