La révolution de l’IA est là – il faut maintenant y participer
C’est surtout dans l’industrie 4.0 que l’intelligence artificielle (IA) fait valoir ses atouts. Les systèmes font de la maintenance prédictive une réalité, transforment les robots en assistants autonomes dans l’usine intelligente et détectent les erreurs dans la production. Mais cette technique ne devrait plus être l’apanage des départements de recherche et développement des grands groupes, car elle est désormais à la portée de tous. Le guide montre, à l’aide d’exemples, où et comment les avantages de l’IA peuvent être utilisés de manière profitable et quels composants standard sont déjà disponibles aujourd’hui à cet effet.
L’intelligence artificielle est actuellement l’une des forces motrices de la transformation numérique. Les promesses sont grandes, même si elles ne peuvent pas toutes être tenues dès maintenant. Car l’IA dite forte est encore de la musique d’avenir – c’est-à-dire des systèmes dotés de capacités intellectuelles semblables à celles de l’homme.
En revanche, les logiciels d’auto-apprentissage, qui sont axés sur une tâche précise, conquièrent de plus en plus notre quotidien. Ces systèmes d’apprentissage automatique ne sont pas programmés comme des logiciels classiques, mais entraînés avec une grande quantité de données. Ils apprennent ensuite en permanence sur le terrain. Les experts regroupent ces procédés sous le terme d’IA faible. Mais le mot “faible” donne une fausse impression des possibilités de ces systèmes. Car celles-ci sont déjà impressionnantes – et nous n’en sommes qu’au début du développement.
Dans la vie quotidienne privée, des logiciels basés sur l’apprentissage automatique pilotent par exemple les installations de chauffage ou d’éclairage dans les maisons intelligentes. Un grand nombre d’applications sur nos smartphones utilisent également l’intelligence artificielle. Dans les entreprises, des chatbots intelligents prennent en charge la communication avec les clients. Et dans les voitures, l’IA se charge de plus en plus de tâches pour l’homme, jusqu’à la conduite autonome du véhicule.
Les données IoT rendent la maintenance plus efficace
La valeur ajoutée de l’IA est particulièrement évidente dans l’industrie. Cela vaut en premier lieu pour les applications dans lesquelles les données de l’Internet des objets (IoT) sont traitées avec son aide. Les capteurs des machines de production fournissent une multitude d’informations différentes, par exemple sur la vitesse, la température ou la pression. Si ces données sont combinées avec d’autres – par exemple celles des systèmes de gestion de la production – et analysées par un système d’IA, il est possible d’obtenir des informations étonnantes. Les entreprises industrielles peuvent ainsi reconnaître à temps quand une machine n’est plus en état de fonctionner. Les travaux de maintenance sont effectués lorsqu’ils sont vraiment nécessaires et avant que la machine ne tombe effectivement en panne. Cela rend la maintenance plus efficace et évite les arrêts de production. C’est ce qu’on appelle la maintenance prédictive.
20.000 à 30.000 messages de capteurs par machine
Dans son usine de Munich, le constructeur automobile BMW enregistre par exemple les données de capteurs de 600 pinces de soudage avec lesquelles les robots travaillent dans la construction de la carrosserie. Les capteurs mesurent le frottement trois fois par équipe et signalent toute anomalie. Un logiciel évalue en permanence les données à l’aide de l’IA et peut ainsi prédire quand une panne est imminente.
Le fabricant de machines d’impression Koenig & Bauer analyse également les données de ses produits. L’entreprise reçoit chaque jour entre 20 000 et 30 000 messages de capteurs par machine. L’objectif est ici aussi de planifier la maintenance et les temps d’arrêt qui y sont liés.
La maintenance prédictive à l’aide de l’IA peut devenir un facteur de coût important. Rien que les entreprises de production allemandes dépensent chaque année 14 milliards d’euros de trop pour les frais de maintenance (selon le guide du laboratoire de machines-outils (WZL) de la RWTH Aachen, qui traite de la maintenance prédictive).
