Search

«  L’analyse de données ne consiste pas uniquement à créer des modèles magiques  »


La chercheuse en analyse de données María Isabel Meza Silva aide les entreprises manufacturières irlandaises à entrer dans l’ère de l’industrie 4.0 et espère voir l’industrie colombienne emboîter le pas.

Originaire de Colombie, María Isabel Meza Silva est titulaire d’un baccalauréat en génie industriel de l’Université de Los Andes. En 2017, elle est arrivée en Irlande et a rejoint Irish Manufacturing Research (IMR) en tant que stagiaire en analyse de données.

IMR est un centre de recherche et de technologie soutenu par Enterprise Ireland et l’IDA avec des laboratoires et des lignes pilotes industrielles à Dublin et Mullingar. Après quelques mois à l’Université de Los Andes, Meza Silva est retournée en Irlande en 2018 et travaille depuis comme chercheur en analyse de données à part entière à l’IMR.

Son rôle principal est d’aider les petites et moyennes entreprises manufacturières à découvrir la valeur de leurs données. Pour ce faire, elle identifie les indicateurs clés et transforme les données brutes en informations significatives et exploitables.

Meza Silva dirige également les programmes de sensibilisation de l’IMR auprès des écoles primaires et secondaires, immergeant les jeunes étudiants dans les nouvelles technologies telles que l’internet des objets, l’IA, la réalité augmentée et les robots collaboratifs.

«  Une idée fausse courante est que l’analyse ne fonctionne que dans les grandes organisations avec de grandes ressources  »
– MARÍA ISABEL MEZA SILVA

Qu’est-ce qui vous a poussé à devenir chercheur?

Pour être honnête, cela ne faisait pas partie de mon projet de devenir chercheur quand j’étais à l’université et je savais très peu ce qu’impliquait le travail de chercheur. Tout ce que je savais à l’époque, c’est que je voulais travailler dans le secteur manufacturier et avoir un impact sur la société. Depuis que mon père m’a amené à l’endroit où mes céréales préférées étaient produites, j’ai toujours aimé aller dans les usines et comprendre comment les choses sont fabriquées et comment fonctionnent les machines.

Lorsque j’ai rejoint IMR en tant que stagiaire, j’ai réalisé l’importance de la recherche appliquée. Les recherches de l’IMR se concentrent sur l’utilisation de nouvelles technologies pour aider les petites et moyennes entreprises irlandaises à améliorer leurs processus industriels. Et si nous pouvons améliorer ces processus pour les entreprises, pourquoi ne le ferions-nous pas? En fin de compte, ce sont les entreprises manufacturières qui nous fournissent la nourriture que nous mangeons, les téléphones que nous utilisons ou les vêtements que nous portons.

Sur quelle recherche travaillez-vous actuellement?

Certains des projets de recherche sur lesquels nous travaillons actuellement sont nés dans le cadre du projet de recherche Industrial Data Analytics Framework (IDAF). Au cours de ce projet, nous avons réalisé que les principaux obstacles à l’adoption de l’analytique sont généralement de nature managériale et proviennent probablement du manque de compréhension de par où commencer et de comment gérer un projet d’analyse, ce qui se traduit également par un manque de compréhension sur la façon dont pour résoudre des problèmes à l’aide de la science des données et des capacités d’analyse inhérentes.

Afin de résoudre ce problème, l’équipe d’analyse a développé un cadre d’analyse de données industrielles qui vise à résumer le processus que l’IMR a effectué avec de nombreuses entreprises, afin de produire une base de connaissances qui pourrait être utilisée comme un outil en libre-service ou guidé pour les entreprises. Cela fournirait une évaluation de la capacité d’analyse actuelle; un examen des projets et des techniques qui sont pertinents pour la capacité, l’infrastructure ou la culture actuelles; et les étapes progressives qui pourraient être prises pour apporter de la valeur grâce à de nouvelles capacités d’analyse des données.

Sur la base de l’évaluation, nous avons travaillé avec des entreprises pour mettre en œuvre des initiatives d’analyse qui peuvent apporter de la valeur en fonction de leurs capacités actuelles, et avons établi des étapes pour augmenter leurs capacités d’analyse. Il est essentiel pour les entreprises de comprendre les capacités et les processus actuels pour libérer la valeur de leurs données.

À votre avis, pourquoi votre recherche est-elle importante?

Comme je l’ai mentionné, les entreprises manufacturières sont essentielles au fonctionnement de la société. Pensez à l’impact qu’ils ont eu pendant la pandémie de Covid-19. Plusieurs entreprises de fabrication ont réorienté leurs lignes pour commencer à produire des équipements de protection individuelle tandis que les sociétés pharmaceutiques travaillent sans relâche pour fournir des vaccins.

Cependant, certains des processus utilisés dans la fabrication n’ont pas changé depuis des décennies parce qu’il n’y en avait pas eu besoin, et la quatrième révolution industrielle a apporté des progrès que l’industrie ne peut ignorer.

