Une intelligence artificielle pas si bête
Publié le 8 février 2023 dans Operational Excellence
Il y a dix ans, j'étais très fier de l'intelligence des machines de notre usine. Aujourd'hui, la définition du terme « intelligent » ayant évolué, je me rends compte qu'elles étaient en réalité plutôt bêtes.
En effet, même si elles effectuaient les tâches qui leur étaient demandées, elles étaient incapables de faire face à une situation inattendue ou inhabituelle. Leur seul recours était de demander de l'aide à l'opérateur.
Le dépannage et la remise en service des machines nécessitaient l'intervention de personnes intelligentes, d'opérateurs hautement qualifiés, d'ingénieurs en logiciel et matériel expérimentés.
Toutefois, ces personnes se font de plus en plus rares depuis une dizaine d'années. Il n'y a tout simplement plus assez de nouveaux talents dans le secteur pour compenser les employés qui partent à la retraite. Lorsqu'ils quittent l'entreprise, ces derniers emportent avec eux leurs connaissances professionnelles durement acquises, qui sont le fruit de plusieurs années d'expérience. À chaque départ, les entreprises sont confrontées à la perspective d'une main-d'œuvre moins productive et moins qualifiée.
Fini les questions bêtes…
Pour résoudre ce dilemme, il faut, selon toute évidence, rendre les machines plus intelligentes afin qu'elles n'aient plus besoin de poser de questions bêtes. Les fabricants de machines conçoivent des systèmes capables de déterminer par eux-mêmes la raison de leur interruption ou l'origine d'un problème.
Cela existe déjà dans une certaine mesure. Par exemple, les capteurs sur les encartonneuses permettent d'avertir l'opérateur lorsque la machine est vide.
Cependant, les capteurs seuls ne suffisent pas. Pour accroître l'autonomie des systèmes, l'intelligence artificielle (IA) est essentielle : les machines doivent pouvoir utiliser des algorithmes intelligents capables d'effectuer des analyses sophistiquées à la manière du cerveau humain.
L'utilisation de l'IA pour imiter les processus de la pensée humaine dans les applications industrielles suscite de nombreux débats, mais les cas réels d'entreprises qui parviennent à exploiter la valeur de l'IA sont rares.
Revers courants de l'IA
Il existe deux risques majeurs : d'une part, les entreprises tombent souvent dans le piège d'une application trop générique de l'IA, et d'autre part, elles ne savent pas comment gérer la prolifération des données générée par cette approche globale.
Si vous envisagez d'utiliser l'IA dans votre usine, vous devez tout d'abord déterminer le problème que vous souhaitez résoudre ou les aspects que vous souhaitez améliorer. Commencez à petite échelle par un problème très spécifique. Vous devez ensuite collecter les données pertinentes, ce qui n'est pas une tâche facile. Vous devez non seulement vous assurer que vous disposez des données appropriées, mais également qu'elles sont exhaustives et stockées au bon moment. Enfin, vous devez analyser ces données.
Le contrôleur IA d'OMRON, la première solution d'IA au monde qui fonctionne « à la périphérie » de la machine (le matériel étant basé sur le contrôleur de machine IPC NY5 Sysmac et l'UC NX7), s'occupe de tout. Ce contrôleur enregistre les données à très basse vitesse et les analyse à l'aide de la reconnaissance des modèles en fonction des données de processus collectées directement sur la chaîne de production. Intégré à notre plate-forme de contrôle d'usine Sysmac, il peut être utilisé directement dans la machine pour éviter les pertes d'efficacité.
Mise en pratique de l'IA
Voici un exemple de cette mise en pratique : nous travaillons actuellement avec un client de l'industrie alimentaire pour améliorer l'intégrité de son processus de scellage. Plutôt que de s'en remettre à l'opérateur pour détecter un éventuel dysfonctionnement de la tête de scellage, la machine d'emballage utilise l'IA pour maintenir les performances de répétabilité. En ajoutant l'IA à l'opération de scellage, nous augmentons la durée de conservation de plusieurs jours et minimisons les scellages défectueux, éliminant ainsi le risque de rejet de lots de produits complets par les acheteurs.
L'apprentissage automatique pour combler le manque d'expérience
Jusqu'à présent, je n'ai parlé que de l'exploitation de l'IA pour améliorer l'intelligence des machines. L'autre axe de développement de l'IA est d'accroître les compétences des employés. Des données sont collectées à partir d'actifs physiques (dans ce cas, des travailleurs hautement expérimentés) et font ensuite l'objet d'une reconnaissance de modèles. En d'autres termes, l'opérateur qualifié forme la machine, puis la machine forme l'opérateur non qualifié.
Dans notre laboratoire, nous expérimentons actuellement des machines basées sur l'IA qui demandent aux opérateurs d'assembler les produits et d'enregistrer leur technique, pour ensuite déterminer la meilleure façon d'effectuer cette tâche et l'enseigner aux autres opérateurs.
Une autre application industrielle de l'apprentissage machine pourrait être l'utilisation de l'IA pour déterminer les actions que l'opérateur doit effectuer sur la machine. Si les mains de l'opérateur vont dans la mauvaise direction, par exemple, une alerte se déclenche.
Seuls les plus intelligents ont la solution
Les entreprises dont le processus de transformation numérique est bien avancé seront les mieux placées pour exploiter la valeur de l'IA, qu'il s'agisse d'identifier et d'enseigner les meilleures pratiques, de prévoir les échecs ou de surveiller les conditions de fonctionnement. Cependant, les entreprises qui n'en sont qu'au début de leur parcours ne doivent pas abandonner l'exploration de l'IA. Lorsque vous commandez une nouvelle machine, vérifiez qu'elle dispose d'une fonctionnalité permettant de générer des données à des fins d'exploitation de l'IA. Il n'est pas nécessaire de connaître les données dont vous avez besoin : vous devez seulement savoir quelles questions poser à votre fabricant de machines. Commencez à petite échelle et adoptez une approche pas à pas. En effet, l'ADN humain a connu une évolution sur plusieurs millions d'années. Il ne faut donc pas s'attendre à ce que les machines soient capables d'imiter le cerveau humain en quelques mois.
Nous contacter pour plus d'informations