Comment l'IA va révolutionner la fabrication

En association avec Logiciel Siemens pour les industries numériques

Demandez à Stefan Jockusch à quoi ressemblera une usine dans 10 ou 20 ans, et la réponse vous placera peut-être à la croisée des chemins entre fascination et perplexité. Jockusch est vice-président de la stratégie chez Siemens Digital Industries Software, qui développe des applications qui simulent la conception, la conception et la fabrication de produits tels que les téléphones portables ou les montres intelligentes. Sa vision d'une usine intelligente est en effervescence avec des robots indépendants et mobiles. Mais ils ne s'arrêtent pas à faire une, trois ou cinq choses. Non, cette usine s'auto-organise.

Cet épisode de podcast a été produit par Insights, la branche de contenu personnalisé de MIT Technology Review. Il n'a pas été produit par la rédaction de MIT Technology Review.

Selon le produit que je lance dans cette usine, elle se remanie complètement et fonctionne différemment lorsque j'arrive avec un produit très différent, dit Jockusch. Il va s'auto-organiser pour faire quelque chose de différent.

Derrière cette usine du futur se cache l'intelligence artificielle (IA), explique Jockusch dans cet épisode de Business Lab. Mais l'IA commence beaucoup, beaucoup plus petit, avec la puce. Prenez la construction automobile. Les puces qui alimentent les diverses applications dans les voitures d'aujourd'hui - et les véhicules sans conducteur de demain - sont intégrées à l'IA, qui prend en charge la prise de décision en temps réel. Ils sont hautement spécialisés, construits avec des tâches spécifiques à l'esprit. Les personnes qui conçoivent les puces doivent alors avoir une vue d'ensemble.

Vous devez avoir une idée si la puce, par exemple, contrôle l'interprétation des choses que les caméras voient pour la conduite autonome. Vous devez avoir une idée du nombre d'images que la puce doit traiter ou du nombre de choses qui bougent sur ces images, dit Jockusch. Vous devez comprendre beaucoup de choses sur ce qui se passera à la fin.

Cette manière complexe de construire, de fournir et de connecter des produits et des systèmes est ce que Siemens décrit comme une puce à la ville - l'idée que les futurs centres de population seront alimentés par la transmission de données. Selon Jockusch, les usines et les villes qui se surveillent et se gèrent elles-mêmes s'appuient sur l'amélioration continue : l'IA exécute une action, apprend des résultats, puis ajuste ses actions ultérieures pour obtenir un meilleur résultat. Aujourd'hui, la plupart des IA aident les humains à prendre de meilleures décisions.

Nous avons une application où le programme surveille l'utilisateur et essaie de prédire la commande que l'utilisateur va utiliser ensuite, dit Jockusch. Plus l'application peut surveiller l'utilisateur longtemps, plus elle sera précise.

L'application de l'IA à la fabrication peut entraîner des économies de coûts et d'importants gains d'efficacité. Jockusch donne un exemple d'une usine Siemens de cartes de circuits imprimés, qui sont utilisées dans la plupart des produits électroniques. La fraiseuse qui y est utilisée a tendance à s'encrasser avec le temps, à se salir. Le défi consiste à déterminer quand la machine doit être nettoyée afin qu'elle ne tombe pas en panne au milieu d'un quart de travail.

Nous utilisons en fait une application d'intelligence artificielle sur un appareil de pointe qui se trouve directement dans l'usine pour surveiller cette machine et faire une prédiction assez précise quand il est temps de faire la maintenance, explique Jockusch.

L'impact total de l'IA sur les entreprises et l'éventail complet des opportunités que la technologie peut découvrir sont encore inconnus.

Il y a beaucoup de travail en cours pour mieux comprendre ces implications, dit Jockusch. Nous n'en sommes qu'au début de cette démarche, pour vraiment comprendre ce que l'optimisation d'un processus peut faire pour l'entreprise dans son ensemble.

Business Lab est hébergé par Laurel Ruma, directrice d'Insights, la division de publication personnalisée de MIT Technology Review. L'émission est une production de MIT Technology Review, avec l'aide à la production de Collective Next.

Cet épisode de podcast a été produit en partenariat avec Siemens Digital Industries Software.

