L’intelligence artificielle chez Dow Chemical – Deux cas d’utilisation dans la plus grande entreprise chimique au monde

L'intelligence artificielle chez Dow Chemical 950×540

Dow Chemical (symbole NYSE : DOW) est la plus grande entreprise de fabrication de produits chimiques aux États-Unis, la troisième au monde, et possède un valeur marchande de 38,2 milliards de dollars.

Dans votre 2021 rapport annuel, Dow a déclaré un bénéfice net d’environ 6,4 milliards de dollars sur 55 milliards de dollars de ventes nettes. Au 31 décembre 2021, l’entreprise employait 35 700 personnes dans le monde.

Nos recherches montrent que Dow a déployé avec succès les premiers projets d’IA avec l’aide de marques de technologie domestique pour résoudre des problèmes commerciaux importants. De plus, ces déploiements jettent les bases d’une plus grande organisation transformation à l’avenir, comme en témoignent les récents produits marketing et les affirmations de la direction de Dow.

Cet article examine deux cas d’utilisation actuels chez Dow Chemical, en particulier, qui montrent comment les initiatives d’intelligence artificielle soutiennent actuellement les objectifs commerciaux de l’entreprise :

  • Ajustement polyuréthane automatisé et prédictif : Dow utilise l’apprentissage automatique et l’analyse prédictive pour développer des produits en polyuréthane personnalisés pour chaque client.
  • Détection des fuites de confinement : Dow Chemical utilise la vision par ordinateur et l’apprentissage automatique pour détecter les fuites de confinement dans ses usines chimiques.

Nous avons commencé par examiner de plus près comment Dow Chemical utilise l’IA pour développer des produits en polyuréthane personnalisés tels que des mousses et des plastiques semi-rigides.

Cas d’utilisation 1 : raccord automatisé en polyuréthane

Dow a cherché une solution pour rationaliser le processus de découverte pour le développement de nouveaux produits tels que les mousses et les plastiques semi-rigides pour diverses industries (voir la liste ci-dessous).

Sur le site Web de la société, Dow listes divers produits en polyuréthane fabriqués dans ses usines. Ces produits comprennent :

  • Additifs en polyuréthane pour une large gamme d’applications – chaussures, matelas, intérieurs automobiles et isolation en mousse pulvérisée
  • La mousse économe en énergie est utilisée dans les solutions de stockage à froid telles que les appareils ménagers, les panneaux métalliques isolés et le transport réfrigéré
  • Spray antidérapant pour les solutions de revêtement de sol de transport
  • Liants pour applications de recyclage
  • Matériaux collants et écrasés tels que le caoutchouc

“Deux clients n’achètent pas le même produit” Explique David Parrillo, vice-président de la R&D chez Dow, dans une vidéo marketing présentée ci-dessous, présentant les initiatives d’IA de l’entreprise en 2020. “Cela signifie que nous devons formuler et personnaliser exactement ce dont chaque client a besoin.”

(La source: Produits chimiques Dow)

Avant de mettre en œuvre la solution Microsoft, Dow aurait consulté plusieurs PME, chaque spécialiste nécessitant une période de consultation pouvant aller jusqu’à six mois. Les commentaires des clients, l’investigation scientifique et la recherche sont supposés avoir été effectués manuellement. De plus, les outils plus anciens offerts par l’entreprise à ses scientifiques ont entraîné des processus plus incrémentiels et plus difficiles.

Pour atteindre son objectif commercial global de rationalisation et d’automatisation des connexions en polyuréthane, Dow s’est associé à Microsoft Apprentissage automatique Azure équipe. L’idée était de produire une solution automatisée qui pourrait donner aux scientifiques de Dow plus de rapidité et d’action.

Selon Microsoft, la formation du modèle impliquait de saisir “toutes les connaissances, expériences et enregistrements antérieurs du personnel des formulations de polyuréthane précédentes pour les clients”. Le modèle formé a utilisé ces données, exécuté l’algorithme et produit une formulation de produit personnalisée pour chaque client. Malheureusement, la déclaration ne fournit pas beaucoup de détails sur les données spécifiques mises à la disposition de l’utilisateur final par l’équipe de recherche de Dow. Cependant, ces données comprenaient probablement des données d’échantillons de polyuréthane (par exemple, niveau de rigidité, compression/déflexion PSI, etc.) et des données relatives aux clients (par exemple, sexe, âge, historique d’achat, etc.)

