● La start-up Keyprod a ainsi développé un boîtier connecté qui se fixe sur les machines et communique de nombreuses informations aux opérateurs, tant sur l’état de marche de certaines pièces que sur leur rendement.
● Cet outil permet de gagner de 10 à 15% de productivité et incarne l’une des nombreuses utilisations potentielles de l’IA dans l’industrie. Ce secteur bénéficie aussi de l’innovation en computer vision, qui facilite l’évaluation de la qualité de fabrication des produits.
Comprendre les anomalies sur un site industriel est souvent une mission impossible. À moins d’être dans une usine du futur ultra-connectée, il est difficile d’identifier l’origine du dysfonctionnement d’une machine qui pourtant peut avoir de lourdes conséquences, tant en termes de sécurité et de productivité que sur la longévité des outils de production. « La plupart des ateliers du monde ne disposent pas d’outils de pilotage et effectuent des relevés manuels sur l’état de fonctionnement des machines, explique Damien Marc, le dirigeant de JPB Système, un industriel spécialisé dans les systèmes auto-freinants. Un jour, j’ai eu l’idée d’utiliser de l’iPhone sur une machine de notre usine et j’ai récupéré un volume important d’informations. On a donc décidé de créer un objet connecté capable d’interpréter les informations relatives à la vibration des machines, ce qui est le langage commun à toutes les machines. » Et de fait, les techniciens ont l’habitude d’écouter les bruits produits par les outils de production, pour comprendre ce qui fonctionne ou non.
L’algorithme est capable de déduire de manière autonome si la machine fonctionne, combien de pièces ont été produites, si elle a été contrainte de s’arrêter sur des petites durées, etc.
Un boîtier qui écoute et analyse les machines
Un boîtier commercialisé par Keyprod, filiale de JPB Système, permet ainsi de réaliser un suivi de production grâce à l’acoustique et l’intelligence artificielle. Cet objet connecté, dit « plug and play », s’aimante sur n’importe quelle machine et est capable de fournir des données prédictives sur la production des usines et les tendances de planning. « Il est entraîné pour écouter les processus et, donc, détecter des dérives infimes, comme l’usure d’un outil de production. » Une innovation possible grâce à l’analyse des vibrations des machines et à l’intelligence artificielle, associée à une interface de contrôle. Dans ses fonctions standards, l’algorithme est capable de déduire de manière autonome si la machine fonctionne, combien de pièces ont été produites, si elle a été contrainte de s’arrêter sur des petites durées, etc.
« On s’aperçoit que le fonctionnement d’une machine n’est jamais optimal, en raison de micro-arrêts. Les données collectées nous permettent de calculer un taux d’efficacité dans l’atelier. Ces statistiques permettent de comprendre et ensuite de travailler sur les raisons pour lesquelles une machine a dû s’arrêter de tourner. Au final, on peut faire gagner de 10 à 15 % de productivité, précise Damien Marc. Pour les sons plus précis, machine doivent les « taguer » pour entraîner l’algorithme à les reconnaître. Généralement, au bout de deux ans d’utilisation, on obtient un modèle robuste qui permet de reconnaître avec précision l’origine d’un problème. » Cet objet connecté contient dans son cœur un FPGA (Field Programmable Gate Array), . « L’avantage, c’est que ce réseau est reprogrammable et adapté aux réseaux de neurones et, donc, aux usages de l’IA. »
L’IA connaît ses débuts dans l’industrie
L’usage de l’intelligence artificielle dans l’industrie risque de connaître un véritable engouement. Une étude réalisée par Augury indique que 63 % des fabricants vont accroître leurs investissements en IA. Des sociétés comme Instrumental se sont d’ailleurs spécialisées dans le développement d’outils de machine learning capables de détecter les fonctions défectueuses des machines avant qu’elles n’apparaissent. L’usage est également pertinent sur les chaînes d’assemblage, notamment pour remplacer les yeux humains afin de repérer les défauts grâce à la computer vision. L’intelligence artificielle dite générative a également le potentiel de convaincre les industriels, par exemple pour établir automatiquement des liens entre les défaillances des produits et les problèmes dans leur conception. Reste que, dans la plupart des cas, et notamment en matière de maintenance prédictive, la supervision humaine est encore indispensable.
En savoir plus :
Intelligence artificielle générative et secteur industriel : atouts et défis
The Role of Vibration Monitoring in Predictive Maintenance (PDF, en anglais)
Damien Marc