Afficher les notes et les liens

Siemens aide un constructeur automobile vietnamien à produire ses premiers véhicules, Automation.com, 6 septembre 2019

Chip to city : le futur de la mobilité, par Stefan Jockusch, Bibliothèque numérique de la Société internationale d'optique et de photonique, 26 septembre 2019

Transcription complète

Laurier Ruma : De MIT Technology Review, je m'appelle Laurel Ruma, et voici Business Lab, l'émission qui aide les chefs d'entreprise à donner un sens aux nouvelles technologies qui sortent du laboratoire et arrivent sur le marché. Notre sujet aujourd'hui est l'intelligence artificielle et les applications physiques. L'IA peut fonctionner sur une puce, sur un appareil périphérique, dans une voiture, dans une usine, et finalement, l'IA dirigera une ville avec une prise de décision en temps réel, grâce à un traitement rapide, de petits appareils et un apprentissage continu. Deux mots pour vous : usine intelligente.

Mon invité est le Dr Stefan Jockusch, vice-président de la stratégie chez Siemens Digital Industries Software. Il est responsable de la planification commerciale stratégique et de l'intelligence du marché, et Stefan coordonne également des projets dans tous les segments d'activité et avec Siemens Digital Leadership. Cet épisode de Business Lab est produit en association avec Siemens Digital Industries. Bienvenue, Stéphane.

Stefan Jockusch : Salut. Merci de m'avoir.

Laurier : Donc, si nous pouvions commencer un peu, pourriez-vous nous parler de Siemens Digital Industries ? Que faites-vous exactement?

Stéphane : Ouais, dans Siemens Digital Industries, nous sommes l'entreprise de logiciels techniques. Nous développons donc un logiciel qui prend en charge l'ensemble du processus, de l'idée initiale d'un produit comme un nouveau téléphone portable ou une montre intelligente, à la conception, puis au produit fabriqué. Cela inclut donc la conception mécanique, le logiciel qui s'exécute dessus et même les puces qui alimentent cet appareil. Ainsi, avec notre logiciel, vous pouvez mettre tout cela dans le monde numérique. Et nous aimons parler de ce que vous en retirez, en tant que jumeau numérique. Vous avez donc un jumeau numérique pour tout, le comportement, la physique, la simulation, le logiciel et la puce. Et vous pouvez bien sûr utiliser ce jumeau numérique pour prendre une décision ou essayer comment le produit fonctionne, comment il se comporte, avant même de devoir le construire. Voilà en quelques mots ce que nous faisons.

Laurier: Donc, en restant sur cette idée de jumeau numérique, comment expliquons-nous l'idée de la puce à la ville ? Comment les fabricants peuvent-ils réellement simuler une puce, ses fonctions, puis le produit, par exemple, en tant que voiture, ainsi que l'environnement entourant cette voiture ?

Stéphane : Ouais. Derrière cette idée, il y a vraiment la pensée que dans le futur, et aujourd'hui déjà, nous devons construire des produits, permettant aux personnes qui y travaillent de voir l'ensemble, plutôt qu'un petit morceau. C'est pourquoi nous le rendons aussi grand que de dire de la puce à la ville, ce qui signifie vraiment que lorsque vous concevez une puce qui fonctionne dans un véhicule d'aujourd'hui et plus encore à l'avenir, vous devez prendre en compte beaucoup de choses pendant que vous concevez cette puce. Vous devez avoir une idée si la puce, par exemple, contrôle l'interprétation des choses que les caméras voient pour la conduite autonome, vous devez avoir une idée du nombre d'images que la puce doit traiter ou du nombre de choses qui bougent sur ces images et piétons évidents, quelle reconnaissance devez-vous faire ? Vous devez comprendre beaucoup de choses sur ce qui se passera à la fin. L'idée est donc de permettre à un concepteur au niveau de la puce de comprendre le comportement réel d'un produit.

