Abist vise à réduire de moitié la charge des employés de niveau intermédiaire en utilisant l’IA dans le travail d’inspection

Pourquoi avons-nous fait la promotion de DX ?

Avec l’évolution du numérique, l’environnement des affaires de l’industrie manufacturière connaît des changements majeurs. En plus de numériser les produits eux-mêmes, il existe un besoin croissant d’utiliser des robots sur les sites de fabrication pour fabriquer des produits sans recourir aux humains.

Cependant, au Japon, le développement des ressources humaines possédant des compétences informatiques n’a pas suivi le rythme. Selon les estimations du ministère de l’Économie, du Commerce et de l’Industrie, la pénurie de ressources humaines informatiques devrait atteindre environ 450 000 personnes d’ici 2030.

Il est nécessaire d’augmenter le nombre de ressources humaines possédant des compétences en technologie numérique et de s’efforcer de répondre rapidement aux besoins du marché.

Dans de telles circonstances, Abist, une importante entreprise de conception de machines et de pièces automobiles, se transforme en une entreprise de solutions numériques et se concentre non seulement sur la promotion du DX en tant qu’entreprise, mais également sur les initiatives internes en matière de DX telles que l’économie de main-d’œuvre.

Le 1er novembre 2023, nous avons obtenu la certification « Entreprise certifiée DX » basée sur le système de certification DX (transformation numérique) établi par le Ministère de l’Économie, du Commerce et de l’Industrie.

Depuis qu’Avist a démarré son activité en 1998, elle fournit des services de conception et de développement sous forme d’expédition et de travaux à façon pour l’industrie manufacturière, principalement l’automobile.

Par la suite, en mars 2019, la division AI Solutions a été créée pour développer des activités telles que les solutions DX et IA.

Par la suite, en décembre 2021, le département de promotion des solutions de conception numérique a été créé, et en août 2022, le centre d’innovation (anciennement département commercial de solutions IA) et la division de développement de solutions numériques (anciennement département de promotion des solutions de conception numérique, actuellement département de développement de solutions numériques) ont été créés. ajouté sous son égide. Un département de promotion numérique (16 personnes) a été créé sous l’égide du Centre.

Masao Yamaura, chef du département de promotion numérique et directeur général, déclare :

« Les automobiles ont considérablement changé au cours des 20 dernières années, avec les progrès de l’électrification et de l’électronique. Nous pensons que nos employés doivent apprendre les nouvelles technologies pour suivre ces tendances. »

De plus, avec la tendance à l’électrification, de plus en plus de pièces électroniques sont ajoutées aux moteurs à combustion interne, et le nombre de pièces standards augmente rapidement, ce qui nécessite de raccourcir la période de développement.

« La période de développement des automobiles doit désormais être plus courte que par le passé, et au lieu de développer des pièces à partir de zéro à chaque fois, nous utilisons de plus en plus de pièces en commun. » (Yamaura) M.

Dans le cas d’Abist, il a été en charge des carrosseries de voitures, de la conception de lampes et de pièces intérieures, de sorte que son répertoire pour ces pièces s’est élargi.

« Dans le contexte de la récente tendance à la numérisation, les exigences techniques des partenaires commerciaux envers Avist augmentent, ce qui nécessite des délais de livraison plus courts et le développement de produits multifonctionnels de haute qualité. Cela crée un goulot d’étranglement car une personne ayant une certaine expérience doit vérifier les dessins et les composants électroniques. mais à moins que quelque chose ne soit fait, ils ne pourront pas trouver de nouveau travail. Je n’ai pas eu le temps d’apprendre les choses techniques, alors j’ai commencé les activités DX vers 2015 pour réfléchir à des moyens de rendre les choses plus efficaces. (M. Yamaura)

Le tri des emails devient un défi majeur

Alors, comment avons-nous progressé dans le domaine informatique ?

« Nous avons commencé par mener des entretiens sur place. Nous avons noté les défis et les demandes de chaque personne, tels que « C’est difficile » et « C’est difficile », et avons soigneusement examiné ce qui pouvait et ne pouvait pas être fait. c’est fait. » (M. Yamaura)

À cette époque, la plupart des demandes provenant de l’intérieur de l’entreprise étaient des demandes d’aide au travail.