IMR vise à démystifier, réduire les risques et fournir ces technologies émergentes qui représentent une opportunité pour les entreprises d’améliorer le fonctionnement de leurs processus industriels. Au sein de l’équipe d’analyse, nous travaillons en étroite collaboration avec l’industrie pour leur montrer comment les données peuvent être utilisées au mieux pour augmenter les revenus, la satisfaction des clients et la qualité des produits, et pour prendre des décisions éclairées.

Quelles applications commerciales envisagez-vous pour vos recherches?

Soutenir Silicon Republic

Les entreprises se sont particulièrement intéressées à trois domaines dans l’utilisation des données: la maintenance prédictive, l’analyse des défauts et l’efficacité globale des équipements.

La maintenance prédictive permet aux entreprises de réduire les coûts en prévoyant le moment où une machine tombera en panne et de prendre des mesures avant que cela ne se produise, tandis que l’analyse des défauts est utilisée pour améliorer la qualité du produit en comprenant la cause profonde des défauts.

Nous devons travailler en étroite collaboration avec l’industrie dans ces domaines pour comprendre leurs activités et leurs préoccupations et nous avons développé et transféré des technologies et des applications aux PME et aux entreprises multinationales qui peuvent potentiellement être transformées en entreprises manufacturières en Irlande et à l’étranger.

Quels sont certains des plus grands défis auxquels vous êtes confronté en tant que chercheur en analyse de données?

Je dirais que le principal défi est d’amener l’industrie à voir l’importance ou l’efficacité de nos recherches. En général, la recherche n’est efficace que lorsqu’elle est appliquée à des processus suffisamment modifiés pour avoir un impact. En matière d’analyse, la plupart de nos projets reposent sur des données que les entreprises ne peuvent ni posséder ni utiliser. Ainsi, obtenir les bonnes données et en montrer la valeur est la première étape, et la plus importante, pour impliquer les entreprises.

C’est comme essayer de convaincre quelqu’un de changer ses habitudes en sachant qu’il a toujours travaillé. La seule façon d’y parvenir est de leur montrer des chiffres et des faits qu’il y a toujours place à l’amélioration.

Existe-t-il des idées fausses courantes sur la recherche en analyse de données?

L’idée fausse la plus courante sur l’analyse des données est qu’il s’agit de créer des modèles «magiques». En fait, la création d’un modèle est une seule couche dans les multiples phases qui composent un projet d’analyse de données.

Par exemple, la livraison d’un projet d’analyse comprend la collecte de données, le nettoyage des données, la vérification des données, la visualisation des données, l’analyse exploratoire des données, etc. À la fin, toutes ces étapes peuvent prendre jusqu’à 90% du temps investi dans le projet avec l’autre. 10 pc dans le développement du modèle.

Une autre idée fausse courante est que l’analyse ne fonctionne que dans les grandes organisations disposant de ressources importantes. Les projets d’analyse ne nécessitent pas d’infrastructure sophistiquée pour traiter et tirer le meilleur parti des données. En revanche, ce qui compte, c’est la manière dont les données sont utilisées et interprétées pour extraire des informations précieuses qui profiteront aux pratiques commerciales. Ceci et la conviction que l’accès à un grand volume de données produit des résultats meilleurs et plus précis deviennent souvent des obstacles lors de l’engagement avec les petites et moyennes entreprises. La meilleure façon de lutter contre ces mythes est de montrer aux entreprises ce dont elles sont capables avec les ressources dont elles disposent.

Quels sont les domaines de recherche que vous aimeriez voir abordés dans les années à venir?

J’aimerais voir où va se diriger le concept de fabrication intelligente. L’industrie 4.0 et les technologies qui y sont développées seront-elles adoptées par le secteur manufacturier? Je pense que c’est une question à laquelle il faudra beaucoup de temps pour répondre, surtout si l’on considère les différences technologiques et le taux d’acceptation entre les pays. Je crois que le processus d’adoption est un domaine sur lequel l’industrie et les universités doivent travailler en étroite collaboration si nous voulons en tirer le meilleur parti.

Et, personnellement, maintenant que j’ai vu l’impact que cela peut avoir, j’aimerais voir certaines des technologies adoptées par l’industrie irlandaise – telles que les robots collaboratifs, la réalité augmentée ou l’intelligence artificielle – être mises en œuvre en Colombie.

Vous voulez des histoires comme celle-ci et plus directement dans votre boîte de réception? S’inscrire pour Tendances technologiques, Le résumé hebdomadaire de Silicon Republic sur les nouvelles technologiques indispensables.

Êtes-vous un chercheur avec un projet intéressant à partager? Faites-nous savoir par email Editorial@siliconrepublic.com avec la ligne d’objet «Science Uncovered».

Partager:

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Articles Similaires