L’apprentissage automatique détecte les fissures dans les carrosseries automobiles
L’intelligence artificielle apporte également des avantages concrets dans l’assurance qualité. On le voit par exemple dans l’usine d’emboutissage d’Audi à Ingolstadt. Des caméras y contrôlent tous les composants directement après la fabrication. Un logiciel de machine learning développé en interne analyse ces images. S’il détecte des défauts dans les pièces en tôle, comme de fines fissures, il les marque au pixel près. Le logiciel accélère ainsi les processus de contrôle, car les caméras devaient auparavant être configurées pour chaque nouvelle pièce. Grâce à la capacité d’apprentissage de l’intelligence artificielle, cela n’est plus nécessaire. En outre, le système garantit des résultats plus fiables.
Cet exemple illustre le potentiel de l’IA, notamment dans le contrôle qualité par traitement d’image. De nombreuses tâches y sont difficiles à formaliser, notamment en raison de la diversité des défauts possibles. Si l’on veut effectuer ces tâches avec un système de traitement d’images classique, cela nécessite un expert. Dans le cas d’un système utilisant l’apprentissage automatique, cela n’est pas nécessaire. Il apprend en se voyant montrer un certain nombre d’images. Il peut ensuite détecter lui-même les défauts des composants.
L’étape suivante consisterait à ce qu’une machine de production se corrige elle-même lorsqu’elle produit une pièce défectueuse. Grâce à l’IA, cette possibilité est à portée de main. Un projet de l’Institut de technologie textile d’Augsbourg en est un exemple. Les experts utilisent l’IA pour reconnaître, lors de la fabrication de non-tissés, comment différents paramètres de la machine – par exemple la vitesse de rotation – sont liés aux paramètres de qualité des produits. La machine doit alors diagnostiquer elle-même les erreurs et procéder aux ajustements nécessaires. Le taux de rebut devrait ainsi être réduit de 30 à 50 %.
Un robot devient un contrôleur de qualité
Mais ce ne sont pas encore là toutes les possibilités d’utilisation de l’intelligence artificielle dans l’industrie, loin de là. Aujourd’hui déjà, cette technologie permet aux robots d’agir de manière largement autonome. Les caméras deviennent les yeux des assistants mécaniques. L’IA traite les informations optiques et aide ainsi à l’orientation.
Un exemple vient de l’assurance qualité. Dans le cadre du projet de recherche Aumero, Zeiss, BMW et des scientifiques de l’université d’Ulm ont développé un robot de mesure autonome. Celui-ci peut, entre autres, inspecter de manière autonome les dimensions des fentes des pièces de carrosserie, comme les portières de voiture. À l’aide de caméras, Aumero reconnaît lui-même sa cible et s’aligne sur la carrosserie pour mesurer la dimension de la fente. L’utilisateur choisit par logiciel l’objet à inspecter, son emplacement approximatif et ensuite le plan de mesure. Le robot fait le reste tout seul.
L’IA est également utilisée pour aider les robots mobiles ou les systèmes de transport sans chauffeur (AGV) à naviguer dans les halls d’usine. Il existe ainsi des projets pilotes avec des robots équipés de caméras 3D. Dans ce cas, les données d’image sont envoyées à un ordinateur via une liaison radio 5G, où elles sont analysées par l’IA. Ainsi, un AGV peut non seulement identifier les obstacles, mais aussi reconnaître s’il s’agit par exemple d’un ouvrier ou d’une palette. S’il s’agit d’une personne, le robot se déplace autour d’elle en respectant la distance minimale nécessaire.
De cette manière, les robots mobiles peuvent également chercher des choses dans les halls d’usine. Lorsqu’un objet spécifique manque dans les halls d’usine, un ordre est envoyé au robot via le système ERP. Celui-ci se met alors en quête de l’objet et est en mesure de le localiser grâce au traitement d’image et à l’IA. S’il y parvient, il envoie un message correspondant au système.
Programmation simple dans la robotique
Mais l’IA ne se contente pas d’étendre les capacités des robots. Grâce à cette technologie, il est également plus facile de les programmer. Un certain nombre d’entreprises ont mis au point des méthodes basées sur l’apprentissage automatique. Pour apprendre sa tâche au robot, l’utilisateur guide par exemple son bras avec la main. Ces mouvements sont enregistrés par une caméra et un capteur de force et de moment, puis traités à l’aide de l’IA. Dans une autre méthode, l’utilisateur montre le mouvement que le robot doit effectuer à l’aide d’un stylo équipé d’un capteur. Si le robot est utilisé pour le soudage, par exemple, l’utilisateur suit simplement la trajectoire de soudage sur la pièce correspondante à l’aide du stylo. Le logiciel génère alors le code de programmation pour le robot.
