L’intelligence artificielle (IA) est au coeur de la stratégie de Michelin pour améliorer l’efficience de sa production et de sa logistique. Yves Caseau, Chief Digital & Information Officer (CDIO) du groupe, souligne que Michelin utilise différentes formes d’IA depuis près de trente ans, visant à résoudre les problèmes rencontrés dans ses usines.
Optimisation de la logistique avec l’IA
Pour Michelin, l’IA est devenue un outil stratégique dans la gestion des flux logistiques. En utilisant le deep learning, l’entreprise parvient à repérer plus efficacement les goulots d’étranglement d’approvisionnement parmi des dizaines de milliers de références. Cette technologie permet d’affiner les processus et de renforcer la fiabilité, ce qui a conduit à une amélioration notable des taux de service aux clients.
En outre, Michelin a mis en place des solutions de recherche opérationnelle, comme la planification et l’optimisation des plannings de production. Cela répond à un besoin accru de flexibilité face aux évolutions rapides des gammes de produits et aux crises récentes, telles que la pandémie de Covid-19 et la guerre en Ukraine. Yves Caseau indique que l’IA permet de gérer efficacement les variables imprévisibles, un défi partagé par d’autres acteurs industriels comme Renault Group.
Une numérisation avancée des usines
Michelin a fortement automatisé ses usines, en déployant de nombreux robots, capteurs et écrans pour collecter d’immenses volumes de données. Ces dernières années, chaque usine a collecté de grandes quantités de données, ce qui a permis de développer des applications pratiques de machine learning.
Une nouvelle génération d’écrans connectés a fait son apparition dans les usines, couplée à des solutions de machine learning. Ces outils permettent aux opérateurs de concevoir leurs propres applications de supervision et de pilotage. L’IA facilite ainsi la création de tableaux de bord et d’alertes personnalisés, augmentant ainsi l’efficience des opérateurs dans leurs tâches quotidiennes.
Une production assistée par l’IA
Malgré l’automatisation poussée, la fabrication de pneus reste une opération complexe qui nécessite un contrôle précis par les opérateurs. Les multiples couches de matériaux viscoélastiques et rigides doivent être ajustées avec précision, un processus que l’IA permet d’améliorer de manière adaptative. L’objectif est de garantir une production de qualité constante tout en réduisant les temps de réglage.
L’avenir des jumeaux numériques
L’un des objectifs de Michelin est de développer des pneus décarbonés à partir de matériaux recyclés et biosourcés. Pour ce faire, la combinaison de l’IA, du machine learning, de la simulation et des jumeaux numériques devient essentielle pour accélérer l’innovation en recherche et développement (R&D).
Yves Caseau explique que, si l’utilisation de composants issus du recyclage introduit des variations dans les caractéristiques des matériaux, l’IA peut aider à adapter en continu les paramètres des machines afin de maintenir la qualité et les performances des pneus produits. Cela souligne l’importance de l’IA dans la flexibilité et l’innovation des processus de production, tout comme les applications possibles de l’IA dans la supply chain explorées par d’autres industriels.
L’IA générative chez Michelin
Michelin utilise l’IA générative pour la recherche d’information et la création de chatbots sophistiqués, supervisée par des IA classiques pour gérer l’extraction d’intentions et assurer la cohérence. Le groupe s’intéresse également à l’IA générative pour la génération de code, tout en privilégiant le développement de solutions internes afin de protéger sa propriété intellectuelle.
Avec ses différentes initiatives, Michelin montre comment l’intégration de l‘IA dans la production et la logistique peut transformer une industrie aussi complexe que celle du pneumatique, en renforçant sa flexibilité et son efficience.