« Au début, nous avons construit le système parce qu’il s’agissait d’une demande du terrain, mais une fois que nous l’avons créé, il n’a pas été aussi largement utilisé que prévu. Différentes personnes ont des points de vue différents. » (M. Yamaura)

En effet, il est arrivé que, même si la rationalisation de ce travail est extrêmement utile pour un département, elle s’avère totalement inutile pour un autre département.

Par exemple, la fonction de tri des e-mails peut être un exemple facile à comprendre. Les designers reçoivent divers e-mails. Le développement des voitures s’effectue projet par projet, comme celui de la Couronne et du Prince. Nous communiquons souvent sur les projets par e-mail. Par exemple, lors de la construction d’un prototype de voiture, un avis vous est envoyé par courrier électronique vous demandant de « veuillez vérifier attentivement ». Or, 90 % des emails ne sont pas liés à votre travail. Les designers vérifient chaque jour 10 % des e-mails les plus importants.

Les concepteurs ayant plusieurs projets doivent lire des tonnes d’e-mails. Les emails que ces designers doivent lire deviennent de plus en plus un jeu selon les projets. On dit qu’il y a des moments où il y a plus de 200 e-mails par jour.

En conséquence, des e-mails importants peuvent être perdus.

« Nous avons entendu dire que le simple traitement des e-mails prend une heure ou deux, et que c’est extrêmement pénible. Nous avons créé un système qui sépare automatiquement à l’aide de l’IA et l’avons fourni sous forme d’application. » (M. Yamaura)

L’application créée à cette époque utilisait l’IA en utilisant « l’apprentissage supervisé » (une méthode d’apprentissage basée sur des données de réponses correctes préparées à l’avance par des humains) pour apprendre les données de l’année écoulée. Un logiciel libre a été utilisé pour l’étude, mais le système a été développé de manière à ce que le contenu des courriels soit confidentiel et ne puisse être divulgué à des tiers.

Cependant, même si ce n’est que 10 %, si un seul email important devait être supprimé, ce serait un gros problème. Comment avez-vous résolu ces problèmes ?

« Nous avons divisé les éléments en « nécessaires », « inutiles » et « inclassables » en fonction de la priorité, et avons fixé un « seuil » strict pour « inutile ». » (M. Yamaura)

Cependant, lorsque l’entreprise a essayé de fournir l’application, il y avait une énorme disparité dans les besoins des employés.

« Il y avait un besoin pour des personnes qui avaient plusieurs projets, des projets en transition ou des projets en période de pointe, mais elles ne l’utilisaient pas autant que je l’espérais. De nombreux employés ont déclaré : Les gens pensaient que les fonctions de base d’Outlook étaient suffisantes, et en conséquence, ceux qui l’utilisaient et ceux qui ne l’utilisaient pas étaient divisés. » (M. Yamaura)

Passer d’une « aide au travail » à un « système permettant d’économiser du travail »

Abist a cherché à introduire l’IA pour réduire la charge de travail des concepteurs lors de la modification de la conception des voitures.

Pour expliquer brièvement le flux de travail d’Abist, nous recevons une commande d’un fabricant nous demandant de créer de tels dessins et données, et après avoir confirmé les spécifications, nous terminons le travail et lui donnons forme.

« Tout d’abord, nous recevons une proposition de conception, et nous examinons les données pour voir si elles peuvent être fabriquées, et nous donnons un retour sur ce qui ne peut pas être produit. Nous répétons ce processus plusieurs fois pour créer des dessins prototypes et utiliser les données prototypes. créez-le, analysez-le, évaluez son exactitude, donnez des commentaires sur cette base et répétez le processus. » (M. Yamaura)

La taille de l’équipe varie en fonction de la taille du projet, mais la plupart des équipes comptent environ 4 ou 5 personnes. Les grands constructeurs automobiles forment 40 à 50 équipes.

Cela varie en fonction du modèle de voiture et de la période de développement, mais pendant la période de transition du développement, la conception peut changer en une à deux semaines. La proposition de conception finale est achevée sur une période d’environ six mois à un an après des ajustements répétés.

« Lorsque nous travaillons sur ces projets, nous répétons souvent le même travail encore et encore. Chaque fois que nous apportons une modification de conception, nous devons également vérifier si les exigences de fabrication nécessaires sont respectées. Ces tâches sont assez lourdes et de nombreuses tâches sont effectuées. sont simples et répétitives, nous avons donc décidé d’automatiser les parties qui pourraient l’être et de libérer le temps restant pour le travail créatif. » M. Yamaura)

Mais ça ne s’est pas bien passé. En fin de compte, de nombreux employés ont estimé que les anciennes méthodes étaient plus familières, plus rapides et plus fiables que l’apprentissage de l’utilisation de nouveaux outils.

