Nous entendons beaucoup parler d’entreprises intelligentes, d’opérations intelligentes, de fabrication intelligente, etc. Mais que signifient réellement les termes « intelligent » et « smart » dans ces contextes ? Y a-t-il une différence entre eux ?
Etre « intelligent » est souvent défini comme la génération, le traitement et le partage de données. C’est le principe qui sous-tend les » produits intelligents » comme les téléphones, les voitures, les outils d’analyse et même les systèmes d’éclairage urbain.
Dans l’environnement de fabrication, ma compréhension du terme » intelligent » signifie » un niveau plus avancé d’intelligence. » C’est-à-dire que les données capturées à partir des produits intelligents et de leur environnement sont contextualisées, ce qui entraîne la création d’un » meilleur scénario « .
Débutons plus en profondeur. Le cœur d’une usine intelligente ou smart est souvent représenté par le symbole d’un cerveau humain. Mais comparons une usine à un humain. Nous avons tous un cerveau – mais chaque humain doit-il être considéré comme intelligent ou smart ? Probablement pas. Il ne suffit donc pas d’avoir un cerveau.
Etre intelligent, c’est avoir la capacité d’absorber des informations (données), de les contextualiser, de les traiter et d’en déduire un (meilleur) scénario. Cela signifie avoir la capacité de s’adapter à des conditions changeantes.
Dans l’environnement de fabrication, les actifs et la main-d’œuvre doivent être considérés comme des plateformes de données qui génèrent et consomment d’énormes volumes de données qui sont traitées par les couches OT et IT.
C’est « intelligent » – mais pas « intelligent ». Même l’utilisation d’algorithmes d’IA et d’apprentissage cognitif/machine n’élève pas ces environnements au rang d' » intelligents « .
Fait intéressant : les organisations qui mettent en œuvre des solutions numériques – telles que des modèles prédictifs ou la surveillance des conditions et des performances – peuvent prétendre qu’elles utilisent les données pour prendre des décisions plus rapides et qualitativement meilleures. Mais elles ne tirent pas parti de l’horizontalité et de la verticalité.
C’est-à-dire que plus elles ont déployé de solutions numériques, plus elles ont créé de silos. L’élément de contextualisation des données de bout en bout est absent. Au lieu de supprimer la complication et d’optimiser la complexité existante, les systèmes sont devenus encore plus complexes. Il peut en résulter un environnement trop complexe, compliqué et instable pour être dompté par un seul cerveau central.
À quoi devrait ressembler une entreprise intelligente ?
Cela dépend fortement du type de chaîne de valeur. Les organisations de fabrication discrète avec des produits très complexes ont tendance à être plus intensives en main-d’œuvre que les producteurs à faible complexité et à volume élevé. La fabrication de processus peut être exploitée sans une seule touche par un opérateur. Même la plupart des processus de back-office peuvent être automatisés.
Mais pour tous les types de chaîne de valeur, le noyau intelligent doit fonctionner comme un cerveau central. Pour libérer le noyau intelligent afin qu’il puisse travailler de manière efficace et autonome, voici les conditions préalables de base :
- Processus axés à 100 % sur les données
- Environnements informatiques et OT sécurisés
- Systèmes convergents verticalement et horizontalement
- Chaîne d’approvisionnement et clients intégrés dans l’infrastructure pertinente de l’usine
- Interférence humaine supprimée des processus pour réduire l’instabilité et les défaillances potentielles (ex, automatisation avancée de la production et du back-office)
- Architecture informatique basée sur une plateforme et évolutive
- Décisions de bout en bout prises par des algorithmes d’IA
- Architecture de pointe et de cloud qui traite les analyses en temps réel en utilisant une puissance de calcul importante
Quel est l’idéal pour l’avenir proche ?
Transformer une usine intelligente en une entreprise intelligente nécessite bien plus que de tirer parti d’un flux de données transparent et de connaissances et de décisions basées sur les données. La construction d’un noyau intelligent qui gère les processus de manière autonome nécessite la mise en œuvre d’un niveau avancé d’automatisation des logiciels et du matériel, la réalisation de la configuration et de la maintenance des technologies à distance et la fourniture autonome de la logistique interne et externe.
Réaliser cet exploit peut être un long voyage. Elle nécessite de surmonter des obstacles, notamment le remplacement des systèmes informatiques et OT hérités dans tous les domaines, l’investissement dans des concepts de production entièrement automatisés et flexibles, et la protection de haut niveau de l’ensemble du système.
Par-dessus tout, les dépenses totales d’investissement et d’exploitation du projet doivent aboutir au retour sur investissement souhaité. Pour la plupart des entreprises, un environnement hybride humain-technologie-automatisation reste le meilleur choix pour atteindre l’efficacité et la durabilité de l’entreprise.
Mais un tel environnement convergent n’est pas « intelligent – du moins tel que nous l’avons décrit ci-dessus. Il serait peut-être préférable de le qualifier de » plus qu’intelligent « . C’est-à-dire qu’il exploite le meilleur des deux mondes. Il n’est pas entièrement géré par l’IA centrale, mais combine plutôt la flexibilité, l’intuition et la capacité du cerveau humain à comprendre les choses dans un contexte plus large, avec la capacité de l’IA à tirer des enseignements de l’analyse de données complexes. Elle se rapproche de l' »intelligence », mais n’en est pas encore là.