Et ce qui se passe aujourd'hui, c'est surtout qu'on ne développe plus des voitures juste avec une voiture en tête, on connecte de plus en plus les véhicules à l'environnement, les uns aux autres. Et l'un des grands objectifs, comme nous le savons tous, c'est bien sûr d'améliorer la contamination dans les villes et aussi le trafic dans les villes, donc vraiment de rendre ces zones métropolitaines plus vivables. C'est donc aussi quelque chose que nous devons prendre en compte dans toute cette chaîne de processus, si nous voulons voir l'ensemble en tant que concepteur. C'est donc l'arrière-plan de toute cette idée, de la puce à la ville. Et encore une fois, à quoi cela devrait ressembler pour un designer, si vous y réfléchissez, je conçois ce module de vision dans une voiture, et je veux comprendre à quel point il doit être puissant. J'ai un moyen de m'immerger dans une simulation, très précise, et je peux voir quelles données mon véhicule verra, ce qu'il y a dedans, combien d'entrées de capteur je reçois d'autres sources et ce que je dois faire. Je peux vraiment jouer à travers tout cela.

Laurier: J'aime vraiment ce cadrage de pouvoir voir l'ensemble, pas seulement le morceau de cette façon incroyablement complexe de penser, de construire, de livrer. Donc, pour revenir à ce niveau de pièce, comment l'IA joue-t-elle un rôle au niveau de la puce ?

Stéphane : L'IA consiste en grande partie à soutenir ou même à prendre la bonne décision en temps réel. Et je pense que c'est là que l'IA et le niveau de la puce deviennent si importants ensemble, car nous savons tous que beaucoup de choses intelligentes peuvent être faites si vous avez un gros ordinateur assis quelque part dans un centre de données. Mais l'IA et le niveau de la puce sont vraiment très ciblés sur ces applications qui ont besoin de performances en temps réel et d'une performance qui n'a pas le temps de beaucoup communiquer. Et aujourd'hui, cela évolue vraiment vers le fait que les puces qui font des applications d'IA sont déjà conçues de manière très spécialisée, qu'elles doivent faire beaucoup de puissance de calcul ou qu'elles doivent conserver l'énergie du mieux qu'elles peuvent, donc être très basses consommation d'énergie ou s'ils ont besoin de plus de mémoire. Alors oui, il devient de plus en plus courant de voir l'IA intégrée dans de minuscules petites puces, puis probablement dans les futures voitures, nous aurons une douzaine d'applications d'IA au niveau des semi-conducteurs pour différentes choses.

Laurier: Eh bien, cela soulève un bon point car ce sont les humains qui doivent prendre ces décisions en temps réel avec ces minuscules puces sur les appareils. Alors, comment la complexité de quelque chose comme l'apprentissage continu avec l'IA aide-t-elle non seulement l'IA à devenir plus intelligente, mais affecte également la sortie de données, qui finalement, même si très rapidement, permet à l'humain de prendre de meilleures décisions en temps réel ?

Stéphane : Je dirais que la plupart des applications de l'IA aujourd'hui sont plutôt conçues pour aider un humain à prendre une bonne décision plutôt qu'à prendre la décision. Je ne pense pas que nous lui fassions encore autant confiance. Ainsi, à titre d'exemple, dans nos propres logiciels, comme tant d'autres fabricants de logiciels, nous commençons à utiliser l'IA pour rendre son utilisation plus facile et plus rapide. Ainsi, par exemple, vous avez ces applications de conception très complexes qui peuvent faire beaucoup de choses, et bien sûr elles ont des centaines de menus. Nous avons donc une application où le programme surveille l'utilisateur et essaie de prédire la commande que l'utilisateur va utiliser ensuite. Alors juste pour l'offrir et juste dire, 'Tu n'es pas sur le point de faire ça ?' Et bien sûr, vous avez parlé d'amélioration continue, d'apprentissage continu - plus l'application peut surveiller l'utilisateur longtemps, plus elle sera précise.

Il est actuellement déjà à un niveau de plus de 95%, mais bien sûr l'apprentissage continu l'améliore. Et soit dit en passant, c'est aussi une façon d'utiliser l'IA non seulement pour aider un seul utilisateur mais pour commencer à encoder une connaissance, une expérience, une expérience variée de bons utilisateurs et la mettre à disposition d'autres utilisateurs. Si un ingénieur très expérimenté fait cela et utilise l'IA et que vous prenez essentiellement ces leçons apprises de cet ingénieur et que vous les donnez à quelqu'un de moins expérimenté qui doit faire une chose similaire, cette expérience aidera également le nouvel utilisateur, l'utilisateur novice.