Sept ou huit autres initiatives similaires ont été entreprises, mais elles n’ont finalement pas été largement adoptées en raison de la préférence des salariés qui les ont utilisées.

«Je pense qu’il était nécessaire non seulement d’automatiser le travail tel qu’il était, comme certains le demandaient, mais aussi de changer le processus pour éliminer ce travail.» (M. Yamaura)

Sur la base de ces échecs, M. Yamaura a déclaré : « C’est différent de soutenir le travail en utilisant un nouveau système. Ne devrions-nous pas envisager d’économiser de la main-d’œuvre avec un nouveau système ? » (M. Yamaura) a procédé à un examen fondamental des opérations.

Environ 50 % d’économies de main d’œuvre grâce à l’OCR

Alors, que signifie exactement « économie de main d’œuvre » ? Un exemple est le développement d’un système qui a débuté fin 2020 pour automatiser le processus d’approbation des pièces automobiles.

Pour chaque pièce automobile, un document appelé certificat est délivré par un établissement public. Lors de l’obtention de la certification pour l’ensemble du véhicule, il est nécessaire de transcrire les données nécessaires au certificat d’homologation de ces pièces et de les enregistrer dans une base de données.

Jusqu’alors, ce travail était retranscrit par une personne qui regardait un à un les documents d’approbation, mais l’entreprise réfléchissait à entreprendre un effort pour automatiser ce processus.

Bien que les données du certificat soient des données PDF, il s’agit simplement d’une numérisation d’un certificat papier et les données elles-mêmes n’ont pas été numérisées. La situation est similaire non seulement au Japon mais aussi en Europe et ailleurs. Au début, j’ai essayé de tout transcrire en utilisant l’OCR, mais l’OCR est peu précise et n’est pas précise à 100 %.

« S’il y a ne serait-ce qu’une seule erreur de caractère dans les données du document d’approbation, l’expédition sera interrompue, donc les erreurs ne peuvent pas être tolérées. Jusque-là, trois personnes devaient vérifier les données, mais même lorsque nous les lisons avec OCR, c’était précis à 100 %. Il n’est pas possible de transcrire avec précision, nous avons donc changé l’orientation du développement vers un système qui transcrit uniquement ce qui est lu par OCR. Il y a une prémisse selon laquelle nous ne faisons pas entièrement confiance à l’OCR. Il y a toujours des règles pour. tout ce qui est régulier, mais il existe une distinction claire entre les règles vagues et les règles bien définies. Si vous essayez d’obtenir 100 points à la fois, vous échouerez. Cependant, nous pensons qu’il est important de créer un système capable de créer un. gamme que les gens n’ont pas besoin de regarder, nous allons donc de l’avant avec l’idée de créer un système qui transcrira uniquement les éléments qui ont des règles bien définies et ne provoqueront pas d’erreurs (M. Yamaura).

Le nouveau système est opérationnel depuis l’année dernière et est désormais capable de publier automatiquement environ 50 % des informations tout en continuant à effectuer des vérifications croisées, permettant ainsi de passer d’un système à trois personnes à un système à deux personnes.

« Il est difficile de tout systématiser, c’est pourquoi j’aimerais continuer à développer des systèmes en me concentrant un peu sur l’essence des systèmes et des opérations et en faisant exactement ce que nous pouvons faire. » (M. Yamaura)

Réduire la charge de travail des employés de niveau intermédiaire

Le plus grand défi de la stratégie DX d’Abist à l’avenir est de savoir comment réduire la charge pesant sur les employés de niveau intermédiaire. À mesure que l’électrification et l’informatisation progressent, de nouveaux projets émergent rapidement et la charge retombe sur les concepteurs de niveau intermédiaire.

Pour y parvenir, il est nécessaire d’améliorer l’efficacité des opérations de contrôle. En effet, si le processus de contrôle devient plus efficace, il sera possible de réduire le travail à moins de la moitié du montant actuel.

