Projets

Husqvarna apporte la GenAI au pied de ses chaînes de fabrication

---

La société suédoise aide ses techniciens à résoudre les problèmes sur les équipements industriel grâce à son AI Factory Companion, une application alimentée par l'IA générative.

Publicité« Le dépannage a toujours été un problème dans la fabrication », dit d'emblée Jonathan Wickström, responsable de la numérisation de la fabrication chez Husqvarna. Basé à Stockholm, en Suède, l'industriel existe depuis 1689, date à laquelle elle fabriquait des mousquets. Elle a produit sa dernière arme à feu 300 ans plus tard et fabrique aujourd'hui des produits motorisés d'extérieur tels que des tondeuses à gazon robotisées, des tronçonneuses et des taille-bordures, ainsi que des équipements et des outils diamantés pour les secteurs de la construction et de la pierre.

Aujourd'hui, l'entreprise, en étroite collaboration avec Microsoft, exploite l'IA générative pour réduire les temps d'arrêt imprévus dans les usines, lorsque les techniciens et opérateurs doivent résoudre des problèmes liés aux équipements. C'est ainsi qu'est né le AI Factory Companion, un copilote d'IA générative qui aide ces profils à diagnostiquer et résoudre les problèmes liés aux machines. Ils peuvent y décrire les symptômes d'une machine, et le compagnon va alors suggérer des tests pour valider le problème et proposer des solutions possibles.

Information dispersée dans plusieurs silos

« Lorsqu'une machine tombe en panne, cela peut être pour un grand nombre de raisons différentes, note Jonathan Wickström. Historiquement, ce problème a été résolu grâce à la documentation. » Les techniciens parcouraient donc les manuels d'utilisation et les historiques de maintenance pour tenter de comprendre le problème. Les manuels étaient souvent sur papier ou au format PDF, et l'historique de la maintenance pouvait être enregistré dans des systèmes dépendant des opérations, dont dépend Jonathan Wickström, ou dans d'autres silos de l'entreprise. « Nous avons aussi des machines connectées, explique le responsable. Parfois, nos machines s'arrêtent du fait d'une panne informatique, des pannes qui sont documentées dans notre système gérant les incidents IT. »

Selon Jonathan Wickström, les opérationnels ayant plus de 20 ans d'expérience peuvent savoir immédiatement quel est le problème d'une machine, ou du moins savoir où chercher pour l'isoler. « Mais un nouveau venu dans l'atelier n'aurait pas ces connaissances approfondies », souligne-t-il. En outre, les ateliers de Husqvarna fonctionnent 24 heures sur 24 et 7 jours sur 7. Les techniciens extrêmement compétents qui passent le plus clair de leur temps à élaborer de nouvelles solutions sont disponibles pendant la journée, mais pas pendant l'équipe de nuit, ce qui peut provoquer des périodes d'indisponibilité prolongées.

Le RAG pour attaquer la base de connaissances

Alimenté par Azure OpenAI, le compagnon à base d'IA a accès aux données générées par les machines dans l'usine, ainsi qu'à une base de connaissances de manuels et de documentation sur l'historique de la maintenance, quel que soit le silo dans lequel il se trouve. Le compagnon peut également accéder à la base de connaissances à l'aide de la génération augmentée par la recherche (RAG).

Publicité
Jonathan Wickström, responsable de la numérisation de la fabrication chez Husqvarna : « le compagnon peut traiter les questions simples, de l'ordre de 20 % de l'ensemble des interrogations ». (Photo : Husqvarna)

Non seulement les utilisateurs peuvent se tourner vers le compagnon pour obtenir de l'aide, mais Jonathan Wickström et son équipe utilisent également les capacités de la technologie pour rendre les machines de l'usine proactives. Si un équipement émet une alarme indiquant un dysfonctionnement par exemple, cette alarme peut inciter le compagnon à prendre l'initiative et à demander des diagnostics et des solutions envisageables qu'il peut ensuite fournir de manière proactive à un opérateur.

Unifier le modèle de data et d'opérations

Husqvarna a lancé, depuis des années, un programme de transformation numérique, cherchant à améliorer l'efficacité de ses opérations. L'AI Factory Companion n'en est qu'une composante. Le défi pour l'entreprise, et pour de nombreux fabricants ? Les équipements industriels déployés peuvent être en place depuis des décennies. Extraire les données de ces machines et les intégrer à des systèmes modernes n'est donc pas tâche facile. Par ailleurs, la nécessité d'une faible latence dans l'usine signifie qu'une partie de l'infrastructure de données doit être installée localement, en Edge. Tout en ayant besoin des ressources du cloud.

La réponse à ces contraintes a consisté, pour Husqvarna, à s'appuyer sur Azure IoT Operations comme centre de collecte et de traitement des données de son équipement industriel. IoT Operations a pour but d'aider les entreprises à transformer leurs opérations grâce à l'approche cloud de Microsoft, unifiant les différentes équipes, les sites distribués et les systèmes autour d'un modèle d'opérations, de sécurité, d'applications et de données unique.

Des temps d'interruption réduits parfois de 50 ou 60%

L'AI Factory Companion exploite les données provenant des capteurs, mais la volonté d'Husqvarna est de transformer les opérations en exploitant les données à tous les niveaux (voir encadré). Jonathan Wickström explique qu'une partie de la transformation de l'industriel a consisté à lui permettre de mesurer les temps d'arrêt de manière significative, mais qu'il est difficile de fournir des mesures exactes concernant l'amélioration de l'efficacité de l'entreprise grâce à l'AI Factory Companion. « Nous savons que les techniciens et agents de maintenance passent parfois deux heures ou plus à réparer les pannes, explique Daniel Johansson, responsable de la numérisation de la fabrication et des opérations chez Husqvarna. Dans certains cas, nous réduisons ce temps d'un petit pourcentage, mais dans d'autres cas, nous le réduisons de 50 à 60%. »

Enrichir la base de connaissances

Jonathan Wickström ajoute que le compagnon n'en est qu'à ses débuts, et il s'attend à ce que son utilité augmente considérablement au fur et à mesure que la base de connaissances s'étoffe. « Nous ne pouvons pas encore répondre à toutes les interrogations, mais nous pouvons traiter les questions simples, de l'ordre de 20 % de l'ensemble, et dans certains cas, nous pouvons accélérer le temps de résolution de façon importante, explique-t-il. Si nous n'avons pas de données, nous ne pouvons rien faire, et il en sera ainsi pendant un certain temps. Mais maintenant, nous pouvons améliorer la base de connaissances commune au lieu de nous contenter de remplir un autre PDF que personne ne consultera ».

Selon le responsable, la vraie magie de ce type de technologies réside dans une bonne recherche, qui permet de trouver les documents les plus pertinents pour répondre à la question d'un utilisateur. Pour cela, il faut maîtriser les technologies traditionnelles et les combiner avec les LLM. Par exemple, si un utilisateur demande au compagnon : « quelle est le dernier événement qui est arrivé à cette machine ? », il est difficile pour l'IA de répondre à cette question, car le terme 'dernier' est un concept complexe. Alors qu'une simple requête SQL peut facilement trier les résultats par date et fournir une réponse pertinente.

Article rédigé par

Thor Olavsruf, CIO (adapté par Reynald Fléchaux)

Partager cet article