Laurier: C'est vraiment convaincant parce que vous avez raison : vous construisez une base de données de connaissances, une véritable base de données de données. Et puis aussi tout cela aide éventuellement l'IA, mais aide aussi vraiment l'humain parce que vous essayez d'étendre ces connaissances au plus grand nombre de personnes possible. Maintenant, quand nous pensons à cela et à l'IA à la périphérie, comment cela change-t-il les opportunités pour l'entreprise, que vous soyez un fabricant ou la personne qui utilise l'appareil ?

Stéphane : Ouais. Et en général, bien sûr, c'est un moyen pour tous ceux qui fabriquent un produit intelligent de se différencier, de créer de la différenciation parce que toutes ces fonctions activées par l'IA sont bien sûr intelligentes, et elles donnent une certaine différenciation. Mais l'exemple que je viens de mentionner où vous pouvez prédire ce qu'un utilisateur va faire, c'est bien sûr quelque chose que de nombreux logiciels n'ont pas encore. C'est donc une façon de se différencier. Et cela ouvre certainement de nombreuses opportunités pour créer ces éléments de fonctionnalité très différenciés, que ce soit dans les logiciels ou dans les véhicules, dans n'importe quel autre domaine.

Laurier: Donc, si nous devions appliquer cela peut-être à une usine intelligente et à la façon dont les gens pensent à une chaîne de fabrication, cela se produit d'abord, puis cela se produit et une porte de voiture est mise en place, puis un moteur est installé ou autre. Que pouvons-nous appliquer à ce genre de façon traditionnelle de penser à une usine, puis lui appliquer cette pensée de l'IA ?

Stéphane : Eh bien, nous pouvons commencer par le problème le plus ancien rencontré par une usine. Je veux dire, les usines ont toujours eu pour objectif de produire quelque chose de très efficacement et en continu et de tirer parti des ressources. Ainsi, toute usine essaie d'être opérationnelle chaque fois qu'elle est censée être opérationnelle, sans temps d'arrêt imprévu ou imprévu. L'IA commence donc à devenir un excellent outil pour ce faire. Et je peux vous donner un exemple très pratique d'une usine Siemens qui fabrique des cartes de circuits imprimés. Et l'une des étapes qu'ils doivent faire est le fraisage de ces circuits imprimés. Ils ont une fraiseuse et n'importe quelle fraiseuse, surtout une comme celle-là qui est hautement automatisée et robotisée, elle a tendance à s'encrasser avec le temps, à se salir. Et donc l'un des défis est d'avoir la bonne maintenance parce que vous ne voulez pas que la machine tombe en panne en plein milieu d'un quart de travail et crée ce temps d'arrêt imprévu.

Donc un gros défi est de savoir quand cette machine doit être entretenue, sans bien sûr l'entretenir tous les jours, ce qui coûterait très cher. Nous utilisons donc en fait une application d'intelligence artificielle sur un appareil de pointe qui se trouve directement dans l'usine, pour surveiller cette machine et faire une prédiction assez précise quand il est temps de faire la maintenance et de nettoyer la machine afin qu'elle ne tombe pas en panne dans le prochain quart de travail . Ce n'est donc qu'un exemple, et je pense qu'il existe des centaines d'applications potentielles qui ne sont peut-être pas encore totalement élaborées dans ce domaine pour s'assurer que les usines produisent une qualité élevée et constante, qu'il n'y a pas de temps d'arrêt imprévu des machines. Il y a bien sûr déjà beaucoup d'utilisation de l'IA dans les inspections visuelles de la qualité. Il y a donc des tonnes et des tonnes d'applications dans l'usine.

Laurier: Et cela a des implications énormes pour les fabricants, car comme vous l'avez mentionné, cela permet d'économiser de l'argent, n'est-ce pas ? Selon vous, est-ce donc un changement difficile pour les dirigeants de penser à investir dans la technologie d'une manière un peu différente pour ensuite obtenir tous ces avantages ?