« Si nos opérations actuelles sont réduites à moins de la moitié, nous serons en mesure de vendre les systèmes que nous avons construits à diverses entreprises et d’étendre notre portée, et la conception et le développement seront en mesure de proposer des systèmes liés aux solutions numériques. faire monter l’entreprise un cran plus haut. » (M. Yamaura)

La pièce maîtresse est le « Design Review System » (nom provisoire), un système de vérification automatique de la conception. En saisissant les données 3D complétées et les données de dessin ainsi qu’une feuille de contrôle avec les éléments à vérifier dans le « Design Review System », le système lit le contenu du contrôle et vérifie automatiquement les données 3D et les dessins en fonction du contenu. ce.

« La vérification est une tâche très importante dans le processus de conception, et il faut beaucoup d’heures de travail pour vérifier deux fois et trois fois que tout est correct. Nous travaillons actuellement à la création d’un système capable d’identifier les zones affectées et de porter des jugements. « .（M. Yamaura)

Cependant, des défis majeurs demeurent dans le développement de nouveaux systèmes. C’est une feuille de contrôle qui semble écrite en texte.

« Il y a un certain nombre de feuilles de contrôle dans la conception où vous vérifiez des choses comme « Le numéro de produit est-il correct ? » et « Ne faites pas cela ». La machine peut lire attentivement le contenu et vérifier automatiquement. Nous sommes nous essayons de créer un système, et maintenant que des choses comme ChatGPT sortent, nous essayons d’utiliser le traitement du langage naturel. » (M. Yamaura)

Le traitement du langage naturel est une série de technologies qui permettent aux ordinateurs de traiter le langage naturel que les humains utilisent quotidiennement. Il s’agit d’une branche de l’intelligence artificielle et de la linguistique.

Il est développé en collaboration avec PlusZero, une startup qui détient un brevet pour l’AEI (Artificial Elastic Intelligence), une technologie d’IA capable de comprendre le texte comme un humain afin que les machines puissent le lire elles-mêmes.

« La feuille de contrôle contient une variété de connaissances de nos prédécesseurs. Celles-ci sont ensuite utilisées pour l’apprentissage automatique par l’IA, mais on ne peut pas dire que les informations sur la feuille de contrôle manquent d’informations que même les machines peuvent comprendre. Par exemple, même si nous voulons vérifier si le numéro de produit est correct, nous avons besoin d’informations telles que « quoi ». Nous utilisons les informations sur la feuille de contrôle lors d’une session de questions-réponses avec AEI, comme ChatGPT. » (M. Yamaura). )

Le développement débutera en avril 2023. Les informations qui peuvent être capturées dans un dessin sont la partie où la forme est écrite et la partie où les informations textuelles appelées annotations sont écrites. Actuellement, nous travaillons sur la vérification automatique de la partie informations textuelles d’ici mars de cette année. nous travaillons à la création d’un système qui nous permettra de vérifier cela.

Les dessins sont encore indécis, mais l’entreprise espère viser la production d’ici environ un an.

« Les dessins reconnaissent les formes et les quantités de caractéristiques.（Variables qui servent d’indices de prédiction dans les données à analyser）J’essaie de l’extraire pour qu’il puisse reconnaître des éléments tels que « Ceci est un connecteur » et « Ceci est une vis », et j’essaie de reconnaître des formes qui regroupent des parties de la forme. Si vous pouvez automatiser les contrôles, vous pourrez vérifier les pièces générées, donc par exemple, même si vous donnez une instruction très vague pour fabriquer une pièce plus légère de 100 grammes, le système ne suivra pas les instructions, je crois. en proposant certains modèles, nous pouvons arriver à une proposition qui a un certain fondement. Nous travaillons là-dessus parce que nous pensons que cela mènera à une génération automatique dans le futur. » (M. Yamaura)

Concernant les points clés pour utiliser efficacement l’IA dans le DX interne d’une entreprise, Yuji Kimura, PDG de Convergence Lab., a déclaré ce qui suit :

«Lorsque nous utilisons l’IA pour le DX en interne, nous devons être particulièrement attentifs au fait que l’IA n’est pas parfaite. Nous devons être pleinement conscients qu’elle ne peut faire que des choses routinières et structurées. C’est pourquoi les humains doivent compléter cela. un concept appelé HITL (Human in the Loop). L’idée est de produire de meilleurs résultats en demandant aux humains de compléter les domaines pour lesquels l’IA est faible (prise de décision, jugement, contrôle, etc.). Je pense que les efforts d’Abist peuvent être considérés comme un exemple réussi d’une telle approche. »