Transformer les usines en fabricants intelligents grâce à l'IA

L'intelligence artificielle (IA) est sur toutes les lèvres depuis le lancement du chatbot ChatGPT. L’IA fait également de grands progrès dans les technologies de production industrielle. L'apprentissage automatique peut augmenter l'efficacité de la fabrication. Mais comment ça marche ? Découvrez comment procéder au salon EMO Hanovre 2023, du 18 au 23 septembre. Sous la bannière « Innovate Manufacturing », le salon leader mondial des technologies de production inspirera son public professionnel en présentant de nombreuses idées nouvelles, l'intelligence artificielle étant mise en avant.

Les machines de production peuvent-elles vraiment s’auto-optimiser ? Peuvent-ils apprendre de leurs erreurs ? Et est-il possible pour eux d’acquérir le savoir-faire d’autres machines ? L’intelligence artificielle (IA) rend tout cela possible. Lorsque les machines de production auto-apprenantes fonctionnent intelligemment, cela conduit à une plus grande productivité, à une réduction des coûts, à une qualité améliorée et à une réduction des temps d'arrêt.

« Nous avons consacré beaucoup de temps à l'optimisation de nos processus technologiques de production et avons acquis ici un avantage concurrentiel. Nous voulons désormais faire de même dans la transformation numérique de la production industrielle », explique Markus Spiekermann, chef du département d'économie des données à l'Institut Fraunhofer d'ingénierie logicielle et système ISST. «L'intelligence artificielle joue un rôle décisif pour répondre aux nouvelles exigences», déclare Spiekermann. « Parce que seule l’utilisation de méthodes d’IA permet d’atteindre des niveaux élevés d’automatisation. »

Maintenance prédictive pour les tours

La tendance de l’IA s’impose dans l’industrie. Le fabricant de machines-outils Weisser Söhne GmbH & Co. KG, par exemple, s'appuie sur des modèles d'IA qui permettent une maintenance prédictive de ses tours.

«La maintenance prédictive utilise l'IA pour prévoir quand une machine nécessitera un entretien afin d'éviter qu'elle ne tombe en panne», explique Dr.-Ing. Robin Hirt, PDG et fondateur de la startup Prenode GmbH basée à Karlsruhe. L'éditeur de logiciels aide les constructeurs de machines à équiper leurs usines de fonctionnalités personnalisées basées sur l'IA.

Les machines de production modernes peuvent s'auto-optimiser grâce à l'intelligence artificielle, explique Hirt. « Pour cela, ils utilisent généralement des méthodes dites d’apprentissage automatique. Ceux-ci permettent aux machines de reconnaître des modèles et des corrélations dans les données de production et d’en tirer automatiquement des améliorations. Dans de nombreux cas, il leur est également possible d’apprendre de leurs erreurs et d’adopter le savoir-faire d’autres machines.

Données décentralisées utilisées pour générer un modèle d'IA commun

La technique d'apprentissage fédéré est souvent utilisée, car les données obtenues à partir d'un seul tour sont souvent insuffisantes pour servir de base à un modèle d'IA précis. L'apprentissage fédéré facilite la « formation » d'un modèle d'IA commun, avec des données stockées sous forme décentralisée mais sans partage direct de données. Les données individuelles restent donc sur les machines respectives et ne doivent pas être stockées de manière centralisée à un seul endroit (comme dans le cloud du fabricant de machines).

Les modèles d'IA utilisent les données en cours du tour pour estimer l'état actuel de l'usine, puis le transmettent au personnel d'exploitation. Des réseaux de neurones d’apprentissage profond sont utilisés à cet effet.

Assistant de tri intelligent de Trumpf

L'intelligence artificielle est également utilisée pour faire fonctionner le Sorting Guide, un système créé par le spécialiste du laser Trumpf à Ditzingen, dans le Bade-Wurtemberg, en Allemagne, qui permet de trier les pièces produites et ainsi d'augmenter les niveaux d'utilisation des machines. Le Guide de tri est un système d'assistance basé sur une caméra qui s'appuie sur l'apprentissage automatique décentralisé. Les principaux composants du système d'IA sont une caméra haute résolution, un grand écran, un PC industriel et un logiciel intelligent de traitement d'images.

« L'apprentissage automatique décentralisé consiste à relier plusieurs machines pour former un système d'IA », explique Hirt, PDG de Prenode, expliquant le principe. Ces machines collectent en permanence des données locales sur leurs processus de travail. Un modèle d’IA est développé pour chaque machine, qui est ensuite centralisé. « Ces modèles sont ensuite fusionnés dans un cloud central et retransférés vers les systèmes individuels », poursuit Hirt. Le système d’IA peut alors s’appuyer localement sur l’expérience de toutes les autres machines sans jamais avoir à partager de données brutes sensibles. « Cela permet aux machines d'exécuter leurs processus plus efficacement et d'atteindre une plus grande productivité », promet Hirt.