Analytique, IA, Apprentissage automatique, Perspectives de fabrication

J'ai eu l'honneur de prendre part à un épisode de l'Internet of Things (IoT) organisé par Allan Behrens sur le thème de l'analyse, de l'intelligence artificielle et de l'apprentissage automatique peut aider à fournir plus de perspicacité dans les affaires et la fabrication.

Voici quelques-unes des questions et réponses que j'ai couvertes pendant le spectacle. Vous pouvez obtenir le document complet sur les apprentissages clés ici

Quoi de neuf avec l'analytique et l'Internet des objets?

"Il y a un changement énorme en raison de la capacité et de la puissance de l'apprentissage automatique. En particulier, il est sûr de dire que chaque produit, service et processus interne s'améliorera automatiquement avec le temps et que les gens l'utiliseront, grâce à l'apprentissage automatique.

Nous avons tendance à utiliser l'analytique sous forme de business intelligence traditionnelle. Nous avons un processus industriel, et j'utilise l'analytique pour essayer de comprendre comment améliorer cela. Mais avec l'apprentissage automatique, une grande partie de ce travail peut commencer à être effectuée par les algorithmes eux-mêmes – et plus vous avez de machines, plus vous avez de données, mieux les algorithmes peuvent commencer à travailler et apprendre des exceptions restantes. "

Quelles sont les nouvelles opportunités?

" Je pense qu'il existe de nouvelles opportunités incroyables pour l'IdO. L'IoT a toujours été de révéler des processus qui étaient auparavant invisibles – en utilisant des capteurs pour recueillir des données pour voir et optimiser un processus qui ne pouvait pas auparavant.

"Mais il y a eu une explosion dans les types de capteurs que vous pouvez utiliser. Par exemple, nous travaillons en ce moment avec une entreprise qui est l'un des leaders de l'huile de palme, et ils volent des drones dans leurs plantations, qui prennent des photos, puis ils utilisent la détection d'images et l'apprentissage automatique des informations sur la vitesse de croissance de chaque arbre, s'il y a un problème, en changeant de couleur par rapport à d'autres arbres, etc. Il offre donc un niveau de visibilité jamais atteint auparavant. Il introduit donc cette notion d'IoT à beaucoup plus d'entreprises que les fabricants traditionnels. "

Qu'est-ce que l'intelligence artificielle et comment l'utiliser?

" L'intelligence artificielle est un terme "sociotechnique" ou marketing . Nous l'utilisons généralement pour désigner les ordinateurs qui font des choses que seuls les gens pouvaient faire jusqu'à présent. Ce n'est pas vraiment associé à une technologie. Il existe diverses technologies associées à l'intelligence artificielle, mais celle qui génère actuellement la plupart des possibilités réelles est celle de l'apprentissage automatique. L'apprentissage automatique, à son tour, est tout algorithme qui s'améliore en fonction des données.

"La chose la plus importante que nous trouvons est importante: prendre du recul par rapport à ce que vous faites et repenser certains de vos processus. Nous avons eu beaucoup de succès en utilisant une méthodologie de conception pour repenser l'expérience client, en regardant chaque aspect de ce parcours client et en regardant comment les nouvelles technologies peuvent aider. "

Comment commencer avec vos investissements?

" Il y a beaucoup de battage autour de l'apprentissage automatique, de l'analyse et de l'intelligence artificielle, mais la clé est de commencer petit. Les applications les plus faciles pour l'apprentissage automatique sont partout où vous trouvez des décisions complexes et répétitives qui sont effectuées des centaines ou des milliers de fois par jour. Cela inclut des choses comme la maintenance préventive, les problèmes de logistique, etc. Ces types de processus où vous utilisez l'apprentissage automatique pour augmenter l'efficacité, pour automatiser les décisions qui étaient auparavant prises en charge par les gens, sont généralement la plus grande opportunité. »

défis?