Ni Microsoft ni Dow ne fournissent de détails spécifiques sur l’interaction de l’utilisateur final avec le logiciel. Bien que nous ne puissions pas déterminer avec précision à partir des informations publiques actuellement disponibles comment le flux de travail de l’utilisateur final a changé, nous pouvons faire des hypothèses de bon sens.

En supposant que la déclaration antérieure de Microsoft sur le manque d’automatisation de Dow pour le réglage du polyuréthane est exacte à distance, nous pouvons en déduire que le flux de travail de ses chercheurs a probablement changé de façon spectaculaire. Par exemple, Microsoft affirme que la nouvelle solution de Dow peut trier des millions de combinaisons de réglage possibles et suggérer des domaines d’expérimentation “en quelques secondes”.

Dans ton histoire de client à propos de Dow, Microsoft affirme que sa solution “transforme fondamentalement[ed] un processus hérité », appelant leur solution à Dow dans le cadre d’une transformation numérique plus large.

Microsoft a fourni une illustration qui, bien que peut-être exagéré, peut éclairer les changements apportés :

« Par exemple, un client peut se tourner vers Dow pour une formulation de polyuréthane afin de créer un matelas particulièrement moelleux. Avant l’apprentissage automatique, cela aurait été le début d’un long processus manuel. Les scientifiques s’asseyaient sur la paillasse du laboratoire et parcouraient les manuels et les enregistrements archivés des travaux antérieurs pour guider leurs expériences afin de trouver une nouvelle formulation.

Si les déclarations ci-dessus de Microsoft sont dignes de confiance, nous pouvons supposer que leur solution a supplanté au moins certains des processus de réglage manuel du polyuréthane.

L’histoire du client réclamations que Dow a été en mesure de réduire considérablement le temps nécessaire à la recherche et au développement de produits en polyuréthane personnalisés, signalant que ce qui nécessitait auparavant quatre à six mois de travail pour les scientifiques et autres PME pouvait être réalisé « en quelques secondes ».

Cas d’utilisation 2 : détection de fuite de confinement

Selon Microsoft histoire de client dans l’entreprise, Dow Chemical s’était fixé un objectif de zéro incidents de sécurité dans ses usines de fabrication. Les déversements de produits chimiques sont l’un des types d’incidents qui préoccupent Dow.

Une recherche Google de fuites chez Dow nous donne une idée de la raison pour laquelle cette appréhension existe. plus du Dow récemment sorti La fuite s’est produite en avril de cette année, lorsqu’un incendie dans une installation de Louisiane a provoqué une fuite de chlore. Ces incidents de sécurité coûtent à la fois de l’argent et de la réputation aux entreprises industrielles traditionnelles comme Dow.

Dow s’est à nouveau associé à Microsoft et à son équipe Azure pour atteindre cet objectif. À son tour, Microsoft recommandé la mise en œuvre de analyseur vidéo logiciel dans le cadre d’une solution globale.

On ne sait pas quelles données Dow a utilisées pour former son modèle. Très probablement, les données de formation consistaient en plusieurs images étiquetées de fuites – et d’installations sans fuite. Bien sûr, la classification des images a été utilisée, où la machine est :

  • Fourni avec des images et formé pour reconnaître les relations entre ces images et les concepts créés par l’homme, comme un risque de fuite.
  • Données d’entrée fournies par les flux de caméra 24h/24 et 7j/7 qui sont transmises par les algorithmes du logiciel Video Analyzer pour inférence (voir la vidéo ci-dessous)

Si l’algorithme détecte une fuite, un appareil périphérique enverra une alerte au client par e-mail, appel vocal ou SMS.

Vous trouverez ci-dessous une vidéo d’environ deux minutes qui explique comment Dow utilise le logiciel :

(Source : Cloud Microsoft)

Les fonctionnalités utilisateur incluent la capture, l’enregistrement et l’analyse des métadonnées du flux vidéo en direct. Les utilisateurs peuvent publier ou stocker les résultats dans le service cloud Video Analyzer.

Semblable au premier cas d’utilisation, nous n’avons pas pu trouver spécifique, pas hyperbolique preuve de l’impact de Microsoft ou de Dow Chemical. Aucun des avantages rapportés de la solution n’appartenait à l’objectif de sécurité zéro incident de Dow.

Selon une citation d’un responsable principal des solutions chez Dow, l’entreprise a été en mesure de créer une solution évolutive “jusqu’à des milliers de déploiements”. Selon Mayur Andulkar, expert en analyse et intelligence artificielle de Dow, la décision d’utiliser Video Analyzer au lieu d’un développement personnalisé a permis à l’équipe de données de se concentrer sur la logique métier et d’autres tâches telles que la gestion de la détection et des alertes. .