Stéphane : Ouais. C'est comme pour chaque technologie, je ne pense pas que ce soit un gros bloc, il y a beaucoup d'intérêt à ce stade et il y a de nombreux fabricants avec des initiatives dans cet espace. Je dirais donc que cela va probablement créer un progrès significatif de productivité, mais bien sûr, cela signifie aussi des investissements. Et je peux dire qu'il est assez prévisible de voir quel sera le retour sur investissement de cet investissement. D'après ce que nous pouvons voir, il y a beaucoup d'énergie positive là-bas, pour faire cet investissement et moderniser les usines.

Laurier: De quel type de modernisations avez-vous besoin pour la main-d'œuvre dans les usines lorsque vous installez et appliquez, type de réoutillage pour avoir des applications d'IA à l'esprit ?

Stéphane : C'est une excellente question parce que parfois je dirais que de nombreux utilisateurs d'applications d'intelligence artificielle ne savent probablement même pas qu'ils en utilisent une. Donc, vous obtenez essentiellement une boîte et elle vous dira qu'il est recommandé d'entretenir cette machine maintenant. L'opérateur saura probablement quoi faire, mais pas nécessairement avec quelle technologie il travaille. Mais cela dit, bien sûr, il y aura probablement, je dirais, des spécialités ou des compétences presque émergentes pour les ingénieurs, comment utiliser et comment optimiser ces applications d'IA qu'ils utilisent en usine. Parce que, comme je l'ai dit, nous avons ces applications qui sont opérationnelles et qui fonctionnent aujourd'hui, mais pour que ces applications soient vraiment utiles, suffisamment précises, cela nécessite bien sûr jusqu'à présent beaucoup d'expertise, au moins un peu itération aussi. Et il n'y a probablement pas trop de gens aujourd'hui qui sont vraiment assez expérimentés avec les technologies et qui comprennent aussi assez bien l'environnement de l'usine pour le faire.

Je pense que c'est une compétence assez, assez rare de nos jours et pour en faire une application plus courante, bien sûr, nous devrons créer plus de ces experts qui sont vraiment doués pour préparer l'usine d'IA et l'amener à la bonne maturité .

Laurier: Cela semble être une excellente opportunité, non ? Pour que les gens acquièrent de nouvelles compétences. Ce n'est pas un exemple de l'IA qui supprime des emplois et des connotations plus négatives que vous obtenez lorsque vous parlez de l'IA et des affaires. En pratique, si nous combinons tout cela et parlons de VinFast, le constructeur automobile vietnamien qui voulait faire les choses un peu différemment de la fabrication automobile traditionnelle. D'abord, ils ont construit une usine, mais ils ont ensuite appliqué ce genre de pensée globale de la puce à l'usine, puis finalement à la ville. Donc, pour revenir en arrière, pourquoi cette réflexion est-elle unique, en particulier pour un constructeur automobile et quels types d'opportunités et de défis ont-ils ?

Stéphane : Ouais. VinFast est un exemple intéressant car lorsqu'ils se sont lancés dans la fabrication de véhicules, ils ont essentiellement commencé sur un terrain vierge. Et c'est probablement la plus grande différence entre VinFast et la grande majorité des grands constructeurs automobiles. Que tous ont cent ans ou plus et ont bien sûr beaucoup d'histoire, ce qui se traduit ensuite par le fait d'avoir des usines existantes ou d'avoir beaucoup de choses qui ont vraiment été construites avant l'ère de la numérisation. Alors VinFast est parti d'un terrain vierge, et c'est bien sûr un grand défi, cela le rend très difficile. Mais l'avantage était qu'ils avaient vraiment la possibilité de démarrer avec une approche entièrement numérisée, qu'ils pouvaient utiliser des logiciels. Parce qu'ils construisaient essentiellement tout, et ils pouvaient vraiment commencer avec ce jumeau numérique assez complet non seulement de leur produit, mais aussi ils ont conçu toute l'usine sur un ordinateur avant même de commencer à le construire. Et puis ils le construisent en un temps record.