"Il y a un certain nombre de choses qui me viennent à l'esprit. Le premier consiste à rassembler et à combiner toutes les bonnes données. Cela a toujours été difficile, mais les volumes de données de capteurs et les problèmes de qualité des données, et surtout, essayer de mélanger ces données de capteurs avec les informations provenant de systèmes d'entreprise plus traditionnels de manière appropriée est vraiment difficile. Il existe de nouveaux systèmes de pipelining de données dans lesquels vous pouvez introduire plus facilement la gouvernance – des moyens cohérents et vérifiables de transférer des informations d'un endroit à un autre.

«Et l'autre chose qui saute aux yeux est qu'une fois les problèmes technologiques résolus ils se rendent compte qu'ils ont beaucoup de problèmes liés au modèle d'affaires, et il peut être beaucoup plus difficile de trouver des solutions – de faire payer les gens autrement, avec de nouveaux partenaires, de déterminer qui possède quoi, etc. Cela prend beaucoup de

Quelles sont les tendances futures?

"Ce qui me fascine, c'est cette notion d'auto-amélioration dont j'ai parlé plus tôt. Par exemple, nous travaillons avec la ville de Nanjing, en Chine. C'est très rapide. Nous avons d'abord travaillé avec eux sur un projet visant à recueillir des informations auprès de tous leurs taxis et à les utiliser pour optimiser le flux de taxis dans toute la ville. Ce fut un succès et ils l'ont maintenant étendu à toutes les autres formes de transport public. La ville est pleine de caméras et de capteurs et toutes ces informations sont intégrées dans un grand modèle d'apprentissage automatique, puis utilisées pour optimiser le flux de trafic en temps réel. Et parce qu'il utilise l'apprentissage automatique, il s'améliore de jour en jour. Il peut donc ajuster le calendrier des feux de circulation, par exemple, en fonction de l'heure de la journée, qu'il s'agisse d'un grand événement sportif, de vacances scolaires, etc. Le système s'optimise donc de façon incroyable. »

« L'une des grandes nouvelles opportunités est la conception, des approches qui sont vraiment orientées sur le prototypage rapide et agile, pour tester les choses avec de petits groupes de personnes. Vous pouvez faire cela beaucoup moins cher, d'une manière plus agile que jamais. Vous n'avez donc pas à vous lancer dans un énorme et coûteux projet: vous pouvez proposer une idée et la tester rapidement, avec un public restreint, relativement bon marché. "

Où trouver de l'aide et des conseils? ?

"J'exhorterais les gens à regarder les meilleures pratiques dans d'autres industries. L'une des choses intéressantes, c'est qu'il y a beaucoup plus de confusion dans les frontières de l'industrie. Si vous êtes une compagnie pétrolière et gazière, vous pouvez probablement apprendre quelque chose d'un détaillant de luxe maintenant. Il est fascinant de constater à quel point les technologies sont transversales et que les gens font en fin de compte des choses très similaires dans le secteur de la vente au détail ou de la santé – alors j'irais lire beaucoup; ne vous en tenez pas à votre propre industrie. Chez SAP, nous avons un certain nombre d'accélérateurs IoT que nous avons créés avec nos clients autour de zones à fort potentiel.

«Et vous devriez regarder en interne, pour les personnes qui souhaitent faire avancer l'entreprise de manière créative. Les hackathons internes ont été très intéressants dans chaque entreprise qui les gère. Vous le rendez accessible à tous ceux qui sont intéressés. Vous regardez autour des sources de données. Vous demandez aux gens de suggérer des sources de données et de suggérer des utilisations pour ces données, et vous les regroupez avec une plateforme agile, généralement basée sur le cloud, pour leur permettre de pirater ces données et de les afficher comme de petites applications. Et voyez juste où cela se passe. "

Pour plus d'informations sur IoT, voir IoT: Cinq défis face aux cadres .

Cet article est initialement apparu sur Digital Business & Business Analytics et a été republié avec la permission de l'auteur.

<! – Commentaires ->