Nous nous sommes de nouveau entretenus avec Raffaello Lepratti, vice-président mondial de la fabrication industrielle, pour une séance de questions-réponses chez Mendix, pour aller au-delà du battage médiatique et parler de ce qui se passe réellement dans les usines aujourd'hui.

Raffaello est un expert en technologies de fabrication en constante évolution. Fort de 25 ans d'expérience dans le secteur manufacturier, il a occupé divers postes dans la production automobile, la gestion des opérations de fabrication et le développement commercial. Il est titulaire d'un diplôme d'ingénieur en génie électrique et d'un doctorat en collaboration homme-machine avancée.

Utilisation de l'IA générique tout au long de la chaîne de valeur industrielle

Dans l'ensemble de la chaîne de valeur industrielle, où voyez-vous l'IA générative être la plus répandue ou la plus utilisée ?

Raffaello Lepratti (RL) : Voilà la question cruciale, celle qui vaut un million de dollars.

En ce moment, je vois GénAI Ce type de documentation est fréquemment utilisé pour créer ou synthétiser des instructions. Il s'agit d'instructions qu'un opérateur doit suivre et exécuter. Ces instructions sont généralement fixes et créées avant toute opération. Elles sont statiques.

Cependant, les conditions en usine ou sur une chaîne de production peuvent évoluer rapidement. Par exemple, l'introduction d'un nouvel outil nécessite une mise à jour des consignes de sécurité pour l'opérateur.

GenAI dynamise la documentation. Vous pouvez y apporter des modifications en tenant compte du nouvel outil, par exemple, ou vous adapter à la nouvelle situation. GenAI vous permet d'intégrer plus rapidement une mise à jour de la documentation ou de générer un nouveau document. Vos applications de fabrication passent ainsi d'un modèle statique et prédéfini à un modèle dynamique.

Un autre domaine où je vois l'IA générale utilisée est celui-ci : B2B2C et service client. Les entreprises ont généralement un indicateur de performance clé (KPI) concernant le délai de résolution des problèmes produits rencontrés par les clients. Si un client fournit une description du comportement du produit, cette information est transmise à l'entreprise, puis au fabricant, et un dossier est créé. Le processus de résolution peut être long.

GenAI peut apporter son aide en exploitant cet enregistrement et en générant immédiatement un ensemble d'instructions que l'organisation doit suivre pour accélérer le processus de résolution. Le système analyse les réclamations et établit ensuite des protocoles de réparation.

Nous constatons également une adoption précoce où l'IA de génération de données aide à interpréter les données opérationnelles – en résumant les tendances, les anomalies ou les incidents en langage clair pour une prise de décision plus rapide.

GenAI fournit des conseils immédiats tandis que le représentant des services sociaux reste informé pour prendre la décision finale.

Cas d'utilisation concrets avec Mendix, Siemens, et AWS

Quels sont quelques exemples d'utilisation que vous observez au sein des organisations ? Mendix, Siemenset GenAI ?

Raffaello Lepratti (RL) : Eh bien, le premier exemple que je vous ai donné était facile à trouver car c'est ce qui se passe réellement avec Mendix clients utilisant Opcenter.

Ces clients utilisent Opcenter, SiemensLe système MES (Manufacturing Execution System) permet de gérer la production en guidant les opérateurs dans l'exécution de leurs tâches. Il offre la possibilité de générer dynamiquement des instructions à partir de toute documentation nécessaire à un travail ou une tâche.

Mendix Il fonctionne avec de nombreuses infrastructures différentes. Un de nos clients utilise Services AWS Parce qu'AWS est leur fournisseur de cloud. Nous avons trouvé comment connecter AWS à Opcenter, et c'est là que… Mendix Cette fonctionnalité est entrée en jeu. Elle permet au client d'intégrer facilement le service AWS Bedrock à l'application qui génère ces instructions.

Cela pourrait également s'appliquer à d'autres infrastructures, comme Azure. La beauté de Mendix c'est la flexibilité de se connecter aux services de différents hyperscalers.

Une autre approche consiste à utiliser l'apprentissage automatique. Dans le cadre du contrôle statistique des processus (SPC), on analyse les résultats, les exigences, les tendances – tout élément permettant de prédire un écart de qualité. L'apprentissage automatique peut tirer des enseignements de ces données. Il peut ainsi indiquer au fabricant la marche à suivre ou déclencher des alertes.

Il s'agit d'un niveau différent d'IA générale, mais elle est générée à partir de l'apprentissage automatique. C'est une capacité importante de Mendix, notre kit d'apprentissage automatique. Vous n'avez pas besoin de recourir à un service externe pour l'utiliser dans une application.

Opcenter est l'élément fondamental de tout cela, car il fournit le contexte. Le MES donne toutes les informations nécessaires sur un produit et indique la prochaine étape de production. Il précise les outils requis, la réglementation applicable et d'autres détails spécifiques.

Il s'agit de toutes les données et du savoir-faire importants, et si nous connectons un service et entraînons le service GenAI ou utilisons notre propre kit ML pour exploiter toutes ces données dans le MES, alors le client peut créer un impact immédiat.

Ce qui est crucial ici, c'est que Mendix Il ne s'agit pas simplement de faire appel à un service d'IA, mais d'intégrer l'intelligence directement dans le flux de travail opérationnel où les décisions sont prises.

La combinaison de Mendix et Opcenter, ou tout Siemens Xcelerator Ce produit ne se limite pas à la simple capacité de connecter plusieurs systèmes en permanence. Il s'agit de garantir une exploitation aisée des données grâce à l'intégration de tout service souhaité ou nécessaire au sein de l'infrastructure existante du client.