Les PME peuvent aussi utiliser l’intelligence artificielle
Les petites et moyennes entreprises peuvent également profiter de ces avantages. Cela ne va pas de soi. Le manque de savoir-faire et de personnel qualifié ne facilite pas l’introduction de systèmes d’IA pour les moyennes entreprises. De plus, les systèmes d’auto-apprentissage ont besoin de données avec lesquelles ils peuvent être formés. Or, celles-ci ne sont pas toujours disponibles en quantité suffisante dans les petites et moyennes entreprises.Mais alors que la recherche et l’augmentation de la capacité des ordinateurs ont entraîné une forte augmentation du nombre d’applications d’IA, les barrières d’accès à l’utilisation des technologies ont également été abaissées. Entre-temps, les moyennes entreprises peuvent également s’équiper d’une technologie facile à utiliser. Cela permet non seulement d’acquérir une première expérience, mais aussi de mettre en œuvre des projets d’IA complexes.
Du LiDAR au Raspberry Pi, la technique est là.
Il s’agit entre autres de capteurs LiDAR peu coûteux, de scanners laser LiDAR performants ou de systèmes LiDAR multicouches. Après tout, les capteurs fournissent les données avec lesquelles les systèmes d’IA travaillent. Sans données, il n’y a pratiquement rien à faire pour l’IA. Et un système LiDAR peut fournir des informations dans de très nombreux domaines. Il peut par exemple être utilisé comme capteur de distance, de niveau ou de distance, comme capteur de sécurité pour les AGV ou pour éviter les obstacles pour les robots. Ainsi, la technologie crée les conditions de base pour l’utilisation de l’IA dans de nombreuses applications.Raspberry Pi ou Arduino peuvent servir de technologie d’entrée de gamme. Ce qui a commencé comme un ordinateur à carte unique pour les bricoleurs privés a entre-temps été adopté par l’industrie. Le Raspberry Pi permet entre autres de réaliser facilement des applications de traitement d’images. L’ordinateur peut également être utilisé pour surveiller des systèmes d’automatisation et de commande. Parmi les produits populaires, on trouve la carte Portenta H7, la carte Google GOO CORAL 1GB, notamment en combinaison avec l’accélérateur USB Google Coral, ainsi que la carte MAX78000 Feather.
Avec le Robot Operating System (ROS), on dispose en outre d’un framework open source pour développer par exemple des systèmes autonomes. Son avantage réside également dans sa facilité d’utilisation. Les utilisateurs peuvent programmer des applications sans connaissances spécialisées. L’éventail des possibilités est large : ROS prend en charge 145 systèmes robotiques. Le TurtleBot3 est la plate-forme de développement officielle de l’organisation pour les entreprises, les instituts de recherche et les universités. Le TurtleBot3 est équipé d’une carte de développement Raspberry Pi, d’un système LiDAR 360°, d’une unité de commande OpenCR, d’une caméra Raspberry Pi et de deux servomoteurs pour la locomotion.Il existe également des robots standard comme le Dingo, qui convient entre autres aux projets de recherche et de formation et qui peut être complété par un grand nombre de modules supplémentaires, par exemple une caméra 3D. Un robot comme le QUADRUPED Go2 Air, équipé de capteurs de haute précision et d’une intelligence artificielle puissante, et capable d’opérer sur une large gamme de terrains, est particulièrement adapté au développement de systèmes autonomes.
Conclusion
Le thème de l’intelligence artificielle recèle un grand potentiel et aura un impact sur tous les domaines de la fabrication. En même temps, l’intelligence artificelle est en train de changer radicalement le paysage concurrentiel, car elle procure d’énormes avantages aux premiers utilisateurs. Alors que l’augmentation de la productivité, le contrôle de la qualité et l’optimisation des processus sont généralement au premier plan, les potentiels d’optimisation vont plus loin et englobent par exemple aussi le développement de produits, la logistique et l’expérience client.
Les technologies et les composants standard abordables sont aujourd’hui à la disposition de tous pour participer à la grande révolution de l’IA. Les petites et moyennes entreprises y trouvent également leur compte. Car les avantages de l’IA peuvent apporter les mètres décisifs pour être ou rester en tête de la course à la compétitivité.
Images : Adobe Stock