C'est donc probablement le grand aspect unique qu'ils ont de cette opportunité d'être complètement numérique. Et une fois que vous êtes dans cet état, une fois que vous pouvez déjà dire toute ma conception, bien sûr, mon logiciel fonctionnant sur le véhicule, mais aussi toute mon usine, toute mon automatisation d'usine. Je l'ai déjà de manière entièrement numérique et je peux exécuter des simulations et des scénarios. Cela signifie également que vous avez un excellent point de départ pour utiliser ces technologies d'IA pour optimiser votre usine ou pour aider les travailleurs avec les optimisations supplémentaires, etc.

Laurier: Pensez-vous qu'il est impossible d'être un de ces fabricants centenaires et d'adopter lentement ce genre de technologies ? Vous n'avez probablement pas besoin d'avoir un environnement vierge, cela rend tout facile ou devrais-je dire plus facile, n'est-ce pas ?

Stéphane : Ouais. Tous, je veux dire que l'industrie automobile a traditionnellement été l'une de celles qui ont le plus investi dans la productivité et la numérisation. Ils sont donc tous sur cette voie. Encore une fois, ils n'ont pas cette situation très unique que vous, ou ont rarement cette situation unique que vous pouvez vraiment partir d'une ardoise vierge. Mais une grande partie de la technologie logicielle est bien sûr également adaptée à ce scénario. Où par exemple, vous avez une usine existante, donc cela ne vous aide pas beaucoup de concevoir une usine sur l'ordinateur si vous en avez déjà une. Vous utilisez donc ces technologies qui vous permettent de passer par l'usine et de faire un scan 3D. Vous savez donc exactement à quoi ressemble l'usine de l'intérieur sans l'avoir conçue dans un ordinateur, car vous produisez essentiellement ces informations après coup. C'est donc certainement ce que font beaucoup les constructeurs automobiles établis ou traditionnels et où ils introduisent également la numérisation même dans l'environnement existant.

Laurier: Nous discutons vraiment des implications lorsque les entreprises peuvent utiliser des simulations et des scénarios pour appliquer l'IA. Alors, quand vous le pouvez, qu'il s'agisse d'un site vierge ou que vous l'adoptiez pour votre propre usine, qu'advient-il de l'entreprise ? Quels sont les résultats ? Quelles sont certaines des opportunités qui sont possibles lorsque l'IA peut être appliquée à la puce proprement dite, à la voiture, puis éventuellement à la ville, à un écosystème plus large ?

Stéphane : Ouais. Lorsque nous pensons vraiment à l'impact sur l'entreprise, je pense franchement que nous sommes au début de la compréhension et du calcul de la valeur réelle de décisions plus rapides et plus précises, rendues possibles par l'IA. Je ne pense pas que nous ayons une compréhension très complète à ce stade, et il est assez évident pour tout le monde que la numérisation comme le processus de conception et le processus de fabrication. Non seulement cela permet d'économiser des efforts de R&D et de l'argent en R&D, mais cela aide également à optimiser les stocks de la chaîne d'approvisionnement, les coûts de fabrication et le coût total du nouveau produit. Et c'est vraiment là que différents aspects de l'entreprise se rejoignent. Et je dirais franchement, nous commençons à comprendre les effets immédiats, nous commençons à comprendre si j'ai un contrôle de qualité basé sur l'IA qui réduira mes déchets, afin que je puisse comprendre ce type de valeur commerciale.

Mais il y a toute une dimension de la valeur commerciale de l'utilisation de cette optimisation qui se traduit vraiment par l'ensemble de l'entreprise. Et je dirais qu'il y a beaucoup de travail en cours pour mieux comprendre ces implications. Mais je dirais qu'à ce stade, nous n'en sommes qu'au début de ce processus, pour vraiment comprendre ce que l'optimisation d'un processus peut faire pour l'entreprise dans son ensemble.

Laurier: Alors l'optimisation, l'apprentissage continu, l'amélioration continue, ça me fait penser, et les voitures, bien sûr, La manière Toyota , qui est ce livre fondateur qui a été écrit en 2003, ce qui est incroyable, car il est toujours d'actualité aujourd'hui. Mais avec la fabrication au plus juste, est-il possible pour l'IA d'améliorer continuellement cela au niveau de la puce, au niveau de l'usine, au niveau de la ville pour aider ces entreprises à prendre de meilleures décisions ?

Stéphane : Ouais. À mon avis, La manière Toyota , encore une fois, le livre publié au début des années 2000, avec une amélioration continue, à mon avis, l'amélioration continue bien sûr peut toujours faire beaucoup, mais il y a un peu de reconnaissance au cours des, je dirais cinq à 10 ans, quelque part comme que, cette amélioration continue aurait pu heurter le mur de ce qui est possible. Il y a donc eu beaucoup de réflexions depuis lors sur ce qui est vraiment le prochain paradigme pour la fabrication. Lorsque vous arrêtez de penser à l'évolution et à l'optimisation et que vous pensez à plus de révolution. Et l'un des concepts qui ont été développés ici s'appelle l'industrie 4.0, qui est en fait l'idée de bouleverser l'idée de la façon dont la fabrication ou la façon dont la chaîne de valeur peut fonctionner. Et pensez vraiment à ce qui se passerait si j'obtenais deux usines qui s'auto-organisent complètement, ce qui est une sorte d'étape révolutionnaire. Parce qu'aujourd'hui, la plupart du temps, une usine est mise en place autour d'une certaine idée des produits qu'elle fabrique et quand vous avez des lignes et des convoyeurs et des trucs comme ça, et ils sont tous boulonnés au sol. C'est donc assez statique, l'idée originelle d'une usine. Et vous pouvez l'optimiser de manière évolutive pendant longtemps, mais vous ne franchirez jamais ce seuil.

Donc, la pensée la plus récente ou les autres concepts auxquels on réfléchit sont, et si mon usine se composait de robots indépendants et mobiles, et que les robots pouvaient effectuer différentes tâches. Ils peuvent transporter du matériel, ou ils peuvent ensuite passer à la tenue d'un bras de robot ou d'une pince. Et selon le produit que je lance dans cette usine, elle se remanie complètement et fonctionne différemment lorsque j'arrive avec un produit très différent et elle s'auto-organise pour faire quelque chose de différent. Ce sont donc quelques-uns des paradigmes auxquels on pense aujourd'hui, qui bien sûr ne peuvent devenir une réalité qu'avec une utilisation intensive des technologies d'IA. Et nous pensons qu'ils vont vraiment révolutionner au moins ce que certains types de fabrication feront. Aujourd'hui, nous parlons beaucoup de la taille du lot un et du fait que les clients veulent plus d'options et de variations dans un produit. Donc, les usines qui sont capables de faire cela, pour vraiment produire des produits très personnalisés, très efficacement, doivent être très différentes.

Donc, à bien des égards, je pense que l'approche d'amélioration continue est très valable. Mais je pense que nous vivons actuellement à une époque où nous pensons davantage à une révolution du paradigme de la fabrication.

Laurier: C'est incroyable. Le prochain paradigme est la révolution. Stefan, merci beaucoup de vous être joint à nous aujourd'hui dans ce qui a été une conversation absolument fantastique sur le Business Lab.

Stéphane : Absolument. Mon plaisir. Merci.

Laurier: C'était Stefan Jockusch, vice-président de la stratégie pour Siemens Digital Industry Software, avec qui j'ai parlé de Cambridge, Massachusetts, siège du MIT et du MIT Technology Review, surplombant la rivière Charles. C'est tout pour cet épisode de Business Lab. Je suis votre hôte, Laurel Ruma. Je suis le directeur d'Insights, la division de publication personnalisée de MIT Technology Review. Nous avons été fondés en 1899 au Massachusetts Institute of Technology. Et vous pouvez nous trouver dans des imprimés, sur le Web et lors d'événements en ligne et dans le monde entier. Pour plus d'informations sur nous et sur le salon, veuillez consulter notre site Web à l'adresse technologyreview.com. L'émission est disponible partout où vous obtenez vos podcasts. Si vous avez apprécié cet épisode, nous espérons que vous prendrez un moment pour nous évaluer et nous donner votre avis. Business Lab est une production de MIT Technology Review. Cet épisode a été produit par Collective Next. Merci pour l'écoute.

cacher